基于均值-CVaR-熵的证券投资组合优化及实证研究的任务书.docx

基于均值-CVaR-熵的证券投资组合优化及实证研究的任务书
任务书
课题名称：基于均值-CVaR-熵的证券投资组合优化及实证研究
一、课题背景和意义
随着全球化经济的不断深入，证券市场逐渐成为了国际化和全球化的市场，投资组合理论也逐步被应用到证券市场中。在不断扩大的证券市场中，投资者逐渐对证券投资带来的风险和收益进行了深入的研究。
对于证券投资组合的优化，传统的方法是基于mean-variance模型，即将资产的收益率的均值和方差作为优化的目标函数。但是在实际应用中，这个模型往往不能准确反应风险和收益的关系，因为它忽略的风险收益的非对称性。
因此，在这种情况下，为更好地反映证券投资组合的风险和收益之间关系，需要建立更加科学有效的投资组合优化模型。本课题旨在基于均值-CVaR-熵的方法进行证券投资组合优化的实证研究，为证券市场投资提供决策支持和指导。
二、研究目标
本研究的主要目标是：
1.基于均值-CVaR-熵的投资组合优化方法：构建均值-CVaR-熵模型，以准确描述证券投资组合的收益与风险关系。
2.根据上述模型，实现证券投资组合的优化：通过建立数学模型，求解最优投资组合，实现证券投资组合优化的目的。
3.应用实证研究方法，验证方法的有效性：通过分析优化实验结果，比较基于均值-CVaR-熵和传统方法的不同效果，验证本模型相对于传统方法的有效性。
三、研究内容
1.投资组合理论分析。分析投资组合的基本概念和理论，研究均值-CVaR-熵的优势，为建立均值-CVaR-熵模型作铺垫。
2.均值-CVaR-熵模型构建。提出均值-CVaR-熵模型，定义参数的对应关系，并运用多目标规划理论，对其建立数学模型。
3.证券投资组合优化算法研究。结合均值-CVaR-熵模型，设计优化算法实现证券投资组合优化，并对优化结果进行分析。
4.基于样本数据的实证研究。数据预处理、分析实现，主要是基于均值-CVaR-熵和传统方法的投资组合优化的实证分析，分析实验数据，比较两种优化方法的优劣。
四、研究计划
任务名称时间节点完成状态
1.确定研究计划、方案2021年8月完成
2.文献综述与理论分析2021年9月完成
3.均值-CVaR-熵模型构建2021年10月完成
4.确定证券投资组合优化算法2021年11月完成
5.应用实证研究方法验证模型2022年4月完成
6.撰写研究报告、文章2022年5月完成
五、研究预期结果
完成本计划的主要预期成果包括：
1.建立基于均值-CVaR-熵的投资组合优化模型，较全面地解决了证券投资组合均值和方差的先验假设的问题。
2.发现所提出的均值-CVaR-熵选取方法可提供更多适应市场变化的选择，使投资者能够更好地减轻风险和获取经济效益。
3.通过实证分析，证明基于均值-CVaR-熵的优化方法相对于传统的mean-variance均值方差模型具有更好的效果，对在改善投资者决策的参考提供了有益的启发。
六、参考文献
1.郭军标,蒋波鸿.基于CVaR的证券投资组合优化模型[J].金融理论与实践,2019,42(04):23-30.
2.刘健.基于均值-CVaR-熵和fuzzy控制的投资组合优化研究[D].西安电子科技大学,2019.
3.张毅,冯颖.基于均值-标准差-协方差-CVaR风险管理的多目标规划模型及其在股票投资中的应用[J].资产评估,2019,3(01):011-018.
4.熊森,张菲菲.基于混合综合评价法的投资组合优化研究[J].现代经济信息,2021,40(03):132-139.
5.苏博超,吴显珍.基于多目标优化方法的股票投资组合模型研究[J].现代电子技术,2019,42(16):189-191.