作者：李斌; 张迪; 冯佳捷序列相关收缩估计资产组合选择向量自回归模型样本外绩效
摘要：均值一方差理论是资产组合领域的经典理论之一，由于参数估计的不确定性，均值一方差最优风险组合在样本外检验中绩效较差。因此，构建估计误差更小的估计值成为资产组合领域的重点问题，现有方法主要从改善期望收益、协方差和利用边际信息来减少估计误差。研究证券收益间的序列相关性在改善投资组合样本外绩效的作用。首先，将序列相关性引入资产组合构建过程中，以改进均值一方差最优风险组合，利用向量自回归模型挖掘序列相关性，并对证券收益的期望收益估计进行改进，实证检验向量自回归模型是否能够提高资产组合的样本外绩效。其次，针对改进后的均值一方差组合绩效不稳定和换手率较高的缺点，利用收缩估计的思想联合均值改善组合和简单分散化组合，给出最优收缩强度的估计值，从理论和实证两个方面说明新提出的资产组合对资产组合绩效的改进效果。最后，在1997年至2015年中国A股市场的4组数据集上进行实证检验，比较14种投资组合的样本外绩效。研究结果表明，序列相关性有助于改善股票组合的样本外绩效。①向量自回归模型预测值的均值一方差组合取得了比样本均值的均值一方差组合更好的样本外绩效，向量自回归模型预测值比历史样本均值更适合作为资产期望收益的估计值。②收缩估计组合在样本外框架中取得了更加稳健的结果，在所有的数据集上都取得了高于简单分散化组合的确定性等价收益，最优收缩强度估计值的分布情况也肯定了收缩估计方法在减少资产组合估计误差中的有效性。向量自回归模型和收缩估计方法有助于市场参与主体更好地认识和分析参数不确定性的影响，对于缓解参数不确定性的影响、减少估计误差、提高投资者的效用具有一定的参考意义，更好地利用序列相关�
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
