Markowitz模型下不同投资组合选择方法的风险收益比较

本文主要探讨了投资组合选择模型中的风险收益关系，特别是在Markowitz风险最小化和Sharpe角度最大化这两个经典理论框架下的分析。作者使用了四种不同的度量方法：算术平均值（AM）、几何平均数（GM）、中庸之道（HM，可能是对均值-方差优化的另一种称呼）以及加权调和平均数（GDM），来研究在不同投资回报目标（k值）下，风险（方差-协方差，υ）的表现与排序。 首先，作者通过计算和比较这四种方法得出结论，在有效边界曲线的垂直部分，加权调和平均数（GDM）的风险最小，接着是中庸之道（HM），然后是几何平均数（GM），最后是算术平均数（AM）。这意味着在追求低风险时，GDM、HM和GM通常比AM更优。然而，随着k值的提高，风险排序发生反转，即在追求较高回报时，GDM的风险表现可能优于HM，然后是AM，最后是GM。 这种变化揭示了一个重要的投资策略启示：投资者应根据他们的风险偏好和目标回报率选择合适的度量方法。对于风险厌恶型投资者，他们可能更倾向于使用GDM或HM，因为它们能提供更低的波动性。相反，风险承受能力较强的投资者可能会优先考虑GM或AM，尽管它们可能带来更高的潜在回报。 值得注意的是，文章还提到了在股票价格负增长率较小的情况下，不建议使用谐波均值（HM），这可能是因为HM对于负数值的敏感性可能导致投资组合的不稳定。因此，理解并灵活运用这些不同的度量方法对于构建一个既能满足风险偏好又能实现期望收益的投资组合至关重要。 这篇论文通过对多种投资组合选择模型的实证分析，强调了在决策过程中量化风险和收益之间的权衡的重要性，并提供了投资者在不同市场环境下调整策略的依据。这对于投资者、金融机构和金融分析师来说，都是具有实际应用价值的研究成果。