第三讲经济与金融中的优化模型.docx

《第三讲经济与金融中的优化模型.docx》由会员分享，可在线阅读，更多相关《第三讲经济与金融中的优化模型.docx（18页珍藏版）》请在三一文库上搜索。

1、第三讲 经济与金融中的优化问题本章主要介绍用 个优化问题的案例。LINDO/LINGO软件求解经济、金融和市场营销方面的几3.1经济均衡问题极其应用在市场经济活动中，当市场上某种产品的价格越高时，生产商越是愿意扩 大生产能力（供应能力），提高更多的产品满足市场需求；但市场价格太高时，消 费者的消费欲望（需求能力）会下降。反之，当市场上某种商品的价格越低时，消 费者的消费欲望（需求能力）会上升，但生产商的供应能力会下降。如果生产商的 供应能力和消费者的需求能力长期不匹配，就会导致经济不稳定。在完全市场 竞争的环境中，我们总是认为经济活动应当达到均衡（equilibrium），即生产和消费（供应能

2、力和需求能力）达到平衡，不再发生变化，这时该产品的价格就是市场 的清算价格。下面考虑两个简单的单一市场及双边市场的具体实例。并介绍经济均衡思想 在拍卖与投标问题、交通流分配问题中的应用案例。3.1.1单一生产商、单一消费者的情形例3.1假设市场上只有一个生产商（记为甲）和一个消费者（记为乙）。对某种产品，他们在不同价格下的供应能力和需求能力如表3-1所示。举例来说，表中数据的含义是：当单价低于2万元但大于或等于1万元时，甲愿意生产 2t产品，乙愿意购买8t产品；当价格低 于9万元但大于或等于 4.5万元时，乙愿意购买 4t产品，甲愿意生产 8t产品；依次类推。 那么市场的清算价格应该是多少？表

3、3-1不同价格下的供应能力和需求能力生产商（甲）消费者（乙）单价/ （万兀/t）供应能力/t单价/ （元/t）需求能力/t1292244.543636482.258问题分析仔细观察一下 表3-1就可以看出来，这个具体问题的解是一目了然的：清算价格显然应该是3万元/t，因为此时供求平衡（都是6t）。为了能够处理一般情况， 下面通过建立优化模型来解这个问题。这个问题给人的第一印象似乎没有明确的目标函数，不太像是一个优化问 题。不过，我们可以换一个角度来想问题：假设市场上还有一个虚拟的经销商， 他是甲乙进行交易的中介。那么，为了使自己获得的利益最大，他将总是以可 能的最低价格从甲购买产品，在以可能的

4、最高价格卖给乙，直到进一步的交易 无利可图为止。例如，最开始的 2t产品他会以1万元的单价从甲购买，以9万元的单价卖给乙；接下来的2t产品会以2万元的单价从甲购买，再以4.5万元 的单价卖给乙；再接下来的2t产品他只能以3万元的单价从甲购买，再以3万 元的单价卖给乙（其实这次交易他已经只是保本，但我们仍然是假设这笔交易会 发生，例如他为了使自己的营业额尽量大）；最后，如果他继续购买甲的产品卖 给乙，他一定会亏本，所以他肯定不会交易。因此，市场清算价格就是3万元。根据这个想法，我们就可以建立这个问题的线性规划模型。模型建立决策变量：社甲以1万元，2万元，3万元，4万元的单价售出的产品数量 （单位

5、：t）分别是A1，A2，A3，A4，乙以9万元，4.5万元，3万元，2.25万元 的单价购买的产品数量（单位：t）分别是x1,x2,x3,x4。目标函数：就是虚拟经销商的总利润，即9x1+4.5x2+3x3+2.5x4-A1-2A2-3A3-4A4.约束条件：约束有供需平衡 A1+A2+A3+A4=x1+x2+x3+x4 ；供应限制 A1,A2,A3,A4<=2;消费限制 x1,x2,x3,x4<=2;非负限制 A1,A2,A3,A4,x1,x2,x3,x4>=0。模型求解：（LINGO程序）MAX 9X1 + 4.5X2 + 3X3 + 2.25X4-A1 - 2A2- 3

6、A3 -4A4SUBJECT TOA1 + A2 + A3 + A4 - X1-X2 - X3 - X4 =0A1 <= 2A2 <= 2A3 <= 2A4 <= 2X1 <= 2X2 <= 2X3 <= 2X4 <= 2END运行分析其结果3.1.2两个生产商、两个消费者的情形例3.2假设市场上除了 3.1中的甲和乙外，还有另一个生产商（记为丙）和另一个消费者（记为丁），他们在不同价格下的供应能力如表3-2所示。此外，从甲销售到丁的每吨产品的运输成本是1.5万元，从丙销售到乙的每吨产品的运输成本是2万元，而甲、乙之间没有运输成本，丙、丁之间没有

7、运输成本。这时，市场的清算价格应该是多少？甲和丙分别生 产多少？乙和丁分别购买多少？表3-2不同价格下的供应能力和消费能力生产商（丙）消费者（丁）价格/万元供应能力/t价格/元需求能力/t2144688121518356310问题分析首先，我们看看为什么要考虑从甲销售到丁的产品的运输成本和从丙销售 到乙的产品的运输成本。如果不考虑这些运输成本，我们就可以认为甲乙丙丁 处于同一个市场上，因此可以将两个生产商（甲和丙）的供应函数合并成一个供应 函数，合并后就可以认为市场上仍然只有一个供应商。类似地，乙和丁的需求 函数也可以合并成一个需求函数，合并后就可以认为市场上仍然是只有一个消 费者。这样就回到

8、了例3.1的情形。也就是说，考虑运输成本在经济学上的含义，应当是认为甲乙是一个市场 （地区或国家），而丙丁是另一个市场（地区或国家），运输成本也可能还包括关税 等成本，由于这个成本的存在，两个市场的清算价可能是不同的。仍然按照3.1的思路，可以建立这个问题的线性规划模型。 模型建立和求解设甲以1，2，3，4（万元）的单价售出的产品数量（单位：t）分别是 A1,A2,A3,A4，乙以9, 4.5, 3, 2.25（万元）的单价购买的产品数量 仲位：t）分别 是X1,X2,X3,X4 ;丙以2, 4, 6, 8（万元）的单价售出的产品数量 仲位：t）分别是 B1,B2,B3,B4,丁以15, 8,

9、 5, 3（万元）的单价购买的产品数量（单位：t）分别是 Y1,Y2,Y3,Y4，此外，假设AX和AY分别是甲向乙和丁的供货量，BX和BY分 别是丙向丁的供货量。这些决策变量之间的关系参见示意 图3-1。目标函数仍然是虚拟经销商的总利润，约束条件仍然是四类 （供求平衡、供应限制、需求限制和非负限制），不过这时应该注意供需平衡约束应该是包括图3-1所示的决策变量之间的关系：AX+AY=A1+A2+A3+A4,(10)BX+BY=B1+B2+B3+B4,(11)AX+BX=x1+x2+x3+x4,(12)AY+BY=Y1+Y2+Y3+Y4。(13)此外的其他约束实际上只是一个简单的变量上界约束，可

10、以用“SUB ”命令表示。程序:MAX 9X1 + 4.5X2 + 3X3 + 2.25X4 + 15Y1 + 8Y2 + 5Y3 + 3Y4-2BX - 1.5AY - A1 - 2A2 - 3A3 - 4A4 - 2B1 - 4B2 - 6B3 -8B4SUBJECT TO2) - AY + A1 + A2 + A3 + A4 - AX = 03) - BX + B1 + B2 + B3 + B4 - BY = 04) - X1 - X2 - X3 - X4 + BX + AX = 05) - Y1 - Y2 - Y3 - Y4 + AY + BY = 0ENDSUB A1 2SUB A2

11、 2SUB A3 2SUB A4 2SUB X1 2SUB X2 2SUB X3 2SUB X4 2SUB B1 1SUB B2 3SUB B3 4SUB B4 4SUB Y1 1SUB Y2 2SUB Y3 3SUB Y4 4运行分析其结果。3.1.3 拍卖和投标问题例 3.3 假设一家拍卖行对委托的 5 类艺术品对外拍卖， 采用在规定日期前 投标人提交投标书的方式进行，最后收到了来自 4 个投标人的投标书。每类项 目的数量、投标人对每个项目的投标价格如表 3-3中所示。例如，有 3件第 4 类 艺术品；对每件第 4类艺术品；对每件第 4类艺术品，投标人 1，2，3，4 愿意出的最高价分别为

12、6, 1, 3, 2（货币单位，如万元）。此外，假设每个投标对人每 类艺术品最多只能购买一件，并且每个投标人购买的艺术品总数不能超过3件,那么，哪些艺术品能够卖出去？卖给谁？这个拍卖和投标问题中每类物品的清 算价应该是多少？表3-3拍卖与投标信息招标项目类型12345招标项目的数量12334投标价格投标人192863投标人267915投标人378634投标人454321问题分析这个具体问题在实际中可能以通过对所有投标的报价进行排序来解决，例 如可以总是将艺术品优先卖给出价最高的投标人。但这种方法不太好确定每类 艺术品的清算价，所以我们这里还是借用前面两个例子中的方法，即使设有一 个中间商希望最

13、大化自己的利润，从而建立这个问题的线性规划模型。问题的一般提法和假设先建立一般的模型，然后求解本例的具体问题。设有N类物品需要拍卖，第j类物品的数量为Sj（j=1，2，.，N）;有M个投标者，投标者i（i=1，2，.， M）对第j类物品的投标价格为bij（假设非负）。投标者i对每类物品最多购买一件， 切总件数不能超过ci。我们的目标之一是要确定第j类物品的清算价格pj，他应 当满足下列假设条件：成交的第j类物品的数量不超过Sj（j=1，2，.，N）；对第j类物品的报价低于pj的投标人将不能获得第j类物品；（3）如果成交的第j类物品的数量少于Sj（j=1，2, .，N），可以认为pj=0（除 非

14、拍卖方另外指定一个最低的保护价）；（4）对j类物品的报价高于pj的投标人有权获得第j类物品，但如果他有权 获得的物品超过3件，那么我们假设他总是希望使自己的满意度最大 （满意度可 以用他的报价与市场清算价之差来衡量）。优化模型用0-1变量刈表示是否分配一件第j类物品给投标者i，即xij=1表示分配， 而xij=0表示不分配。目标函数仍然是虚拟的中间商的总利润（认为这些利润全部是拍卖的利润也可以），即刀刀 bij*xij。（14）除变量取值为0或1的约束外，问题的约束条件只要是两类；每类物品的 数量限制和每个投标人所能分到的物品的数量限制，即刀 xijv=Sj,j=1,2,.,N;（15）刀 x

15、ij v=cj,j=1,2,.,M;（16）模型就是在约束（15）、（16）下最大化目标函数（14）。程序：MODEL:TITLE拍卖与投标;SETS:AUCTION: S;BIDDER : C;LINK(BIDDER,AUCTION): B, X;ENDSETSDATA:AUCTION=FILE(AUCTION.TXT);BIDDER =FILE(AUCTION.TXT);S=FILE(AUCTION.TXT);C=FILE(AUCTION.TXT);B=FILE(AUCTION.TXT);ENDDATAMAX=SUM(LINK: B*X);FOR(AUCTION(J):AUC_LIM SU

16、M(BIDDER(I): X(I,J) < S(J);FOR(BIDDER(I):BID_LIM SUM(AUCTION(J): X(I,J) < C(I);FOR(LINK: BND(0,X,1);ENDGlobal optimal soluti on found at iterati on:7Objective value:65.00000运行分析其结果。3.1.4交通流均衡问题6千辆小汽5条道路上每如表3-4所示。那么，长期来看,例3.4某地有如图3-2所示的一个公路网，每天上班时间有 车要从居民区A前往工作区D。经过长期观察，我们得到了图中 辆汽车的平均行驶时间和汽车流量之

17、间的关系， 这些汽车将如何在每条道路上分布？A居民区BD工作区C道路ABACBCBDCD行驶时间/min流量w 220521252202<流量w 330531353303<流量w 44054145440问题分析这个问题看起来似乎与前面几个例子中的完全不同，但实际上交通流与市 场经济活动类似，也存在着均衡。 我们可以想象有一个协调者，正如前面几个例子中的所谓中间商可以理解 为市场规律一样，实际上这里的所谓协调者也可以认为交通流的规律。交通流 的规律就是每辆汽车都将选择自己使自己从 A 到 D 运行时间最少的路线，其必 然的结果是无论走哪条路线从 A到D，最终花费的时间应该是一样的（否

18、则，花 费时间较长的那条线路上的部分汽车就会改变自己的路线，以缩短自己的行驶 时间 ）。也就是说，长期来看，这些汽车在每条道路上的分布将达到均衡状态（所谓均衡，这里的含义就是每辆汽车都不能仅仅通过自身独自改变道路节省其行使 时间 ）。在这种想法下，我们来建立线性规划模型。优化模型交通流的规律要求所有道路上的流量达到均衡，我们仍然类似例 1.1 和例 1.2 来考虑问题。如果车流量是一辆一辆增加的，那么在每条道路上车流量少于 2 时，车流量会有一个分布规律；但某条道路上的车流量正好超过 2 时，新加入 的一辆车需要选择使自己堵塞时间最短的道路，这就提示我们把同一条道路上 的流量分布分解成不同性质

19、的三个部分，也就是说，我们用 Y（AB） 表示道路 AB 上的总的流量，并进异步把他分解成三个部分：道路AB上的流量不超过2时的流量，用X（2，AB）表示；（2）道路 AB 上的流量超过 2但不超过 3时，超过 2的流量部分用 X（3，AB） 表示；（3）道路 AB 上的流量超过 3但不超过 4时，超过 3的流量部分用 X（4，AB） 表示。以此类推，对道路 AC， BC， BD， CD 上同理可以定义类似的决策变量， 因此，问题中总共有20个决策变量丫（j）和X（i，j）（i=2，3, 4； j=AB，AC，BC， BD， CD）。问题的目标应当是使总的堵塞时间最小。用T（i，j）表示流量X

20、（i，j）对应的堵塞时间（即表3-3中的数据，是对每辆车而言的），我们看看用刀刀T（i，j）X（i， j）作为总堵塞时间是否合适。很容易理解：后面加入道路的车辆可能又会造成前 面进入道路的车辆的进一步堵塞，如流量为 3 时，原先流量为 2 的车辆实际上 也只能按T（3，j）的时间通过，而不是 T（2，j）。也即使说，刀刀T（i，j）X（i，j） 并不是总堵塞时间，但是我们也可以发现，T（i，j）关于i是单调增加的，即不断增加的车流只会使以前的堵塞加剧而不可能使以前的堵塞减缓。所以关于决策 变量X（i，j）而言，刀刀T（i，j）X（i，j）与我们希望优化的目标的单调性是一致的。 因此，可以用刀刀

21、T（i，j）X（i，j）作为目标函数进行优化。约束条件有三类：（1）每条道路上的总流量 丫等于该道路上的分流量 X 的和；道路交汇处A，B，C，D（一般称为节点）的流量守恒（即流入量等于 流出量 ）；（3）决策变量的上限限制的， 如 X（2， AB）=2,X（3 ， AB）=1 ， X（4， AB）=1 等。于是对应的优化模型很容易直接写出 （略）。程序：MODEL:TITLE 交通流均衡 ;SETS:ROAD/AB,AC,BC,BD,CD/:Y;CAR/2,3,4/;LINK(CAR,ROAD): T, X;ENDSETSDATA:! 行驶时间(分钟) ;! T=20,52,12,52,20

22、30,53,13,53,3040,54,14,54,40;! 增加的总行驶时间 (千辆车*分钟) ;T= 20 52 12 52 205055 15 55 507057 17 57 70;ENDDATAOBJ MIN=SUM(LINK: T*X); ! 目标函数 ;! 四个节点的流量守恒条件 ;NODE_A Y(INDEX(AB)+Y(INDEX(AC) = 6;NODE_B Y(INDEX(AB)=Y(INDEX(BC)+Y(INDEX(BD);NODE_C Y(INDEX(AC)+Y(INDEX(BC)=Y(INDEX(CD);NODE_D Y(INDEX(BD)+Y(INDEX(CD)=

23、6;!每条道路上的总流量丫等于该道路上的分流量X的和；FOR( ROAD(I):ROAD_LIM SUM(CAR(J): X(J,I) = Y(l);!每条道路的分流量X的上下界设定；FOR(LINK(I,J)|I#EQ#1: BND(0,X(I,J),2) );FOR(LINK(I,J)|I#GT#1: BND(0,X(I,J),1) );END运行并分析结果。3.2 投资组合问题3.2.1 基本的投资组合模型例 3.5 美国某三种股票 （A，B，C）12 年（1943-1954）的价格 （已经包括了分 红在内）每年的增长情况如 表 3-6所示（表中还给出了相应年份的 500中股票的价 格指

24、数的增长情况）。例如，表中第一个数据1.300的含义是股票A在1943年的年末价值是其年初价值的1.300倍，即收益为30%，其余数据的含义以此类推, 假设你在1955年时有一笔资金准备投资这三种股票，并期望年收益率至少达到 15%，那么你应当如何投资？当期望的年收益率变化时，投资组合和相应的风 险如何变化？表3-6股票收益数据年份股票A股票B股票C股票指数19431.3001.2251.1491.25899719441.1031.2901.2601.19752619451.2161.2161.4191.36436119460.9540.7280.9220.91928719470.9291.1

25、441.1691.05708019481.0561.1070.9651.05501219491.0381.3211.1331.18792519501.0891.3051.7321.31713019511.0901.1951.0211.24016419521.0831.3901.1311.18367519531.0350.9281.0060.99010819541.1761.7151.9081.526236问题分析本例的问题称为投资组合（portfolio）问题，早在1952年Markowitz就给出 了这个模型的基本框架，而且这个模型后来又得到了不断的研究和进步。一般 来说，人们投资股票时的收

26、益是不确定的，因此是一个随机变量，所以除了考 虑收益的期望值外，还应当考虑风险，风险用什么衡量？ Markowitz建议，风险 可以用收益的方差（或标准差）来进行衡量；方差越大，则认为风险越大，方差越 小，则认为风险越小，在一定的假设下，有收益的方差（或标准差）来衡量风险确实是合适的。为此我们先对表3-6中给出的数据计算出三种股票收益的均值和方 差（包括协方差）备用。一种股票收益的均值衡量的是这种股票的平均收益状况，而收益的方差衡量的是这种股票收益的波动幅度，方差越大则波动越大（收益越不稳定）。两种股票收益的协方差表示的则是他们之间的相关程度：*协方差为0时两者不相关。*协方差为正数表示两者正

27、相关，协方差越大则正相关性越强（越有可能一赚皆赚，一赔皆赔）。*协方差为负数表示两者负相关，绝对值越大则负相关性越强（越有可能一个赚，另一个赔）。记股票A，B，C每年的收益率分别为R1，R2和R3（注意表中的数据减去 1以后才是年收益率），则Ri（i=1，2，3）是一个随机变量，用E和D分别表示随 机变量的数学期望和方差（标准差的平方）算子，用COV表示两个随机变量的协方 差（covarianee）,根据概率论的知识和 表3-6给出的数据，则可以计算出年收益率的 数学期望为ER1=0.0890833,ER2=0.213667,ER3=0.234583.同样,可以计算股票A,B,C年收益率的协方

28、差矩阵为（17）0.010807540.012407210.01307513COV= 0.012407210.058391700.055426390.013075130.055426390.09422681即DR1=cov(R1,R1)=0.01080754,DR2=cov(R2,R2)=0.05839170,DR3=cov(R3,R3)=0. 09422681,cov(R1,R2)=0.01240721,cov(R1,R3)=0.01307513,cov(R2,R3)=0.055426 39(注: 我们将在稍后的 LINGO 模型中根据原始数据直接计算出这些均值和方 差).模型建立用决策变量

29、x1,x2和x3分别表示投资人投资股票 A,B,C的比例.假设市场上 没有其他投资渠道 ,且受上资金 (可以不妨假设只有 1 个单位的资金 )必须全部用 于投资这三种股票 ,则：x1, x2, x3三0, x1+x2+x3=1。年投资收益率R=x1R1+x2R2+x3R页是一个随机变量。根据概率论的知识， 投资的总期望收益为ER=x1ER1+x2ER2+x3ER3年投资收益率的方差为V=D(x1R1+x2R2+x3R3)=D(x1R1)+ D(x2R2)+ D(x3R3) +2cov(x1R1,x2R2)+ 2cov(x1R1,x3R3)+ 2cov(x2R2,x3R3)=x1A2DR1+ x

30、2A2DR2+ x3TDR3+2x1x2cov(R1,R2)+ 2x1x3cov(R1,R3)+ 2x2x3cov(R2,R3)= 刀刀 xixjcov(Ri,Rj) 。实际的投资者可能面临许多约束条件， 这里只考虑题中要求的年收益率 (的 数学期望)不低于 15%，即x1ER1+x2ER2+x3ER10.15所以，最后的优化模型就是约束( 1 9)和( 22)下极小化( 21)。由于目标 函数 V 是决策变量的二次函数，而约束都是线形函数，所以这是一个二次规划 问题。LINDO 程序 ：Title 简单的投资组合问题MIN x1 + x2 + x3 + PBUD + PRETSubject

31、to! 一阶最优条件，其中PBUD和PRET是两个约束对应的乘子Fx1) .02161508 x1 + .02481442 x2 + .02615026 x3+ PBUD - 1.089083 PRET >= 0Fx2) .02481442 x1 + .11678340 x2 + .11085278 x3+ PBUD - 1.213667 PRET >= 0Fx3) .02615026 x1 + .11085278 x2 + .18845362 x3+ PBUD - 1.234583 PRET >= 0BUD) x1 + x2 + x3 = 1RET) 1.089083 x1

32、 + 1.213667 x2 + 1.234583 x3 >= 1.2345END!告诉LINDO真正的约束的起始行QCP 5LINGO 程序：MODEL:Title 简单的投资组合模型 ;SETS:YEAR/1.12/;STOCKS/ A, B, C/: Mean,X; link(YEAR, STOCKS): R; STST(Stocks,stocks): COV;ENDSETSDATA:TARGET = 1.15;! R 是原始数据;R =1.3001.2251.1491.1031.2901.2601.2161.2161.4190.9540.7280.9220.9291.1441.1

33、691.0561.1070.9651.0381.3211.1331.0891.3051.7321.0901.1951.0211.0831.3901.1311.0350.9281.0061.1761.7151.908;ENDDATACALC:!计算均值向量Mean与协方差矩阵COV;for(stocks(i): Mean(i) =sum(year(j): R(j,i) / size(year) );for(stst(i,j): COV(i,j) = sum(year(k):(R(k,i)-mean(i)*(R(k,j)-mean(j) /(size(year)-1) );ENDCALCOBJ M

34、IN = sum(STST(i,j): COV(i,j)*x(i)*x(j);ONE SUM(STOCKS: X) = 1;TWO SUM(stocks: mean*x) >= TARGET;END运行后， 可以看到投资组合的决策结果与 LINDO 模型的输出相同（只有很 小的计算误差）。模型也输出了均值向量 Mean 和协方差矩阵 COV ，结果与我们前面给出的 值是一致的。此外，请注意模型中计算协方差矩阵 COV 时，分母是样本数减去 1 （即“size（year）-1”而不是样本数，这是常用的计算方法，主要是为了保持 这个估计的无偏性（当然，样本数较大时两者差别不大） 。用 LIN

35、DO 软件对模型进行参数分析对实际投资人来说， 可能不仅希望知道制定的期望投资回报率下的风险 （回 报率的方差），可能更希望知道风险随着不同的投资回报率是如何变化的，然后 作出最后的投资决策。这当然可以通过在上面的模型中不断修改约束中的参数 （目前为 1.15）来实 现，如将 1.15改为 1.2345，则表示投资回报率希望达到 23.45%（这几乎是可能 达到的最大值了，因为这几乎是三种股票中最大的投资回报率，即股票 C 的回 报率）。可以想到，这时应主要投资在股票 C 上。实际求解一下，可以知道最优 解中投资股票 C 的份额大约是 99.6% （剩余的大约 0.4%投资在股票 B 上）。实

36、际上， LINDO 软件可以直接完成这种参数分析过程（目前 LINGO 软件 似乎还没有这个功能） 。假设利用上面的 LINDO 模型，对于投资回报率希望为 23.45% 的 情 形 我 们 已 经 求 解 得 到 了 结 果 。 此 时 ， 执 行 菜 单 命 令 “ Reports|Parametrics（参数分析）”将会看到图3-3所示的对话框。选择约 束行“ RET”然后输入新的右端项（New RHS Value）,我们输入1 （表示收益 率为）;选择报告类行为二维图形（“ Graphics ” + “2D”；最后按“ 0K ”按钮 即可。屏幕上将显示如图 3-4 所示的参数分析的结果

37、， 图中横坐标表示的是希望 达到的回报率，纵坐标（目标函数）表示的是对应的方差，这种图形在经济学 上一般被称为有效前沿面（ efficient frontier ）。可以看出，图中曲线有两个明显 的转折点，当要求的回报率越过这两个点以后，风险（方差）增长越来越快。那么，投资组合的决策是如何变化的呢？如果在图 3-3所示的参数分析对话 框中选择“ Text （文本）”选项，则参数分析的结果也会显示在结果报告窗口中：这个结果的中间 4 行的第 1 行说明当希望的回报率从 23.45%下降到 21.894%时，变量X1进基，即还需要购买股票 A;第2行说明当希望的回报率 继续下降到9.357%时，变

38、量X3出基，即不再需要购买股票 C;第34行说明 当希望的回报率继续下降到 8.908%或以下时，变量 X2 出基，即只需要购买股 票A （注意我们前面还假设了所有资金必须全部投资到这三种股票上， 没有其他 投资方式或让自己闲置） 。这几个关键点正是我们在 图 3-4 中观察到的曲线转折 点。3.2.2 存在无风险资产时的投资组合模型例 3.6 假设除了 例 3.5 中的三种股票外， 投资人还有一种无风险的投资方式， 如购买国 库券，假设国库券的年收益率为 5% ，如何考虑 例 3.5中的问题？问题分析 其实，无风险的投资方式（如国库券、银行存款等）是有风险的投资方式（如股票） 的一种特例，

39、所以这就意味着 例 3.5 中的模型仍然是适用的， 只不过无风险的投资方式的收 益是固定的，所以方差（包括它与其它投资方式的收益协方差）都是0。3.2.3 考虑交易成本的投资组合模型例 3.7 继续考虑 例 3.5（期望收益率仍定为 15% ）。假设你目前持有的股票 比例为：股票A占50% , B占35% , C占15%。这个比例与例3.5中得到的最 优解有所不同，但实际股票市场上每次股票买卖通常总有交易费，例如按交易 额的 1%收取交易费，这时你是否需要对所持有的股票进行买卖（换手），以便满足“最优解”的要求？建立模型仍用决策变量xl, x2和x3分别表示投资人应当投资股票 A、B、C的比例

40、， 进一步假设购买股票 A、B、C的比例为y1, y2和y3，卖出股票A、B、C的比 例为z1, z2和z3。其中，yi与zi（ i=1，2, 3）中显然最多只能有一个严格取正 数，且x1，x2，x3= 0， y1，y2，y3 = 0， z1，z2，z3= 0。由于交易费用的存在，这是约束 x1+x2+x3=1 不一定还成立（只有不进行股 票买卖，即y仁y2=y3=z仁z2=z3=0时，这个约束才成立）。其实，这个关系式的 本质是：当前持有的总资金是守恒的 （假设为“1 个单位”），再有交易成本（1%） 的情况下，应当表示成如下形式：x1+x2+x3+0.01 （y1+y2+y3+z1+z2+

41、z3） =1.另外，考虑到当前持有的各只股票的份额 ci ， xi ， yi 与 zi （i=1 ， 2， 3） 之间也应该满足守恒关系式Xi=ci+yi-zi, i=1,2,3.这就是新问题的约束条件，模型的其他部分不用改变。程序：MODEL:Title 考虑交易费的投资组合模型 ;SETS:STOCKS/ A, B, C/: C,Mean,X,Y,Z;STST(Stocks,stocks): COV;ENDSETSDATA:TARGET = 1.15;! 股票的初始份额 ;c=0.5 0.35 0.15;! Mean 是收益均值 ,COV 是协方差矩阵 ;mean=1.089083 1.2

42、13667 1.234583;COV=0.01080754 0.01240721 0.013075130.01240721 0.05839170 0.055426390.01307513 0.05542639 0.09422681;ENDDATAOBJ MIN = sum(STST(i,j):COV(i,j)*x(i)*x(j); ONE SUM ( STOCKS: X+ 0.01*Y+0.01*Z) = 1; TWO SUM(stocks: mean*x) >= TARGET; FOR(stocks : ADD x = c - y + z );END运行并分析其结果。3.2.4 利用股

43、票指数简化投资组合模型例 3.8 继续考虑 例 3.5 （期望收益率仍定为 15%）。在实际的股票市场上， 一般存在成千上万的股票，这时计算两两之间的相关性（协方差矩阵）将是一 件非常费时甚至不可能的事情。 例如，1000只股票就需要计算 （1000 2）=499500 个协方差。能否通过一定方式避免协方差的计算，对模型进行简化呢？例如， 例 3.5 中还给出了当时股票指数的信息，但我们到此为止一直没有利用，我们 这一节就考虑利用股票指数队前面的模型进行修改和简化。问题分析可以认为股票指数反映的是股票市场的大势信息， 对具体每只股票的涨跌通 常是有显著影响的。我们这里最简单化地假设每只股票的收

44、益与股票指数呈线 性关系，从而可以通过先行回归方法找出这个线性关系。3.2.5 其他目标下的投资组合模型目前介绍的模型中都是在可能获得的收益的数学期望满足一定最低要求的 前提下，用可能获得的收益的方差来衡量投资风险，将其作为最小化目标。这 种做法的合理性通常至少要有两个基本假设：（1） 可能获得的收益的分布是对称的（如正态分布） 。因为这是未来收益 高于设定的最低要求的机会和地域设定的最低要求的数量（高多少、 低多少）和概率是一样的。 可惜的是， 实际中这个假设往往难以验证。（2） 投资者对风险（或偏好）的效用函数是二次的。否则为什么只选择收 益（随机变量）的二阶矩（方差）来衡量风险是之最小化

45、，而不采取 其他阶数的矩？一般来说，投资者实际关心的通常是未来收益地域设定的最低要求的数量 （即低多少）和概率，也就是说关心的是下侧风险（ downside risk ）。所以， 如果分布不是对陈的，则采用收益的方差来衡量投资风险就不一定合适。为了 克服这个缺陷，可以用收益低于最低要求的数量的均值（一阶矩）作为下侧风 险的衡量依据，即作为最小化的目标。此外，也可以采用收益低于最低要求的 数量的二阶矩（即收益的半方差， semivariance ）作为衡量投资风险的依据。 其实，半方差计算与方差计算类似，只是只有当收益低于最低要求的收益率时， 才把两者之差的平方计入风险，而对收益高于最低要求的收益率时的数据忽略 不计。这方面的具体模型这里就不再详细介绍了。下面介绍一个与上面这些优化目标完全不同的投资组合模型， 这个模型虽然 很简单，但却会产生一些非常有趣的现象。例 39 假设市场上只有两只股票 A、B 可供某个投资者购买，且该投资者 对未来一年的股票市场进行了仔细分析，认为市场只能出现两种可能的情况（ 1和2）。此外，该投资者对每种情况出现的概率、每种情况出现时两只股票的增 值情况都进行了预测和分析（见 表3-7，可以看出股票A、B的均值和方差都是 一样的）。该投资者是一位非常保守的投资人