基于poetDCC-GARCH模型的投资组合策略研究.pdf

摘要

随着经济金融化、金融自由化、金融全球化的发展，金融市场受到国家经济形

势、政策变化以及市场自身周期性波动等多种因素的影响，充满了无法预测的因素，

存在着严重的不确定性，给投资者带来了诸多投资风险，金融资产的监管也成为各

国政府与金融机构亟待解决的问题。投资者需要寻求一种低风险高收益的投资策

略，从而投资组合优化问题成为现代投资组合理论研究的核心，期望在不确定环境

下对金融资产进行合理配置与选择，以实现收益率最大化与风险最小化间的均衡，

帮助投资者在满足收益要求的同时，将投资风险控制在可承受范围内。

在投资组合优化问题中，需要引入协方差矩阵来衡量各个资产之间的线性相

关程度和离散程度。本文利用主成分正交补门限动态条件相关-广义自回归条件异

方差模型（poetDCC-GARCH）对协方差矩阵进行估计，通过降维、剔除噪声的影

响，提高了协方差矩阵的估计精度。随后和动态条件相关-广义自回归条件异方差

模型（DCC-GARCH）的估计结果进行了对比，发现在维数较高的情况下，poetDCC

模型的估计和预测效果均优于DCC模型。

中国股票市场的主要参考指数之一是上证综合指数，该指数涵盖了上海证券

交易所所有A股和B股的股价变动情况，被广泛用于评估中国股市的整体表现。

选取2022年1月1日到2024年1月31日的上证50指数成分股的收盘价日度数

据，用poetDCC模型对上证50指数成分股的协方差矩阵进行估计和预测，计算估

计值和预测值之间的均方误差，将估计结果应用到最小方差投资组合中，计算得到

仅有股权投资组合的sharpe比率和效用函数，并通过对比poetDCC模型和DCC模

型的均方误差、sharpe比率和效用函数值，选择更优的模型。

研究结果表明，poetDCC模型的均方误差小于DCC模型的均方误差，代表

poetDCC模型的估计和预测效果优于DCC模型。应用poetDCC模型预测出来的

协方差矩阵计算出的sharpe比率和效用函数都明显高于DCC模型，波动明显低于

DCC模型，代表在投资组合的决策中，poetDCC模型优于DCC模型。

关键词：上证50指数；DCC模型；poetDCC模型；高维协方差矩阵；投资组

合

I

Abstract

Abstract

Withthedevelopmentofeconomicfinancialization,financialliberalizationand

financialglobalization,thefinancialmarketisaffectedbyvariousfactorssuchasthe

nationaleconomicsituation,policychangesandcyclicalfluctuationsofthemarketitself.

Itisfullofunpredictablefactorsandhasseriousuncertainty,whichbringsmany

investmentriskstoinvestors.Thesupervisionoffinancialassetshasalsobecomean

urgentproblemforgovernmentsandfinancialinstitutions.Investorsneedtoseekalow-

riskandhigh-yieldinvestmentstrategy,sothattheportfoliooptimizationproblemhas

becomethecoreofmodernport