加入协偏度和协峰度的高阶矩资产配置方法_20181212_爱建证券
由googleglass创建，最终由googleglass 被浏览 24 用户
总结
资产配置自现代资产组合理论诞生以来越来越受到重视，不少的 研究也说明了市场择时和证券选择对投资组合的贡献并没有资 产配置带来的贡献要显著。均值方差模型自 50 年代诞生以来， 它并没有随着时间的推移而失去关注，目前不管是在学术界还是 产业界，还会有学者专家或者从业人员对它进行更加深入的研究 和探索。
马科维茨教授的均值方差模型最重要的两个参数输入是资产的 预期回报和资产间的协方差矩阵，但高阶矩变量(协偏度和协峰 度)在资产配置中也是不可忽视的。两个投资组合里的所有资产 间的均值回报和标准差可能会是一样的，但是这两个投资组合的 风险特征可能会呈现出完全不一样的情况，这样的情况在资产间 同时发生最好的收益或者遭遇最差的损失时会显得更加突出。
极值负回报的概率会变大当资产组合的三阶矩值是更大负值时， 另一方面当组合的四阶矩值越大的时候，极端事件发生的可能性 也会变大。从大多数投资者的角度上来说，大家更愿意看到显著 的正回报和较少的极端事件。所以本篇报告强调的是一个高阶矩 资产配置，也就是在传统的资产配置模型中加入了协偏度和协峰 度变量，最后通过滚动窗口样本内参数估计和样本外数据回测， 结果显示高阶矩资产配置表现并不差。 风险提示:本报告通过对历史数据进行分析、建模、解释与回测， 由于市场具有不确定性，所有结果仅在统计意义下有望获得良好 投资效果，历史数据不代表未来业绩，敬请广大投资者注意策略 失效的风险。
正文
/wiki/static/upload/e1/e10a151a-b5d4-467c-9e61-a26bddc6c5df.pdf
\