A题 杨金风 胡静 周盛泽 在金融风暴中成长.doc

A题 在金融风暴中成长摘要本文以上证2008年5月30日至2009年12月31日的系列指数为基础数据，就证券市场的实际特征引入灰色关联度分析模型，在分析出各类型代表性指数和相近指数曲线的基础上，构造出一个收益大风险小的指数投资组合,接着分析政府宏观调控的作用。首先，假设各指数中缺失的数据对最终的分析结果无明显影响。为了得到各类指数中的代表性指数和走势相近的指数，建立灰色关联度分析模型，利用MATLAB7.0软件求得结果：七个小类中最具代表性的指数分别为中证中盘、全R成长、上证可选、沪分离债、180运输、综合指数。其次，考虑到股票投资有短线、中线、长线之分，需分别统计出各类型指数的日平均收益率、月平均收益率和半年均收益率。再根据实际投资情况，建立股票利益率度量模型,赋予三种收益率不同的权值，求出各指数的平均收益率，即可得出这一年半中平均收益率较高的股票类型。利用MATLAB7.0软件求得结果，得出结论：投资材料股、能源股、信息股赚钱，投资消费股赔钱；投资房地产业类和中型上市公司的股票赚钱，投资综合业类、公用事业类股票赔钱；投资民营企业、中央企业、新兴产业和自然资源类股票赚钱；投资基建类股票和交通运输类股票赔钱。接着，为了解决有限的资产在具有不同风险收益特性的证券之间的优化配置问题。在均值方差假设和投资者一致性假设的条件下,建立证券风险VAR预测模型，以证券投资组合的风险调整资本收益RAROC目标函数建立投资混合规划模型，在承受低风险的基础上追求高收益。利用lingo11.0软件得到最终得出证券投资方案为：公用股33.16%,可选股为4.08%,能源股为18.14%,消费股为40.61%,医药股为4%。考虑到通过调整存贷款基准利率和存款准备金率,来调控证券市场的方法,具有滞后性，因此建立货币调控的干预模型，来描述经济政策的变化或突发事件给经济带来的影响。模型具有一定的实用性，有助于分析我国货币政策与股票市场的关系。综合前面的分析，给出建议：央行在抉择货币政策前应当将包括股票市场在内的资本市场的状况作为判断指标；继续推进利率、汇率市场化机制改革；不断完善国内资本市场层次结构。关键字：灰色关联度 期望收益率 VAR RAROC 投资组合 风险价值一、问题的提出及背景1.1 问题背景本论文主要讨论金融风暴中的证券投资问题。2007年美国房地产次级抵押贷款市场支付危机引发的金融海啸席卷全球,中国也在所难免。国内证券市场作出迅速反应，上证综合指数从2008年5月30日的3433点一路下探至11月6日的1717点，跌去50%。为了应对国际金融危机，我国政府采取了一系列措施。9月16日至12月23日，央行连续4次下调存贷款基准利率和存款类金融机构人民币存款准备金率。 11月9日国家出台扩大内需十项措施，两年内总投资达到4万亿元。 宽松的货币政策所带来的充裕的流动性为A股市场注入了蓬勃生机， 2009年上证综合指数涨幅达到80%，以3277点报收，基本收复了金融海啸卷走的成果，标志中国经济已基本从金融危机中复原。1.2 问题提出（1）上证系列指数包括成分指数，综合指数，行业指数，风格指数，主题指数，基金指数，债券指数等7类共约60个指数。就2008年5月30日至2009年12月31日这段历史分析，哪些指数的走势相近，哪几个指数具有代表性意义？（2）根据对上证系列指数的分析，在这一年半中投资哪些类型股票的人赚钱多？投资哪些类型股票的人损失大？（3） 用不同的行业指数构造一个证券投资组合，使得在金融危机中风险最小。（4）根据数据分析存贷款基准利率和存款准备金率调整对股市的影响，对通过货币手段调控股市提出你的建议。1.3 相关数据处理从上海证券交易所网站和同花顺软件下载2008年5月30日至2009年12月31日的上证系列指数数据,整合到excel表格中,成为待处理的原始数据。二、问题分析金融危机下的证券市场危机四伏，为了谋求更好的发展，就需要正确预测证券市场未来走势，制定合理的投资方案。通过分析证券市场对这场金融海啸做出反应以后的市场走势，在一定程度上可预测证券市场发展趋势，并采取相应的货币手段来调控股市。本论文以上海证券系列指数为基础，首先从同花顺软件和上海证券交易所网站下载整合了2008年5月30至2009年12月31日上证系列指数的历史数据，对每日收盘价格进行分析处理。将所有数据都整合到excel表格中后，在部分指数的缺失数据部分对后续分析没有影响的假设下，具体分析过程如下：第一步，建立灰色关联度分析模型，求出每个小类中的各指数的关联度。在此基础上，得出关联度较高的指数，即它们的走势相似程度高；同时，得出各关联度的平均值，平均值越高，越能代表这一类指数。下面以成分指数的分析过程为例。成分指数上证50上证180超大盘中证中盘中证小盘中证中小中证全指沪企债30上证501.00000.60470.51950.56160.55930.55910.55960.5360上证1800.60471.00000.56070.56120.55960.55870.55950.5172超大盘0.51950.50671.00000.56240.56110.55930.57080.5841中证中盘0.56160.56120.56241.00000.60310.60260.57210.5841中证小盘0.55930.55960.60310.60311.00000.60350.55960.5975中证中小0.55910.55870.60260.60260.60351.00000.55860.5953中证全指0.55960.55950.57210.57210.55960.55861.00000.5942沪企债300.53600.51720.58410.58410.59750.59530.59421.0000关联度平均值0.61250.60850.62560.63090.63050.62960.62180.6261结论:中证中盘、中证小盘指数最具有代表性意义表2.1 成分指数关联度表根据理论分析，由表中数据可知，上证50和上证180走势较近，中证中小，中证小盘和中证中盘三个指数走势较近。第二步，要判定哪种类型的股票盈利最多，哪种股票亏损最多，就要根据上证系列指数比较分析不同类型股票的收益率。由于股票投资有短线、中线、长线之分，因此需分别统计出各类型指数的日平均收益率、月平均收益率和半年均收益率，根据实际投资情况，赋予它们不同的权值，再求出各指数的平均收益率。然后，通过对比得出这一年半中平均收益率较高的股票。在平均收益率高即代表该类股票收益大的假设下，可以判断出金融危机影响下的这一年半中，投资哪种类型股票赚钱较多，投资哪种类型股票损失大。第三步，证券投资者之所以进行证券投资，目的是想获得较高的收益；然而，证券作为长期信用工具，其本身的收益又是受许许多多不确定因素影响，即收益总是伴随着一定风险的。本题要求用行业指数构造一个证券投资组合,使其在金融危机中风险最小,故首先应该解决的是风险预测算法问题。这里引入期望收益率E(R)度量股票收益，度量股票风险，以组合RAROC（风险调整资本收益）为目标函数建立混合规划模型，求出最优证券投资方案。第四步，金融风暴中我国股市一路下跌，国家多次采取措施，降低存贷款基准利率和存款类金融机构人民币存款准备金率，从而增大市场上货币流动性，减缓股市下跌趋势。根据相关材料，在下调存贷款基准利率和存款类金融机构人民币存款准备金率日期前后各取一个样本S1、S2，分别计算这两个样本中日平均收益率 和 ，通过比较 和 的大小可直观的看出国家采取的措施对股市的走势影响，从而分析出存贷款基准利率和存款准备金率调整对股市的影响，再根据相关规律对货币手段调控股市提出合理的建议。三、模型假设1、假设部分指数中缺失的数据对最终计算结果没有影响，也不会影响到指数走势相似性分析。2、假设各指数的平均收益率能反映出该股指的获利情况。平均收益率高，代表买该类型的股票赚钱多；平均收益率为负数，则表示买该类型股票赔钱。3、假设投资组合收益的概率分布都是正态分布。而正态分布可由期望和方差精确描述。4、假设投资者计划的投资时间和投资期限相同。5、假设单一资产无限可分，即投资者可以按任意比例购置他所期望的股票。6、假设不考虑股票分红、买卖税收和交易成本，并且投资者可以不断地免费从外界获取相关信息。7、忽略所选样本容量对最终分析结果的影响。8、股票指数波动与存款准备金率变动呈负相关关系9、货币政策对股票市场影响可能是长期存在的，且存在滞后性。四、符号说明 E(R) 表示股票的期望收益率X(R) 表示股票日平均收益率Y(R) 表示股票月平均收益率Z(R) 表示股票半年平均收益率 N 表示样本空间的周期数 表示该周期的收盘价 表示投资组合整体值 表示股票的VAR值 表示股票的VAR值 表示股票的权重，即投资百分比 表示股票的权重，即投资百分比 表示股票和股票的相关系数 表示投资组合的期望收益 表示投资组合的方差RAROC 表示风险调整资本收益五、模型的建立与求解5.1 灰色关联度分析模型上证系列指数包括成分指数，综合指数，行业指数，风格指数，主题指数，基金指数，债券指数等7类共62个指数。鉴于指数较多，且可以分为不同类型，因此分为七小类来具体分析，并以每日收盘价作为观察值建立灰色关联度分析模型。5.1.1 模型的准备 （1）海量数据处理a62个指数数据的处理首先利用同花顺软件和上海证券交易所网站下载2008年5月30日至2009年12月31日这一时间段内的上证系列指数的相关数据，并用excel表格对这些数据按指数名进行分类存储。由于数据量很大，不再将表格信息附上。b7大类指数数据的处理到了62个指数的数据后，为了更好地分析每一类中指数之间的关联度，需要进一步整合数据。出于方便数据处理的考虑，将每一类的有用数据整合到一个excel表格中。由于整合后的数据量仍然很大，在本文中仅附上行业指数的数据表，详见附录附表1,同时在此给出成分指数的matlab拟合曲线,见下图。 图5.1 2008.5.30-2009.12.31 成分指数数据图5.1.2 模型的建立 ； 由于每个指数都有一个关联度，数据就显得分散，难以全面比较，因此需要用到5.1.3 模型的进一步分析通过分步计算，来简化建模过程。主要步骤及模型如下：Step1：初始化，即将该序列所有数据分别除以第一个数据。即;Step2：求序列差：; Step3：求两极差： Step4：计算关联系数: 取=0.5，有：Step5：求关联度。5.1.4 模型的求解利用matlab7.0软件编译函数文件和程序,处理已经分类整合好的指数数据。关联度分析的matlab源程序见附录2.1，主要数据及表格说明见附录2.2,第一问的求解答案表5.1所示:走势最为相近指数最具代表性指数成分指数上证180和上证50中证中盘风格指数全R成长和180R成长全R成长行业指数上证能源、上证可选和上证材料上证可选债券指数沪离分债和企业指数沪分离债主题指数非周期和上证地企180运输综合指数综合指数、A股指数和730指数综合指数基金指数由于基金指数只有一个指数,不作分析表5.1 走势相近和最具代表性指数表5.2 股票利益率度量模型在探究过去这一年半中股票的可投资性时,首先应考虑2008年5月30至2009年12月31日这一段时间内各类型股票的收益率问题。下面根据之前的统计数据,建立收益率度量模型，求出每种股票在不同时期的收益率。5.2.1 股票类型的相关解释 由于行业指数，综合指数和主题指数中涉及到了股票类型,因此在第二问中重点讨论这三类指数。在综合指数中，上海证券交易所对上市公司按其所属行业分成五大类别：工业类、商业类、房地产业类、公用事业类、综合业类。在行业指数中，包括材料类、电信类、工业类、公用类、金融类、能源类、消费类、信息类、医药类及可选类。在主题指数中，包括180基建、180金融、180运输、180治理、180资源、红利指数、上证央企、治理指数、责任指数、上证民企、上证海外、上证地企、上证国企、上证沪企、上证周期、非周期、上证龙头、上证商品、上证新兴、上证资源和消费80指数。5.2.2 模型的建立 再次利用模型一中用到的表格（即七个小类的对比分析表），将其中的数据用收益率计算公式再次进行整合分析。引入期望收益率概念来度量每种股票的收益率。样本期望收益率：其中E(R)表示股票的期望收益率，n为样本空间的周期数，为该周期的收盘价。5.2.2 模型的进一步分析以上面建立的数学模型为基础,建模的主要步骤如下：Step1：计算日期望收益率。表示第i天的收盘价，表示第i+1天的收盘价；则日期望收益计算公式如下：Step2：计算月期望收益率。表示第j个月月初的收盘价，即表示第j+1个月月初的收盘价；则月期望收益计算公式如下：Step3：计算半年期望收益率。表示第k个半年的收盘价，即表示第k+1个半年的收盘价；则半年期望收益计算公式如下：Step4：计算最终的收益率： 根据和讯网上的统计资料1，确定权值为：。5.2.3 模型的求解与结果根据上述方法，结合matlab7.0软件（附录三），求得行业指数，综合指数和主题指数的各期望收益率和最终的期望收益率。该模型的求解结果如下:结果一:行业指数上证材料上证电信上证工业上证公用上证金融日平均收益率0.00360.00240.00210.00190.0031月平均收益率0.07880.04880.04400.03890.0659半年平均收益率0.48730.29180.26230.22950.4075最终指标0.1530.09280.08350.07330.1279上证可选上证能源上证消费上证信息上证医药日平均收益率0.00380.0035-0.00230.00310.0027月平均收益率0.07610.0736-0.04600.06250.0531半年平均收益率0.52670.4711-0.25930.40340.3595最终指标0.1590.1461-0.08430.12470.1093结论消费股赔钱，可选股、材料股、能源股赚钱 表5.2.1 行业指数的收益率从行业指数角度来看：上证消费的收益率为-0.0843,投资这种类型的股票损失大。上证可选的收益率为0.159,上证材料的收益率为0.153,上证能源的收益率为0.1461,上证信息的收益率为0.1247,因而投资这几种股票赚钱较多。结论一：投资材料股、能源股、信息股赚钱，投资消费股赔钱。结果二:综合指数A股指数B股指数地产指数工业指数公用指数日平均利率0.0001510.0004520.0011000.000156-0.000065月平均利率0.00510.01450.02430.00590.0002半年平均利率-0.00020.11420.19320.0162-0.0212最终指标0.00350.0330.05580.0074-0.0041商业指数上证指数新综指综合指数中型综指日平均利率0.0007820.0018000.0001460.0002110.000900月平均利率0.01840.04610.00500.00540.0214半年平均利率0.09910.0811-0.0012-0.02500.1383最终指标0.03280.04870.0033-0.00120.0427表5.2.2 综合指数的收益率从综合指数角度来看：综合指数的收益率为-0.0012，公用指数的收益率为-0.0041，因而投资者两类股票损失较大；而地产指数的收益率为0.0558,上证指数的收益率为0.0487,中型综指的收益率为0.0427,这投资三种类型的股票赚钱较多。结论二：投资房地产业类和中型上市公司的股票赚钱，投资综合业类、公用事业类股票赔钱。结果二:主题指数180基建180金融180运输180治理180资源红利指数上证央企日均利润率-0.0003500.000448-0.0003540.0001350.0005960.0001550.001900月均利润率-0.00550.0115-0.00290.00600.01710.00850.0421半年均利润率-0.03830.10430.00750.07260.18890.08340.2253最终指标-0.0115000.029000-0.0005650.0187000.0498000.0226000.074700治理指数责任指数上证民企上证海外上证地企上证国企上证沪企日均利润率0.0002470.0003380.002400-0.000124-0.000886-0.000718-0.000318月均利润率0.00830.02360.07230.00000.02480.02110.0109半年均利润率0.08610.07790.31570.03590.07860.06120.1073最终指标0.0231000.0321000.1140000.0072000.0330000.0269000.029100上证周期非周期上证龙头上证商品上证新兴上证资源消费80日均利润率0.0001460.0002260.0009950.0002680.0009520.0003150.000640月均利润率0.00640.00770.00530.00980.02360.01090.0158半年均利润率0.08520.06180.05840.14540.16210.14260.1290最终指标0.0215000.0178000.0155000.0360000.0490000.0362000.036900表5.2.3 主题指数的收益率从主题指数角度来看：180基建的收益率为-0.0115,180运输的收益率为-0.000565,投资这两种类型的股票损失大。上证民企的收益率为0.114,上证央企的收益率为0.0747,180资源的收益率为0.0498,上证新兴的收益率为0.049,因而投资这几种股票赚钱。结论三：投资民营企业、中央企业、新兴产业和自然资源类股票赚钱。投资基建类股票和交通运输类股票赔钱。5.3 证券投资的混合规划及风险预测模型在分析行业指数的投资组合方案时,必须综合考虑该组合的利益率和风险程度。5.3.1 模型的理论基础 均值一方差模型按照 Markowitz 的理论2，市场上的投资者都是理性的，即偏好收益厌恶风险，并存在一个可以用均值和方差表示的投资效用函数。理性投资者的投资决策遵循以下原则：一是投资者按照其对投资对象所具有的期望收益和风险程度的估计作出投资决策，即投资者的效用是投资期望收益和风险的函数；二是投资者坚持“最大化原则”，即投资者将选择能够以较低的风险代价换取较高收益水平的投资组合。风险价值（VAR）是近年来发展起来的用于测量和控制金融风险的定量工具。风险价值是指市场处于正常波动时，给定的置信水平下，某一项金融资产或组合可能遭受最大损失的可能性。对于投资组合的整体值(风险价值) 也可以由单个股票的值得出:其中，为投资组合整体值， 及和分别为股票和股票的值，和 分别为股票和股票的权重，为股票和股票的相关系数。风险调整资本收益RAROC指标起源于 20 世纪 70 年代，由银行家信托集团首创，最初目的是为了度量银行信贷资产组合的风险和在特定损失率下为限制风险敞口必需的股权数量。现在主要银行和金融机构都采用 RAROC 评估各种业务，其核心目标是通过风险因素评估商业活动的经济回报率。5.3.2 模型的建立 一般在投资决策的原则下，易建立均值-方差模型，可用数学语言表示为:其中，为第 i 支股票的权重；为投资组合中股票权重向量；和分别为投资组合的期望收益和方差； R 为股票的期望收益向量；刃为时中股票的协方差矩阵。5.2.3 模型的进一步分析从理论上讲，均值方差模型能够解决组合风险预测问题，但是该模型中以方差度量风险隐含着金融资产收益概率分布函数为对称性分布的假定，现实中金融资产不仅有方差风险，也有偏度风险和峰度风险，因此均值方差模型存在一定的构造缺陷。因此,需要进一步发掘风险价值的信息。采用作为风险度量工具，以作为目标优化函数构造投资组合优化模型。具体来讲，投资组合的可以用投资组合的收益与投资组合的的比值来衡量，其经济意义是单位风险下的预期收益，如下式所示:,其中为投资组合收益,为投资组合的风险价值。基于以上分析，建立基于 RAROC 的投资组合改进模型如下式所示:5.3.4 模型的求解与结果根据上述方法，结合lingo11.0软件，求得行业股指中10个指数的最佳投资组合。其中各指数的投资风险见附录四。本模型结果如下:行业类型比例行业类型比例上证材料0上证可选0.0408上证电信0上证能源0.1814上证工业0上证消费0.4062上证公用0.3316上证信息0上证金融0上证医药0.04Max RAROC=8619.2 表5.3 行业指数投资组合结论:在所有行业指数中,投资组合为上证公用33.16%,上证可选为4.08%,上证能源为18.14%,上证消费为40.61%,上证医药为4%时,投资风险最低,且收益最大。5.4 货币调控的干预模型本文采用数据研究的手法探讨了存款准备金率和基准利率,这些我国央行重要的货币政策对股票市场的影响。虽然中央银行所执行的调整存款准备金率这类货币政策，并非直接针对股票市场，但其对于股票市场的间接影响却是不容忽视且复杂的。根据前面的分析，确定选用货币调控的干预模型。5.4.1 模型的理论基础基准利率是利率市场化的重要前提之一，在利率市场化条件下，融资者衡量融资成本，投资者计算投资收益，以及管理层对宏观经济的调控，客观上都要求有一个普遍公认的基准利率水平作参考。所以，基准利率是利率市场化机制形成的核心。基准利率是金融市场上具有普遍参照作用的利率，其他利率水平或金融资产价格均可根据这一基准利率水平来确定。基准利率具有市场化、基础性、传递性特征。我国目前国债利率最适合充当基准利率。准备金率是指一国中央银行规定的商业银行和存款金融机构必须缴存中央银行的法定准备金占其存款总额的比率。打比方说，如果存款准备金率为10，就意味着金融机构每吸收1000万元存款，要向央行缴存100万元的存款准备金，用于发放贷款的资金为900万元。倘若将存款准备金率提高到20，那么金融机构的可贷资金将减少到800万元。在存款准备金制度下，金融机构不能将其吸收的存款全部用于发放贷款，必须保留一定的资金即存款准备金，以备客户提款的需要，因此存款准备金制度有利于保证金融机构对客户的正常支付。5.4.2 模型的建立 要全面考虑存贷款基准利率和存款准备金率调整对股市的影响，就要考虑这些措施对整个股市的影响，因此选取能反映了上海证券交易市场的总体走势的上证综指。下调存贷款基准利率，可以让存款资金减少，使更多居民把钱投入股市，贷款利率下调，可以让资金更多的贷出去，流入股市。同样，存款准备金率的下调，能让商业银行有更多的放贷资金。根据相关材料，在下调存贷款基准利率和存款类金融机构人民币存款准备金率日期前后各取一个样本，分别计算这两个样本中日平均收益率 和 ，通过比较 和 的大小可直观的看出国家采取的措施对股市的走势影响，从而分析出存贷款基准利率和存款准备金率调整对股市的影响，再根据相关规律对货币手段调控股市提出合理的建议。 根据从网上搜集的资料可知，在2008年5月30日至2009年12月31日期间，基准利率下调的日期为9月15日，10月9日，11月27日，12月23日。准备金率下调的日期为9月25日，10月15日，12月25日。故以这些日期为分界点选取合适的样本空间。选取样本空间如下表所示：样本样本值（选取上证综指时间段）S12008.5.30-2008.9.12S22008.9.16-2008.10.9S32008.10.10-2008.10.15S42008.10.16-2008.11.27S52008.11.28-2008.12.24S62008.12.25-2009.12.31表5.4.1 样本空间表5.4.4 模型的求解与结果根据问题一中期望利用率公式可计算出个样本空间上证综指的日平均利润率。日平均利润率如下表所示：样本日平均利润值 S1-0.0052S20.0025S30.0101S4-0.0000057S50.000972S60.0024表5.4.2 各样本空间上证综指日平均利润率由表中数据可知： 、 、 、 ，可见9月15日、9月25日、10月9日、11月27日、12月23日和12月25日的基准利率和准备金率下调措施均起到一定的效果，使得股市开始扭亏为盈或者出现明显上涨趋势。虽然 ，但是并代表10月15日的下调措施没有起到作用。因为这段时间内，国内股市始终受着全球经济风暴的影响。另一方面，10月15日的下调措施紧接着10月9日的下调措施，可以视为一些的国家调控措施。另外，在短时期内，国家的调控措施并不能马上反映到股市上来。5.3.4 模型的结论与建议主要结论：有上述数据分析可知，存款准备金率的调整对股市的影响并非简单的负相关作用，而是存在滞后性和累积效应。上调存款准备金率减少了实体经济中的流动性，进而提高了资金的成本-利率。但信贷资金的减少不会立刻表现在股市供给资金的减少上来。此外，上调存款准备金率时，虽然提高了企业融资成本及投资的机会成本，但有时由于需求增速较快，企业也可以通过提高产品价格消除成本上涨的影响，使利润上升，而企业也就愿意以更高的成本去获得贷款，同时股价会继续上涨，刺激了投资者继续买入，推高股价。这个过程将一直持续，直至存款准备金率累积调整到一定水平，超过企业扩大再生产时所能承受资金成本的界限，经济增速才会转为收缩，进而显现出对股票市场的负面影响。政策建议：综合数据分析可得，中央银行所执行的货币政策对于资本市场具有不容忽视的影响，央行在抉择货币政策前应当将包括股票市场在内的资本市场的状况作为判断指标。由于货币政策对于股市的影响还存在诸多因素，一必须继续推进利率、汇率市场化机制改革；二是国内资本市场层次结构还不完善、不合理。目前股票市场已经拥有较大规模，但市场运行还有许多值得规范的地方，上市公司质量仍有待提高；债券市场、货币市场规模还很小，这个场所发达与否关系到货币政策灵活有效地运用，也有利于缓解股票市场融资压力，减缓股票市场波动，为投资者提供更多的资产选择。因此，多层次完善的资本市场体系是保证货币政策有效执行的市场基础。六、模型的评价及改进问题一中建立的关联度分析模型,处理大量数据的能力较强,在MATLAB软件中运行速度快。灰色关联度分析方法具有计算简单,通俗易懂,可靠性、实用性强、评价结果客观准确等优点,当各类指标难以准确量化或统计时,应用灰色关联度分析进行综合评价不失为一种有益尝试,为解决类似财务评价问题提供了一个新的量化模型。但是该模型是以某一指数与其他各指数的关联度高,即表示该指数有代表性的假设为前提的。实际上，每一小类中的某一指数是否具有代表性，是由很多因素决定的。而且指数代表性，包括市场代表性，行业代表性，经济代表性等指标。本文中所建的灰色关联度分析模型，无法全面的涵盖这些信息量。因此该模型有待改进。模型三从理论上讲，以 VAR 作为风险度量工具和以 RAROC 作为目标优化函数的投资组合模型能够将投资决策的风险和收益二重目标约束整合为 RAROC 的单目标约束，该目标函数能够更好地反映投资组合的风险收益特性并能够为投资决策提供可靠的依据。因此本模型具有良好的计算性能。 参考文献：1 徐军程，股票投资者调查报告，/2010-07-10/124209402.html，2010-8-11；2 李云飞，李鹏雁，基于混合遗传算法的投资组合优化改进模型研究，燕山大学学报，第 32 卷第 1 期， 2008 年 l 月；3 陈东彦,李冬梅,王树忠编著，数学建模，北京：科学出版社，2007年12月；4 刘卫国主编，MATLAB程序设计教程，北京：中国水利水电出版社，2005年3月；附录附录一：关联系数统计表附录1.1 关联度分析的matlab源程序function r=incident_degree(x0,x1) %数据初值化处理 x0_initial=x0./x0(1); temp=size(x1); b=repmat(x1(:,1),1 temp(2); x1_initial=x1./b; %分辨系数选择 K=0.5; disp(The grey interconnect degree is: ); x0_ext=repmat(x0_initial,temp(1) 1); contrast_mat=abs(x0_ext-x1_initial); delta_min=min(min(contrast_mat);%delta_min在数据初值化后实际为零 delta_max=max(max(contrast_mat); a=delta_min+K*delta_max; incidence_coefficient=a./(contrast_mat+K*delta_max);%得到关联系数 r=(sum(incidence_coefficient)/temp(2);附录1.2 关联度数据统计表风格指数风格指数180R成长180R价值180成长180价值全R成长全R价值全指成长全指价值180R成长1.00000.50180.59140.55240.71600.54910.59730.5366180R价值0.50181.00000.44970.60750.55210.66300.47140.5785180成长0.59140.44971.00000.48490.63930.54380.65330.5330180价值0.55240.60750.48491.00000.64300.67670.50520.6414全R成长0.71600.55210.63930.64301.00000.60870.64380.6211全R价值0.54910.66300.54380.67670.60871.00000.58710.5868全指成长0.59730.47140.65330.50520.64380.58711.00000.5739全指价值0.53660.57850.53300.64140.62110.58680.57391.0000平均值0.63060.60300.61190.63890.67800.65190.62900.6339结论:全R成长和全R价值最具代表性意义成分指数成分指数上证50上证180超大盘中证中盘中证小盘中证中小中证全指沪企债30上证501.00000.60470.51950.56160.55930.55910.55960.5360上证1800.60471.00000.56070.56120.55960.55870.55950.5172超大盘0.51950.50671.00000.56240.56110.55930.57080.5841中证中盘0.56160.56120.56241.00000.60310.60260.57210.5841中证小盘0.55930.55960.60310.60311.00000.60350.55960.5975中证中小0.55910.55870.60260.60260.60351.00000.55860.5953中证全指0.55960.55950.57210.57210.55960.55861.00000.5942沪企债300.53600.51720.58410.58410.59750.59530.59421.0000平均值0.61250.60850.62560.63090.63050.62960.62180.6261结论:中证中盘、中证小盘最具有代表性意义债券指数债券指数国债指数沪分离债沪公司债企债指数国债指数1.00000.51300.55740.5130沪分离债0.51301.00000.63280.7310沪公司债0.55740.63281.00000.5547企债指数0.51300.73100.55471.0000平均值0.64590.71920.68620.6997结论:沪分离债最具代表性意义主题指数主题指数180基建180金融180运输180治理180资源红利指数上证央企治理指数180基建1.00000.58520.55840.53210.57460.53060.51930.5767180金融0.58521.00000.65060.66350.61350.68700.55120.6966180运输0.55840.65061.00000.65030.66740.67230.50570.6445180治理0.53210.66350.65031.00000.62780.71870.64270.6257180资源0.57460.61350.66740.62781.00000.66640.53300.6224红利指数0.53060.68700.67230.71870.66641.00000.69320.6254上证央企0.51930.55120.50570.64270.53300.69321.00000.6841治理指数0.57670.69660.64450.62570.62240.62540.68411.0000责任指数0.59730.49120.73370.57760.48430.48860.62920.6285上证民企0.54960.69550.50050.59230.48400.48890.57550.5925上证海外0.62570.60030.67050.56750.64480.66190.65480.5852上证地企0.59240.56810.70450.66370.49440.48540.64240.6961上证国企0.55790.54270.72320.60580.46990.46700.63760.6105上证沪企0.54700.65470.63160.63480.66080.68770.64030.6661上证周期0.55090.53260.68990.56300.65160.72690.51260.5321非周期0.63700.65120.58090.61590.62190.52660.66900.6369上证龙头0.54630.68390.64170.67890.63120.62590.66020.6160上证商品0.55100.60660.61850.58590.61480.58810.57240.5694上证新兴0.62740.60560.60500.59840.55710.56860.68740.5952上证资源0.54190.62500.62770.59330.60630.58640.56240.5984消费800.68950.64340.65240.67690.66550.60870.69140.6779平均数0.59480.63560.65380.63880.61390.62400.63160.6419主题指数责任指数上证民企上证海外上证地企上证国企上证沪企上证周期责任指数180基建0.59730.54960.62570.59240.55790.54700.55090.5973180金融0.49120.69550.60030.56810.54270.65470.53260.4912180运输0.73370.50050.67050.70450.72320.63160.68990.7337180治理0.57760.59230.56750.66370.60580.63480.56300.5776180资源0.48430.48400.64480.49440.46990.66080.65160.4843红利指数0.48860.48890.66190.48540.46700.68770