书名：分形市场下基金投资风格漂移及其风险测度研究
格式：pdf电子书
作者：许林
出版时间:2018年
作者简介
许林：华南理工大学经济与贸易学院、金融系副教授，博士。研究领域：基金投资与分形市场、公司金融与金融计量等，在《Fractals》、《系统工程理论与实践》、《中国管理科学》、《数理统计与管理》、《管理评论》、《证券市场导报》、《金融评论》、《投资研究》、《经济管理》等SCI、EI、CSSCI期刊上发表了系列论文20余篇。
内容简介
本书通过引入分形理论对基金投资风格理论体系做修正探索研究，构建了基金投资风格的分形分析框架；提出了盒子分形维的投资风格识别方法FDSR与投资风格漂移程度的量化指标CIS；对传统MF-DFA方法进行了改进，提出了滑动窗口MF-DFA多重分形分析方法，该方法能在数据丢失与序列顺序倒置等方面得到改进，减少了分析结果的误差；根据多重分形谱参数与奇异指数提炼出多重分形波动率测度，构建了投资风格漂移风险MF-VaR测度模型，并运用该模型对我国开放式基金投资风格漂移风险进行了测度，相比*GARCH族高级计量模型，具有更高的测度精度与稳健性。
目录：
第1章 绪论
1．1 研究背景
1．1．1 现实背景
1．1．2 理论背景
1．2 问题的提出
1．3 研究意义
1．3．1 现实意义
1．3．2 理论意义
1．4 基本概念界定
1．4．1 投资风格
1．4．2 投资风格漂移
1．3 风格漂移风险
1．4．4 风险测度
1．5 研究路线与研究内容
1．5．1 研究路线
1．5．2 研究内容
1．6 本书创新之处
第2章 理论基础与文献综述
2．1 基金投资风格形成的理论基础
2．1．1 市场异象——基金投资风格形成的现实基础
2．1．2 两基金分离定理——风格资产配置策略的理论依据
2．1．3 资本资产定价模型——基金投资风格形成的经典模型
2．1．4 Sharpe风格资产因子模型——基金投资风格识别的奠基模型
2．1．5 Fama-French三（五）因素模型——基金投资风格识别的经典模型
2．1．6 Gmber、Carhart四因素模型——基金投资风格识别的扩展模型
2．1．7 Volkman五因素模型——基金投资风格识别模型的进一步扩展
2．2 基金投资风格漂移成因的理论基础
2．2．1 积极型投资组合理论——基金投资风格漂移有效性的理论根源
2．2．2 分形市场理论——基金投资风格漂移的理论基础
2．2．3 信息不对称理论——基金投资风格漂移的现实基础
2．2．4 行为金融理论——基金投资风格漂移成因解释的新视角
2．2．5 委托代理理论——基金投资风格漂移成因解释的新视角
2．3 两种主流基金投资风格识别方法的研究综述
2．3．1 基于组合的投资风格识别研究综述
2．3．2 基于收益的投资风格识别研究综述
2．3．3 两种投资风格识别方法的比较分析
2．4 基金投资风格漂移的相关文献述评
2．4．1 基金投资风格漂移的成因分析
2．4．2 投资风格漂移对基金业绩的影响及其风险分析
2．5 本章小结
第3章 研究样本与研究方法
3．1 样本选择与数据收集
3．1．1 研究样本
3．1．2 数据收集
3．2 数据处理与研究设计
3．2．1 研究变量的刻画
3．2．2 基金收益率的计算
3．2．3 风格资产指数的选取
3．2．4 无风险收益率的选取
3．2．5 研究设计3．3 研究方法
3．3．1 资本市场的三种对称性
3．3．2 分形的定义及其特征
3．3．3 分形维及其种类
3．3．4 多重分形的性质及其谱的测算方法
3．3．5 GARCH族高级计量模型
3．3．6 VaR风险测度方法
3．3．7 模型回测检验方法
3．4 本辛小结
第4章 股市风格资产分形特征研究
4．1 股市风格资产收益序列的基本统计特征检验
4．1．1 正态性检验
4．1．2 独立同分布与线性相关检验
4．2 基于经典与修正R／S方法的风格资产收益单一分形分析
4．2．1 风格资产分形特征的研究背景
4．2．2 经典与修正R／S分析法
4．2．3 股市风格资产收益分形特征实证研究
4．2．4 实证结论
4．3 基于AR兀MA-HYGARcH模型的风格资产收益双长记忆性分析
4．3．1 风格资产收益的双长记忆性研究背景
4．3．2 股市长记忆性研究的文献回顾
4．3．3 skt分布下的ARFIMA-HYGARCH模型构建
4．3．4 风格资产收益的双长记忆性实证研究
4．3．5 实证结论
4．4 基于传统与改进MF-DFA方法的风格资产收益多重分形分析
4．4．1 风格资产收益的多重分形特征研究背景
4．4．2 股市收益序列多重分形特征研究的文献回顾
4．4．3 传统与改进MF-DFA的研究方法
4．4．4 风格资产收益的多重分形特征实证研究
4．4．5 实证结论
4．5 本章小结
第5章 基金投资风格漂移识别方法研究
5．1 基金投资风格识别的相关文献回顾
5．2 基于岭回归的基金投资风格漂移识别研究
5．2．1 Sharpe模型缺陷及其改进
5．2．2 岭回归的思路、计算步骤与识别模型构建
5．2．3 实证研究
5．3 基于EGARCH-M模型的基金投资风格漂移动态识别
5．3．1 样本选择与EGARCH-M识别模型构建
5．3．2 实证分析与结果讨论
5．3．3 实证结论
5．4 基于TGARcH-M模型的基金投资风格漂移动态识别
5．4．1 TGARCH-M识别模型构建
5．4．2 样本选择与数据处理
5．4．3 实证分析与结果讨论
5．4．4 实证结论
5．5 分形市场理论及基于分形维的投资风格识别思想
5．5．1 分形理论在资本市场应用研究中的文献回顾
5．5．2 基于分形维的投资风格识别思想
5．5．3 盒子分形维数的测算方法
5．6 基于盒子分形维的基金投资风格识别研究
5．6．1 样本选取与数据处理
5．6．2 实证分析与结果讨论
5．6．3 实证结论
5．7 基于弹性分形维的基金投资风格漂移研究
5．7．1 基金投资风格漂移的价格弹性分形维
5．7．2 样本选取与数据处理
5．7．3 实证结果与分析
5．7．4 实证结论
5．8 基金投资风格漂移原因分析与监管建议
分形市场下基金投资风格漂移及其风险测度研究pdf5．9 本章小结
第6章 基金投资风格漂移对股市波动的影响研究
6．1 基金投资风格漂移对股市波动的影响研究背景
6．2 基金投资风格漂移与股市波动关系的文献回顾
6．2．1 基金投资风格漂移文献回顾
6．2．2 股市波动性效应文献回顾
6．3 基金投资风格漂移及其对股市波动影响的实证研究
6．3．1 基金投资风格漂移的实证分析
6．3．2 基金投资风格漂移对股市波动性影响的实证分析
6．4 实证结果讨论
分形市场下基金投资风格漂移及其风险测度研究pdf6．5 本章小结
第7章 基金投资风格漂移收益长记忆及多重分形谱研究
7．1 基于ARFIMA-HYGARCH模型的投资风格漂移收益长记忆研究
7．1．1 基金投资风格漂移收益分形特征的研究背景
7．1．2 基金投资风格漂移收益的量化
7．1．3 基金投资风格漂移收益的双长记忆性实证研究
7．1．4 实证结论
7．2 基于滑动窗口MF-DFA方法的投资风格漂移收益多重分形谱研究
7．2．1 基金投资风格漂移收益多重分形特征的研究背景
7．2．2 投资风格漂移收益多重分形谱实证分析
7．2．3 实证结论
7．3 本章小结
第8章 基金投资风格漂移风险测度研究
8．1 基于VaR-GARcH族模型的投资风格漂移风险测度研究
8．1．1 基金投资风格漂移风险的研究背景
8．1．2 VaR-GARCH族风险测度模型的文献回顾
8．1．3 VaR-GARCH族模型构建
8．1．4 基于VaR-GARCH族模型的基金投资风格漂移风险测度实证分析
8．1．5 实证结论
8．2 基于MF-VaR模型的投资风格漂移风险测度研究
8．2．1 问题的提出
8．2．2 分形理论应用研究的文献回顾
8．2．3 基于日收益率的周内多重分形波动率测度构建及测算方法
8．2．4 各种模型的投资风格漂移风险测度比较实证研究
8．2．5 基于MF-VaR模型的基金投资风格漂移风险测度实证分析
8．2．6 我国开放式基金的未来发展模式与投资风格监管
分形市场下基金投资风格漂移及其风险测度研究pdf8．3 本章小结
第9章 结论与展望
9．1 结论与启示
9．1．1 研究结论
9．1．2 政策启示
9．2 不足之处与研究展望
9．2．1 不足之处
9．2．2 研究展望
参考文献
附录
后记
分形市场下基金投资风格漂移及其风险测度研究pdf下载
