一、连续复利型E-V风险下的证券投资模型（论文文献综述）
郝雪芳[1]（2020）在《基于改进的FCFF模型对上市证券公司的企业价值评估》文中提出随着资本市场的发展与完善,监管政策的与时俱进,国内外市场的联接越来越紧密、资本活动的形态越来越丰富化与多样化,企业的内在价值越来越突显出其重要地位和意义,一个有效的企业内在价值评估结果可以帮助投资者进行决策分析、帮助管理者进行企业架构调整与改进。证券公司作为重要经济主体在经济发展过程中发挥着至关重要的作用。首先证券行业与实体经济之间的发展密不可分、相辅相成;其次我国证券行业的发展模式越来越多元化、专业化;再者证券公司的发展情况会直接影响着券商类股票的市场表现及价格波动,甚至带动股市整体走势。因此对证券公司的估值研究意义重大。本文从国内外文献入手,研究分析现行企业价值评估方法,并通过分析对比各种评估方法的优缺点及其适用范围,结合证券公司的业务特点,最终选择自由现金流折现法作为基础模型进行研究。但研究发现现有文献及研究成果对于证券公司的估值模型探讨较少,估值方法的实操性不强等问题。因此结合上市证券公司业务发展特点和模式,本文提出了改进的FCFF模型,首先针对证券公司自由现金流的计算方式进行探讨,给出了明确的自由现金流计算公式及所涉及到的会计科目,增强了模型的实操性、其次提出了利用移动平均的方法进行未来自由现金流的预测,方法简单易行、再者在折现率方面提出了将静态加权平均资本成本用动态加权平均资本成本进行替代的方案,将时间因素考虑在内,增强了折现率的时效性。最后本文以中信证券为例进行实例运用,通过对比改进前后的模型结果,辅以市盈率法来验证改进的FCFF模型对于证券公司估值的可行性和科学性,同时本文也客观地分析了针对改进模型中的存在的不足与限制。
贾欣[2]（2018）在《考虑流动性的投资组合模型及实证》文中研究指明资产的投资组合一直是金融领域研究的一个重要问题.由于金融市场的复杂性及受环境因素的影响,证券的流动性成为投资过程中不容忽视的因素,而目前关于将流动性融入投资组合决策模型的研究不多,仍有待完善.本文将流动性及交易成本等因素考虑进证券投资组合决策模型中,取得的主要研究成果如下:（1）针对流动性这个在投资组合中不容忽视的因素,根据正相关性将其作为确定投资比例约束的主要因素.并针对人的心理满意度对投资的影响,构造对数型函数表达投资者对投资收益和风险的满意程度,进而建立投资比例及交易费用约束下基于投资者满意度的投资组合模型,并通过实例分析说明模型的有效性.（2）基于模糊理论中的可能性均值,定义了证券模糊收益的可能性波动差,并用以度量投资组合的风险.在流动性确定投资比例以及交易费用约束下,建立基于流动性和可能性波动差的模糊投资组合模型,并通过实例分析说明模型的有效性.（3）根据隶属度及几何重心的含义定义直觉模糊数的期望值,并利用其将证券的模糊收益、不确定风险及流动性等关键指标去模糊化.在流动性确定投资比例约束下,建立以直觉模糊决策信息来描述收益、风险和流动性的直觉模糊投资组合模型,并通过实例分析说明模型的有效性.
王文倩[3]（2018）在《“和萃2016年第一期不良资产支持证券”信用风险的度量与防范》文中提出近年来,我国宏观经济整体出现了下行压力,导致商业银行的不良贷款率不断上升,为此国内借鉴世界各国的发展经验,重启暂停八年的不良资产证券化。作为重启后首批不良资产证券化产品“和萃2016年第一期不良资产支持证券”,同时又是首单信用卡不良资产证券化产品,在盘活银行不良资产、提高银行资产的流动性和收益水平都具有借鉴意义。而风险防控是产品发行交易中关键的一步,对不良资产证券化的风险防控主要是对产品信用风险的防控,因此对产品的信用风险进行度量以及改进风险防控措施对于进一步优化本产品的交易结构以及对我国不良资产证券化的发展都具有重要的现实意义。对于信用风险度量方法的研究上,国外学者的研究较为成熟,并提出了不同种类的风险度量模型,其中Credit Risk+模型,KMV模型,Credit Metrics模型以及Credit Portfolio View模型为四种现代常用的信用风险度量模型。本文通过对四种信用风险度量模型在适用性以及局限性上进行比较分析后,结合我国目前的实际情况,认为KMV模型在度量商业银行不良资产证券化产品上具有可操作性。“和萃2016-1”作为首批的不良资产证券化产品,产品设计较为审慎,发行规模较小,入池资产创新性地选择多笔信用卡不良债权,通过对本产品的结构特点,基础资产以及产品的信用风险特征进行分析后,认为本产品的信用风险主要来源于债务人的违约风险,并且单笔资产风险暴露难以控制,整体资产池风险可以有效估计,再结合KMV模型在我国金融市场的适用性,本文选取KMV模型对“和萃2016-1”产品的违约概率进行度量。将度量结果与国内其他评级机构的度量结果进行比较,检验KMV模型的合理性,同时利用国际信用评级机构给出的标准,重新提出产品的安全发债规模。该产品已设计了多种信用风险防范措施,本文结合产品特征和量化后的违约风险,对现有的风险防范措施在基础资产的选择、交易结构的设计以及增信措施的运用方面提出适当的改进建议。本文以“和萃2016-1”产品的信用风险研究为切入点,以小见大,通过对本产品的信用风险进行度量并结合产品的特征对产品现有的信用风险防范措施提出改进措施,一方面检验了 KMV模型用于我国不良资产证券化产品信用风险度量的可行性,为不良资产证券化产品提出一种有效的风险度量模型;另一方面以期对我国重启后的不良资产证券化在风险防范上提出合理化建议,要加强市场的风险防范,就应合理选择基础资产,继续优化产品结构,创新信用增级措施并且不断完善市场监督机制。
黄旭成[4]（2018）在《A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略》文中研究说明研究表明,市场风格对证券投资有重要影响,在A股市场则更为明显。风格通常是针对股票组合而言的,当股票组合被称为拥有某种风格时,组合内股票往往具有一种共同的属性,使得风格组合内的股票的收益表现具有较强的相关性从而相区别于其他股票。一般而言,风格应来自于更为基本的公司特征而非行业特征,例如市值大小、成长性等,这些公司特征也被称为风格因子。尽管市场风格对证券投资影响较大,但目前国内关于市场风格现象的学术研究并不多,本文完善相关研究方法,结合国内A股市场的实际情况,针对A股市场的一些重要的风格现象做了一个较全面的深度研究,具体包括风格动量、风格轮动、风格策略以及风格对投资策略所产生的影响等等。首先,本文研究了风格动量效应,并分别研究了个股动量效应和行业动量效应以便与风格动量效应进行比较,还进一步探讨了个股、风格以及行业这三类动量效应之间的内在规律。本文发现,A股市场存在较为明显的风格动量效应,尤其在日周期层面和周周期层面表现得较为显着;个股动量效应则要弱于风格动量效应,仅在极短期内存在;与个股动量以及风格动量相比,行业组合的动量效应则更为显着。本文进一步发现,在A股市场,个股、风格、行业这三类动量效应呈现出逐步增强的趋势,与三类动量类型所对应的价格、风格和行业三类因子,本质上是从不同的角度反映了股票的不同属性,但这些因子所反映的股票属性的深度以及对股票收益波动的影响程度是逐步增强的,从而直接导致了三类动量效应不同的强弱表现;A股市场存在显着的个股反转效应和风格、行业动量效应,且三者之间还存在清晰的规律关系,充分说明了A股市场不是一个有效市场。其次,本文在风格动量研究的基础上研究了风格轮动,给出了风格轮动的形成机制的理论解释,并基于风格轮动的形成机制进一步解释了风格动量的形成原因。本文发现,A股市场普遍存在着风格轮动现象,并且当某种风格强势时,另一种对立风格往往弱势,这种风格对立的风格轮动现象是一种普遍现象;股票价格是股票未来预期收益的折现值,如果原先定价所基于的宏观环境和定价因子发生变化,例如资金成本、相对风险溢价和相对业绩增速等,则将改变股票的定价预期,不同风格组合的价格预期的不同变化将导致不同风格组合之间相对价格的偏移;宏观环境和定价因子的周期性变化,导致了风格轮动;宏观环境和定价因子的持续性变化,并叠加投资者的适应性预期,导致了风格特征在中短期内具备持续性,产生了所谓的风格动量效应。接着,本文根据风格动量和风格轮动的相关研究结论,构建了一些量化投资策略模型并进行了策略评价。本文所发现的动量效应内在规律,实际上就是一种对市场波动的预测或把握能力,因此,既然能预测到或把握住市场波动,那么就应该能基于这些内在规律开发出具有参考价值的量化对冲策略模型。本文发现,基于风格动量和风格轮动的内在规律,确实能够设计出有效的量化投资策略,这也从另一个角度证实了本文提出的风格动量和风格轮动的内在规律的客观性。另外,本文还发现,在找到市场逻辑以后,通过改变思路或使用更为先进的方法,能够有效地改善量化策略。最后,本文进一步对一些具有代表性的风格策略做了研究,一是拓展了风格因子范围,重点对具有代表性的SMART BETA策略进行了研究;二是重点分析了风格对阿尔法策略等市场中性策略的影响,进一步观察了市场风格对投资策略的影响。本文发现,从历史绩效来看,各类SMART BETA策略指数相对于基准指数长期确实具有更好的投资绩效;SMART BETA策略指数的较高的投资绩效来自于特定的风格因子暴露;但A股的市场结构和市场特征与国外成熟市场存在较大的差异,SMART BETA策略的基础理论就A股市场现状而言可能存在缺陷,因而SMART BETA策略在A股市场的投资绩效可能存在较大的不确定性。本文还发现,从整体而言市场中性策略对冲基金的绝对收益并不高于市场收益和传统型基金,但从基金绩效评价的角度来看,市场中性策略基金的绩效优势明显;各市场中性策略基金普遍存在市场风险暴露,其中阿尔法子策略基金还存在显着的市场风格因子暴露;阿尔法策略基金与市场风格因子高度相关,本质原因可能在于目前有效的对冲工具依然不足,普遍使用沪深300股指期货作为对冲工具;当市场风格偏小盘和成长时,该类策略会表现较好;反之,当市场风格转向大盘股和价值股,阿尔法策略对冲基金就会存在较大的风险。本论文关于A股市场各种风格现象的研究结论,不仅仅有效地填补了相关学术领域的一些研究空白,对投资者而言也具有较高的参考价值,同时也为监管部门有针对性地开展监管工作提供重要的实证支持。
王兴运[5]（2016）在《资产定价偏差分析 ——基于风险与收益不对称视角》文中指出金融学术界和业界对于资产定价基本上都有一个普遍的共识,风险越高的资产,收益率越高。CAPM模型将这一说法修正为系统性风险越高,期望收益率越高。CAPM模型中的系统性风险就是使用β系数表示,β系数与股票预期收益率呈现精确的直线关系。CAPM模型所表示的风险与收益的对称关系是经典金融理论的支柱理论之一。本文的研究从论证风险与收益的非对称关系开始,最终对资产定价偏差现象给出理论说明和模型分析。第1章提出了风险与收益存在非对称关系的事实,分析了这种非对称关系的理论和实践上的重要性,并简要介绍了本文分析该问题所使用的理论基础——奈特不确定性。第2章对于本文要讨论的CAPM模型基础内容做了一个回顾与评论。现代证券组合理论最先由美国经济学者Markowitz教授创立,他于1954年在美国的《金融》杂志上发表了一篇文章《投资组合选择》提出了分散投资的思想,并用数学方法进行了论证,从而决定了现代投资理论的基础。证券组合理论虽然从理论上解决了如何构造投资组合的问题,但是这一过程相当繁杂,需要大量的计算,和一系列严格的假设条件。这样就使得这一理论在实际操作上具有一定的困难。投资者需要一种更为简单的方式来进行处理投资事宜。Markowitz教授的学生Sharpe教授继承Markowitz的思路,在均值方差模型的基础之上创立了资本资产定价理论（Capital Assets Pricing Model, CAPM模型）。CAPM模型的计算更加简洁,结论也非常直观。CAPM模型不再需要计算N个证券的方程与协方差,二是使用个股历史收益率对投资组合收益率做回归分析,计算出单个证券的系统性风险。CAPM模型的表达式含义是一个有风险的资产的回报等于无风险收益率加上系统性风险补偿。第3章定义β系数的稳定性、时变性并对其做统计衡量,并使用经典CAPM和条件CAPM做两阶段计量检验都得出风险β系数不可靠的结论。在加入更多解释变量后的检验结果是模型显着,市场风险显着,而其他解释变量的显着性在个股和行业中具有差异性,这种差异性目前没有发现可以识别的方法。风险β不可靠的原因在于β系数的计算是基于历史收益率的波动,而不是能够反映未来的奈特不确定性。第4章讨论资产风险和收益非对称的定价偏差能否被加以利用从而实现超额收益的问题。本章是以最具有代表性的基金公司绩效检验作为风险和收益非对称是否可被识别的证据。基金公司大多宣称他们能够凭借专家理财以及规模优势可以做到优化配置为投资者获取丰厚的收益,并且可以针对不同风险收益偏好投资者的要求提供差异化投资风格的基金供其选择,研究结论表明事实并非如此。本文应用三因子模型以及引入T-M模型二次项的三因子模型,对我国积极管理型开放式股票型基金公司总体的收益率（EW和VW方法计算）的绩效做了实证检验,得到三个结论：一是我国基金公司总体上不存在超越市场的能力。在进行分时段回归后发现,基金公司随市场走势改变而变换投资风格,但绩效指标α仍然为0。；二是基金公司规模与基金绩效无关；三是宣称不同投资风格的基金公司的实际投资风格趋同。通过基金公司的绩效检验结果说明尽管收益与风险存在非对称性,但是却无法利用这种非对称性来实现超额回报。进一步说明金融市场的复杂性。风险与收益的非对称性的一个直接结果是资产定价偏差。第5章讨论了股票价格高估现象的原因。资产定价偏差的具体表现就是资产价格高估和低估,鉴于资产价格高估所形成的资产泡沫的危害性,本章重点分析价格高估现象。由于拍卖市场存在的“赢者的诅咒”的现象,证券市场中价格高估的现象就会经常出现,甚至可以说是一种常态。本文分别分析了股票上涨,盘整与下跌三种状态下“赢者的诅咒”现象的原因,并指出通过信息快速、完整和准确传播来降低“赢者的诅咒”,但是,由于“动物精神”的原因,“赢者的诅咒”不可能完全避免。人的有限理性和信息不完全对于经典金融理论假设的违背是资产价格偏差的重要原因。本文还重点分析了货币政策不对称操作因素对于价格高估具有制度性的影响。第6章通过一个一般化的模型分析了资产价格泡沫,通过回顾分析理性泡沫基本理论的基础上,明确提出资产泡沫是在代表性主体的有限理性和不完全市场中形成的非理性泡沫。本文重新定义了泡沫的衡量方法,从美国次级抵押贷款购房者（股票市场投资者）的有限理性入手,借鉴有关庞氏骗局的研究文献构建了一个资产泡沫模型,文章最后给出了泡沫破裂的具体条件,并提出了预防泡沫的几点建议。第7章为结论和建议。本文创新主要有如下三点：一是首次定义β系数的稳定性和时变性,并构造统计量对其做统计衡量。统计计量结果是β系数的并不稳定而且具有时变性,因而使用这个不可靠的β系数来衡量风险的方法和实践都是有偏差的,并且通过实证研究发现无法利用风险与收益非对称性去获得超额收益；二是首次使用奈特不确定性理论来解释资产定价偏差的原因。尽管不确定性这个名词在经济金融理论中早已有之,但是已有文献中不确定性名词的使用都是与风险等同,而没有加以区分；三是重新定义资产泡沫,并创新性地对于资产价格高估原因给出一个初步的模型分析,该模型描述了资产定价泡沫偏差的产生,发展和破灭的动态过程。
张金燕[6]（2016）在《连续复利在投资决策中的简单应用》文中研究指明在金融市场中,连续复利则是指在期数趋于无限大的极限情况下得到的利率,此时不同期之间的间隔很短,可以看作是无穷小量。从微积分的相关理论出发,本文考虑投资资金的时间价值,从而实现了资金在时间上面的复利累积,结合常用的连续复利现金流模型来建立连续复利的现金流模型,并且通过一些简单的例子来揭示连续复利在投资决策中的应用。
丁钊鹏[7]（2015）在《投资者心理与市场约束下动态投资组合保险策略研究》文中指出投资组合保险策略被广泛应用于资产配置决策之中,其主要目的是:规避或对冲资产价格下跌的风险,在实现本金安全的前提下,参与风险市场上涨的行情,把握资产潜在增值收益的机遇。随着市场的变化以及投资者心理预期的变化,在保险成功的前提下要取得较好的投资绩效,投资组合保险策略参数应当随之动态调整,同时策略还应反映投资者的风险容忍度。本文在总结传统投资组合保险策略的基础上,从理论与实务两方面提出了动态投资组合保险策略,力求为基金业资产配置决策提出些有益的参考意见。理论方面,在连续时间金融条件下,从跨期最优化期望效用出发,通过改变概率测度将资产过程转换为鞅过程,把投资者的个人跨期动态投资组合决策问题转换为一个静态的效用最大化问题,并借助鞅表示定理提出了相应的最优期望效用动态资产组合策略。实务方面,在探讨了融资限制、非连续时间间隔调整对投资组合的影响之后,考虑到投资组合保险策略的杠杆交易特性以及投资者风险厌恶程度,提出了基于谱风险测度的Copula-GARCH-SRM策略,并以沪深股市作为风险市场应用该策略进行了详尽的实证比对研究。实证结论包括:在收跌的市场,过长的调整周期,决策者过于激进的风险偏好从而选择了过高的风险乘数往往是保险失败的原因;调整周期选择以周为宜;在下跌或震荡的市场,宜选择保守的投资组合策略,每期收益部分留存加入要保额度,同时应当对融资有所约束;在上涨的市场中,则宜选择中等偏上风险偏好的策略,不宜将收益部分留存增加要保额度,需要有适度宽松的融资约束。在任何一种调整周期之下,无论有无融资约束,Copula-GARCH-SRM策略保险效果明显,其绩效总是优于固定风险乘数的参数设定策略。本文提出的Copula-GARCH-SRM策略优势在于:一方面,能动态调整风险乘数从而能更有效地跟随市场的步伐,另一方面,能有效地动态分配风险资产投资权重,从而规避风险、获取收益。
陆士杰[8]（2014）在《增长投资风格与策略研究》文中研究表明本文紧紧围绕增长投资风格与策略来进行研究。增长投资是一种注重公司盈利增长的投资风格，其核心思想是投资收益主要源于公司盈利增长所推动的股价上涨。增长投资者普遍是采用自上而下的研究方法。在行业层面，投资者通过对行业市场规模的预测、行业发展阶段的判断、行业竞争性的分析和行业产业链的研究来挑选出发展前景最好的行业。在公司层面，投资者通过对公司管理层的分析和公司护城河的研究，从行业中挖掘出最具发展前景的公司。完成选股之后，增长投资者普遍会采用集中投资策略。美国数学家凯利提出了凯利优化策略来解决这一问题，本文则进一步引入了Black-Scholes期权定价公式中股票价格遵循几何布朗运动的假设，构建了一套基于股票价格服从对数正态分布的凯利优化投资策略，使得凯利优化模型能更好地运用于股票投资实践中。当投资者对某一只股票未来投资收益率期望值和方差做出预测之后，就可以直接利用该模型获得股票的最优投资比例，从而实现最快的财富增长速率。最后本文探索利用市场上分析师们对上市公司盈利增长性的一致预期建立投资组合。近五年，从股票盈利低于预期比例和投资收益率两个角度得出了预期增长率为20%30%的高关注类股票组合为最优。并且预期增长率超过20%的全部8个投资组合收益率都大幅高于沪深300指数，这就说明了基于盈利增长预期的增长投资风格在A股市场上具有可行性。
黄招娣,应宛月,余立琴,肖祥阔,罗佳[9]（2013）在《基于PSO的神经网络优化证券投资组合方法研究》文中提出针对传统人工神经网络中的BP（back propagation）神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群（particle swarm optimizer,PSO）算法的BP神经网络优化证券投资组合方法。在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化。将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法。
杨梅[10]（2012）在《基于实物期权理论的矿业投资时机研究》文中提出矿业投资普遍具有时间跨度长、投资规模大、投资不可逆性的特点,投资过程充满了不确定性。为了保证矿业投资的有效性,对不确定条件下投资时机决策进行研究具有重要的现实意义。论文借助实物期权相关理论,对矿业投资时机决策进行了系统研究,构建了相应的模型,并运用MATLAB软件对模型进行数值分析以及对现实投资经济现象进行了解释。论文主要研究工作体现在以下几个方面：（1）分析了矿业投资项目的特点,在对传统投资决策方法和实物期权方法进行比较分析的基础上,总结了各种方法的优缺点,并根据矿业投资项目的特点,探讨了基于实物期权理论矿业投资时机研究的方法。（2）分别就无突发事件影响和有突发事件影响建立了矿业投资最佳时机决策模型,并分别对此进行了深入的研究。在无突发事件决策模型中,以蕴含于矿业投资中的延迟期权的性质为基础,建立投资时机选择决策模型,找出最优投资时机规则,并讨论该模型对我国矿业投资的现实意义。在有突发事件决策模型中,引入“跳”过程来模拟由多个突发事件所导致的跳跃,从而修正了传统投资决策中存在的系统性偏差,并且假定在“跳”频率和幅度均随机波动的情况下,为构建的实物期权模型设计了一种不依赖于具体分布形式的数值求解方法,并分别对多个同类型突发事件和多个不同类型突发事件的各参数在矿业项目投资决策中的影响进行了讨论。（3）以大发矿业投资案例对投资时机选择决策模型进行了实证研究,实证分析结果表明本文所提出的矿业投资时机决策的实物期权方法比传统矿业投资时机决策方法更为有效。
二、连续复利型E-V风险下的证券投资模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、连续复利型E-V风险下的证券投资模型（论文提纲范文）
（1）基于改进的FCFF模型对上市证券公司的企业价值评估（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 我国证券行业现状分析 |
| 1.1.2 我国上市证券公司现状分析 |
| 1.1.3 我国上市证券公司估值现状分析 |
| 1.2 研究意义 |
| 1.2.1 证券行业的重要性 |
| 1.2.2 上市证券公司估值研究的重要意义 |
| 1.3 研究思路与创新 |
| 1.3.1 研究基本思路 |
| 1.3.2 本文的创新 |
| 1.4 文献综述 |
| 1.4.1 国外相关研究 |
| 1.4.2 国内相关研究 |
| 1.4.3 文献述评 |
| 2 估值模型的分析对比与选择 |
| 2.1 企业价值理论 |
| 2.2 企业价值评估的方法 |
| 2.2.1 成本法 |
| 2.2.2 收益法 |
| 2.2.3 市场法 |
| 2.2.4 期权估值法 |
| 2.2.5 经济附加值法 |
| 2.3 企业价值评估方法比较分析 |
| 2.4 证券公司及其现存估值模型分析 |
| 2.4.1 证券公司现状 |
| 2.4.2 证券公司现存估值模型的特点及问题 |
| 2.5 本章小结 |
| 3 自由现金流折现模型及其改进 |
| 3.1 模型假设前提 |
| 3.2 自由现金流折现模型关键因素 |
| 3.2.1 加权平均资本成本(WACC) |
| 3.2.2 企业自由现金流(FCFF) |
| 3.3 自由现金流折现基本模型 |
| 3.3.1 两阶段模型公式 |
| 3.3.2 一阶段模型公式 |
| 3.3.3 从企业价值到内在股权价值 |
| 3.4 自由现金流折现模型改进方法 |
| 3.4.1 动态加权平均资本成本 |
| 3.4.2 证券公司的企业自由现金流组成 |
| 3.4.3 未来各期自由现金流估算方法 |
| 4 应用分析-中信证券 |
| 4.1 公司简介 |
| 4.2 改进的两阶段FCFF模型价值评估 |
| 4.2.1 自由现金流估计 |
| 4.2.2 动态加权平均资本成本WACC的计算 |
| 4.2.3 企业价值估算 |
| 4.2.4 静态WACC折现与动态WACC折现价值评估的结果比较 |
| 4.3 市盈率法P/E的运用与佐证 |
| 4.4 股利现金流量折现模型DDM |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 研究局限 |
| 参考文献 |
（2）考虑流动性的投资组合模型及实证（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 投资组合的国内外研究现状 |
| 1.3 论文的主要研究内容及结构安排 |
| 第二章 理论基础 |
| 2.1 投资组合模型 |
| 2.1.1 经典投资组合模型 |
| 2.1.2 模糊投资组合模型 |
| 2.1.3 投资组合影响因素 |
| 2.2 模糊数的可能性理论 |
| 2.3 本章小结 |
| 第三章 基于流动性和投资者新满意度的投资组合模型 |
| 3.1 基于流动性的投资比例上限函数和投资者满意度函数 |
| 3.1.1 基于流动性的投资比例上限函数 |
| 3.1.2 风险厌恶型投资者收益满意度函数 |
| 3.1.3 风险厌恶型投资者风险满意度函数 |
| 3.2 基于流动性和风险厌恶型投资者满意度的投资组合模型 |
| 3.3 实例分析 |
| 3.4 本章小结 |
| 第四章 基于流动性和可能性波动差的模糊投资组合模型 |
| 4.1 基于波动差及可能性理论的模糊数新风险度量 |
| 4.2 基于流动性和可能性波动差的模糊投资组合模型 |
| 4.3 实例分析 |
| 4.4 本章小结 |
| 第五章 基于流动性和新期望值的直觉模糊投资组合模型 |
| 5.1 直觉梯形模糊数新期望值 |
| 5.1.1 直觉梯形模糊数的定义 |
| 5.1.2 已有的直觉梯形模糊数的期望值及规范化 |
| 5.1.3 新的直觉梯形模糊数的期望值 |
| 5.2 基于流动性和新期望值的直觉模糊投资组合模型 |
| 5.3 实例分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 致谢 |
| 攻读硕士学位期间科研概况 |
（3）“和萃2016年第一期不良资产支持证券”信用风险的度量与防范（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、研究背景及研究意义 |
| 二、文献综述 |
| 三、研究内容及研究方法 |
| 四、创新之处 |
| 第一章 常见信用风险度量模型 |
| 第一节 现代信用风险度量模型 |
| 一、信用风险附加模型(Credit Risk+) |
| 二、KMV模型 |
| 三、信用计量模型(Credit Metrics) |
| 四、信用组合模型(Credit Portfolio View) |
| 第二节 信用风险度量模型的比较分析 |
| 一、各模型的适用性分析 |
| 二、各模型的局限性分析 |
| 第二章 “和萃2016-1”产品介绍 |
| 第一节 产品结构介绍 |
| 一、基本信息 |
| 二、参与机构简介 |
| 三、交易结构 |
| 四、证券结构设计 |
| 第二节 基础资产介绍 |
| 一、基础资产总体信息 |
| 二、基础资产池分布信息 |
| 三、基础资产池预计回收情况 |
| 第三节 产品信用风险分析 |
| 一、产品信用风险来源 |
| 二、产品信用风险影响因素 |
| 三、产品信用风险特征 |
| 第四节 产品现有信用风险防范措施及不足分析 |
| 一、针对资产池的信用风险控制 |
| 二、证券化过程中的信用风险控制 |
| 三、信用增级措施的运用 |
| 四、现有信用风险防范措施不足分析 |
| 第三章 修正的KMV模型对产品信用风险的度量 |
| 第一节 对KMV模型的修正及推导 |
| 一、KMV模型的基本思想 |
| 二、KMV模型的修正与推导 |
| 第二节 信用风险的度量与分析 |
| 一、样本数据 |
| 二、产品违约概率的度量 |
| 三、模型度量结果的分析 |
| 四、安全发债规模的确定 |
| 第四章 产品信用风险防范措施的改进 |
| 第一节 基于基础资产的选择 |
| 一、调整基础资产组合结构 |
| 二、适度分散借款人所在行业及地区 |
| 三、合理预测基础资产现金回收 |
| 第二节 基于交易结构的设定 |
| 一、合理选择参与机构 |
| 二、优化产品发行规模 |
| 三、提高产品激励机制 |
| 第三节 基于信用增级方式的运用 |
| 一、增加外部增信措施 |
| 二、外部与内部相结合 |
| 结论和建议 |
| 一、研究结论 |
| 二、研究建议 |
| 参考文献 |
| 致谢 |
（4）A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究思路 |
| 1.3 研究内容 |
| 1.3.1 风格动量 |
| 1.3.2 个股动量以及行业动量 |
| 1.3.3 三类动量的内在规律关系 |
| 1.3.4 风格轮动以及其形成机制的理论解释 |
| 1.3.5 基于风格动量和风格轮动的风格策略 |
| 1.3.6 代表性的风格策略的进一步研究 |
| 1.4 投资实践和市场监管方面的意义 |
| 1.4.1 投资参考价值 |
| 1.4.2 监管借鉴意义 |
| 1.5 学术研究方面的主要贡献 |
| 1.5.1 市场风格研究方面的贡献 |
| 1.5.2 动量效应研究方面的贡献 |
| 1.5.3 风格轮动和风格动量形成机制解释方面的贡献 |
| 1.5.4 风格策略研究方面的贡献 |
| 1.6 论文框架结构 |
| 第二章 经典金融理论以及动量效应理论概述 |
| 2.1 经典金融理论以及其所面对的质疑 |
| 2.1.1 有效市场假说 |
| 2.1.2 资本资产定价理论之CAPM模型 |
| 2.1.3 金融异象对CAPM的质疑 |
| 2.1.4 Fama-French三因子模型 |
| 2.1.5 三因子模型的挑战 |
| 2.2 动量和反转的相关理论 |
| 2.2.1 动量效应和反转效应 |
| 2.2.2 动量和反转的投资策略类型 |
| 2.2.3 对于动量效应的质疑 |
| 2.3 风格轮动和风格动量的相关理论综述 |
| 2.3.1 国外相关研究综述 |
| 2.3.2 国内相关研究综述 |
| 2.4 本章小结 |
| 第三章 风格动量 |
| 3.1 引言 |
| 3.1.1 国际学者对风格动量的研究 |
| 3.1.2 国内学者对风格动量的研究 |
| 3.2 动量效应实证的理论基础和方法 |
| 3.2.1 经典的Titman和 Jegadeesh的JT方法 |
| 3.2.2 动量效应实证的另一种方法——CD方法 |
| 3.2.3 JT方法和CD方法的比较 |
| 3.2.4 JT方法和CD方法的序列均值一致性和检验方法的差异 |
| 3.2.5 WRSS方法 |
| 3.2.6 数学模型归纳 |
| 3.2.7 动量研究方法小结 |
| 3.3 风格动量效应实证检验的方法 |
| 3.3.1 风格组合的构建方法 |
| 3.3.2 风格动量CD方法的数学模型归纳 |
| 3.3.3 风格动量WRSS方法的数学模型归纳 |
| 3.4 样本区间、数据周期以及样本范围的整体介绍 |
| 3.4.1 样本区间的选择 |
| 3.4.2 数据周期的选择 |
| 3.4.3 样本股票的选择 |
| 3.5 风格动量效应检验的相关数据处理的进一步说明 |
| 3.5.1 样本数据的处理 |
| 3.5.2 检验区间、数据周期、形成期和持有期的确定 |
| 3.5.3 收益率计算方法 |
| 3.6 风格动量效应的实证结论 |
| 3.6.1 风格分组的收益统计 |
| 3.6.2 SIZE(市值规模)风格分组实证结论 |
| 3.6.3 BE/ME(账面市值比)风格分组实证结论 |
| 3.6.4 SIZE因子和BE/ME因子联合风格实证结论 |
| 3.7 本章小结 |
| 第四章 个股动量和行业动量 |
| 4.1 个股动量效应的相关研究 |
| 4.1.1 个股动量效应的国际相关研究 |
| 4.1.2 个股动量效应的国内相关研究 |
| 4.1.3 个股动量相关研究小结 |
| 4.2 个股动量效应检验的相关数据处理的进一步说明 |
| 4.3 个股动量实证结论 |
| 4.3.1 长周期检验——月周期数据 |
| 4.3.2 中周期检验——周周期数据 |
| 4.3.3 短周期检验——日周期数据 |
| 4.4 个股动量实证研究小结 |
| 4.5 行业动量效应的相关研究 |
| 4.5.1 行业动量效应的国际相关研究 |
| 4.5.2 行业动量效应国内相关研究 |
| 4.6 行业动量效应实证检验方法 |
| 4.6.1 行业组合的构建方法 |
| 4.6.2 行业动量效应检验的CD方法的数学模型归纳 |
| 4.6.3 行业动量效应检验的WRSS方法的数学模型归纳 |
| 4.7 行业组合指数介绍和行业组合收益特征描述 |
| 4.7.1 申万一级行业指数介绍 |
| 4.7.2 申万一级行业指数收益统计 |
| 4.8 行业动量效应实证结论 |
| 4.9 行业动量实证研究小结 |
| 第五章 三类动量效应的内在规律 |
| 5.1 个股、风格、行业的动量效应研究的归纳总结 |
| 5.1.1 个股动量效应 |
| 5.1.2 风格动量效应 |
| 5.1.3 行业动量效应 |
| 5.2 三类动量效应的内在规律 |
| 5.2.1 三类动量效应之间的规律关系 |
| 5.2.2 三类动量因子内在属性的区别 |
| 5.3 价格、风格、行业三类因子分组的离散趋势实证 |
| 5.3.1 实证方法和检验过程介绍 |
| 5.3.2 三类动量因子分组的离散趋势实证结论 |
| 5.3.3 三类动量因子分组的离散趋势的进一步检验 |
| 5.4 本章小结 |
| 第六章 风格轮动 |
| 6.1 引言 |
| 6.2 国内外学者对风格轮动的相关研究 |
| 6.3 样本数据选取和风格组合构建 |
| 6.3.1 数据的选取和处理 |
| 6.3.2 风格组合的构建方法 |
| 6.4 A股市场的风格轮动现象 |
| 6.4.1 按SIZE因子和BE/ME因子分组的收益特征统计 |
| 6.4.2 A股的风格轮动现象和特征 |
| 6.5 风格轮动的形成机制理论探讨 |
| 6.5.1 市场收益因子对风格轮动现象的解释能力不足 |
| 6.5.2 基于股利贴现模型的风格轮动形成机制的理论解释 |
| 6.5.3 三个因子变量的经济意义解释 |
| 6.6 风格轮动过程中的风格特征的持续性 |
| 6.7 本章小结 |
| 第七章 基于风格内在规律的风格投资策略 |
| 7.1 量化投资介绍 |
| 7.1.1 数量金融理论的发展历史 |
| 7.1.2 量化投资在国外的发展历史 |
| 7.1.3 国内量化对冲策略的基本思想和理念 |
| 7.2 基于风格动量和风格轮动的对冲策略模型 |
| 7.2.1 风格动量和风格轮动的内在规律回顾 |
| 7.2.2 简单的风格动量对冲策略模型的收益和评价 |
| 7.2.3 新的对冲策略思路——基于日周期收益的择时策略 |
| 7.3 本章小结 |
| 第八章 风格投资策略的进一步探讨 |
| 8.1 基于风格因子暴露的SMART BETA策略研究 |
| 8.1.1 SMART BETA策略的概念和相关研究 |
| 8.1.2 SMART BETA策略的理论基础 |
| 8.1.3 策略类型和绩效表现 |
| 8.1.4 策略收益的业绩归因 |
| 8.1.5 A股市场SMART BETA策略的潜在风险 |
| 8.1.6 SMART BETA策略研究结论 |
| 8.2 市场风格对市场中性策略的影响 |
| 8.2.1 市场中性策略的整体情况 |
| 8.2.2 样本数据和数据处理 |
| 8.2.3 “市场中性”的研究方法 |
| 8.2.4 市场中性策略指数的“市场中性”实证结论 |
| 8.2.5 市场中性策略指数的进一步分析 |
| 8.2.6 对各个市场中性对冲基金的实证检验 |
| 8.2.7 结论和建议 |
| 第九章 总结和展望 |
| 9.1 论文的主要结论和发现 |
| 9.1.1 风格动量效应的主要结论和发现 |
| 9.1.2 个股动量效应以及行业动量效应的主要结论和发现 |
| 9.1.3 三类动量效应的内在规律关系 |
| 9.1.4 风格轮动的特征以及风格轮动形成机制的理论解释 |
| 9.1.5 基于风格动量和风格轮动的风格策略 |
| 9.1.6 基于风格因子暴露的SMART BETA策略的特征和风险 |
| 9.1.7 市场风格对市场中性策略的影响 |
| 9.2 建议、问题以及进一步研究展望 |
| 9.2.1 论文的建议 |
| 9.2.2 存在问题和进一步研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果 |
（5）资产定价偏差分析 ——基于风险与收益不对称视角（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 问题的提出 |
| 1.2 理论基础 |
| 1.3 创新点与结构安排 |
| 第2章 风险与收益关系基础 |
| 2.1 引言 |
| 2.2 Markowitz均值方差模型 |
| 2.2.1 Markowitz均值—方差模型的简单概述 |
| 2.2.2 Markowitz均值—方差模型的意义 |
| 2.3 CAPM模型 |
| 2.3.1 CAPM模型介绍 |
| 2.3.2 资本市场线(Capital Market Line,CML) |
| 2.3.3 证券市场线(Security Market Line,SML) |
| 2.3.4 CAPM模型的推导 |
| 2.4 小结 |
| 第3章 风险与收益非对称关系分析 |
| 3.1 引言 |
| 3.2 文献回顾 |
| 3.3 数据与模型 |
| 3.3.1 数据 |
| 3.3.2 模型 |
| 3.4 实证分析 |
| 3.4.1 CAPM计算β系数的可靠性分析 |
| 3.4.2 Carhart四因子模型的β系数显着性分析 |
| 3.5 小结 |
| 第4章 风险调整后收益的实证分析 |
| 4.1 引言 |
| 4.2 研究样本及数据来源 |
| 4.3 研究方法与实证分析 |
| 4.4 小结 |
| 4.4.1 基金公司无法超越市场 |
| 4.4.2 基金规模和绩效间无关 |
| 4.4.3 基金公司风格趋同 |
| 第5章 资产定价偏差原因分析 |
| 5.1 引言 |
| 5.2 β系数、风险与不确定性关系辨析 |
| 5.2.1 β系数与风险 |
| 5.2.2 风险与不确定性 |
| 5.3 理论价值、真实价值与市场价格关系辨析 |
| 5.4 “赢者的诅咒”导致价格高估 |
| 5.4.1 “赢者的诅咒”的由来 |
| 5.4.2 股票投资中的“赢者的诅咒”现象 |
| 5.4.3 股市中的“赢者的诅咒”现象解析 |
| 5.4.4 如何避免“赢者的诅咒” |
| 5.5 有限理性与不完全信息 |
| 5.5.1 有限理性 |
| 5.5.2 不完全信息 |
| 5.6 货币政策不对称操作导致价格高估 |
| 5.6.1 不对称操作理论综述 |
| 5.6.2 不对称操作原因分析 |
| 5.6.3 不对称操作的影响 |
| 5.7 小结 |
| 第6章 资产定价的初步模型分析 |
| 6.1 引言 |
| 6.2 非理性泡沫 |
| 6.3 泡沫的衡量 |
| 6.4 资产泡沫破裂条件模型 |
| 6.4.1 模型假定 |
| 6.4.2 净资产函数 |
| 6.4.3 主要结果 |
| 6.4.4 解释 |
| 6.5 小结 |
| 第7章 结论与建议 |
| 7.1 结论 |
| 7.2 建议 |
| 参考文献 |
| 致谢 |
| 读博士学位期间发表论文以及参加科研情况 |
（6）连续复利在投资决策中的简单应用（论文提纲范文）
| 一、前言 |
| 二、实际模型 |
| 三、总结 |
（7）投资者心理与市场约束下动态投资组合保险策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题的理论及实践意义 |
| 1.2 论文结构 |
| 1.3 论文主要创新点 |
| 第2章 传统投资组合保险策略分析 |
| 2.1 投资组合保险策略分类 |
| 2.1.1 基于期权的投资组合保险策略(OBPI) |
| 2.1.2 参数设定的投资组合保险策略 |
| 2.2 参数设定的投资组合保险策略分析 |
| 2.3 基于期权的投资组合保险策略(OBP)分析 |
| 2.4 投资组合保险策略比较分析 |
| 2.4.1 投资组合保险策略比较相关文献 |
| 2.4.2 投资组合保险策略比较分析 |
| 2.5 本章小结 |
| 第3章 最优期望效用动态投资组合保险策略 |
| 3.1 资本市场理论 |
| 3.2 期望效用最优化问题及求解 |
| 3.3 HARA效用函数下动态投资组合保险策略 |
| 3.4 最优配置策略敏感度分析 |
| 3.5 本章小结 |
| 第4章 融资约束与非连续调整下投资策略分析 |
| 4.1 融资约束下的参数设定策略 |
| 4.1.1 无融资约束下的外部融资概率 |
| 4.1.2 融资约束下的投资策略选择 |
| 4.2 非连续调整下缺口风险分析 |
| 4.2.1 缺口概率与期望缺口 |
| 4.2.2 缺口概率与期望缺口敏感度分析 |
| 4.2.3 非连续调整下投资期限内最大融资额度 |
| 4.3 融资约束与非连续调整下缺口风险分析 |
| 4.4 实证分析 |
| 4.4.1 样本数据的选取和实证设定 |
| 4.4.2 理论外部融资概率 |
| 4.4.3 融资约束下理论最大风险乘数 |
| 4.4.4 无融资约束下的实证结果 |
| 4.4.5 缺口概率与期望缺口 |
| 4.4.6 无融资约束条件下非连续调整的实证结果 |
| 4.4.7 不可融资条件下非连续调整的实证结果 |
| 4.4.8 不可融资条件下的状态转移概率 |
| 4.5 本章小结 |
| 第5章 谱风险动态投资组合保险策略 |
| 5.1 风险乘数与保证金比率 |
| 5.2 保证金约束下的风险乘数 |
| 5.2.1 在险价值与期望损失 |
| 5.2.2 非连续调整下的保证金比率限制 |
| 5.2.3 波动率调整规则下的触发值 |
| 5.3 保证金比率与谱风险测度 |
| 5.3.1 传统保证金比率设定方法 |
| 5.3.2 谱风险测度与GARCH-SRM模型 |
| 5.4 Copula-GARCH-SRM模型 |
| 5.4.1 Sklar定理与Copula函数 |
| 5.4.2 Copula函数与相关系数 |
| 5.4.3 Copula-GARCH-SRM模型 |
| 5.5 实证分析 |
| 5.5.1 实证分析方法及步骤 |
| 5.5.2 实证区间选择与设定 |
| 5.5.3 实证结果 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文的主要工作与结论 |
| 6.2 进一步研究的方向 |
| 参考文献 |
| 附录A 定理2.2 |
| 附录B 定理3.2及其推论 |
| 附录C 定理4.2 |
| 致谢 |
| 个人简历 在读期间发表的学术论文与研究成果 |
（8）增长投资风格与策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究思路及方法 |
| 1.3 文献综述 |
| 1.3.1 增长投资理论 |
| 1.3.2 增长投资策略——凯利优化投资策略 |
| 1.4 本文结构安排 |
| 1.5 本文创新点 |
| 第二章 增长投资理论模型 |
| 2.1 增长投资理论基础 |
| 2.2 增长投资理论模型 |
| 2.2.1 自由现金流介绍 |
| 2.2.2 权益自由现金流模型公式推导 |
| 2.2.3 基于权益自由现金流的两阶段增长估值模型 |
| 2.2.4 两阶段增长模型下各参数对公司股票估值水平的影响分析 |
| 2.3 本章小结 |
| 第三章 增长投资理论概述 |
| 3.1 增长投资理论的核心思想 |
| 3.2 增长投资理论行业分析 |
| 3.2.1 行业市场规模判断 |
| 3.2.2 行业当前所处发展阶段 |
| 3.2.3 行业竞争性分析 |
| 3.2.4 产业链分析 |
| 3.3 增长投资理论股票分析 |
| 3.3.1 管理因素分析 |
| 3.3.2 利基因素分析 |
| 第四章 增长投资策略——基于股票价格服从对数正态分布的凯利优化模型 |
| 4.1 标准凯利优化模型 |
| 4.2 基于股票价格服从对数正态分布的凯利优化模型 |
| 4.2.1 研究假设 |
| 4.2.2 模型设计 |
| 4.2.3 模型运用 |
| 4.3 模型结果及分析 |
| 4.3.1 模型结果 |
| 4.3.2 结论与启示 |
| 4.4 本章小结 |
| 第五章 A 股基于盈利增长预期的增长投资策略可行性分析 |
| 5.1 A 股市场现状分析 |
| 5.1.1 A 股市场整体及分行业估值水平 |
| 5.1.2 A 股市场整体和分行业增长性情况 |
| 5.1.3 A 股市场个股增长情况 |
| 5.2 A 股基于盈利增长预期的增长投资策略 |
| 5.2.1 基于盈利增长预期的增长投资组合构建 |
| 5.2.2 增长股投资组合分析 |
| 5.3 本章小结 |
| 第六章 总结 |
| 6.1 研究成果及结论 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（9）基于PSO的神经网络优化证券投资组合方法研究（论文提纲范文）
| 1 BP神经网络 |
| 2 粒子群优化算法 |
| 3 基于粒子群优化的BP神经网络算法 |
| 4 基于PSO-BP神经网络方法在证券投资组合中的应用 |
| 5 结束语 |
（10）基于实物期权理论的矿业投资时机研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 表目录 |
| 图目录 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 行业背景 |
| 1.1.2 研究方向背景 |
| 1.2 问题的提出 |
| 1.3 研究意义 |
| 1.4 实物期权应用研究文献综述 |
| 1.4.1 实物期权理论在矿业投资应用综述 |
| 1.4.2 实物期权理论在其他方面应用综述 |
| 1.5 研究内容与结构安排 |
| 1.5.1 主要的研究内容 |
| 1.5.2 本文的结构安排 |
| 1.6 本文的研究方法 |
| 第二章 矿业投资实物期权特性及其实物期权价值确定 |
| 2.1 矿业投资不确定性因素分析 |
| 2.1.1 矿业投资影响因素分析 |
| 2.1.2 矿业投资的特点 |
| 2.1.3 矿业投资不确定性简析 |
| 2.2 矿业投资的实物期权特性及其种类分析 |
| 2.2.1 矿业投资决策引入实物期权的必要性 |
| 2.2.2 矿业投资的实物期权特性分析 |
| 2.2.3 矿业投资实物期权的分类 |
| 2.3 矿业投资实物期权特点 |
| 2.4 矿业投资的实物期权与金融期权的比较分析 |
| 2.5 矿业投资实物期权的价值确定 |
| 2.5.1 矿业投资实物期权价值的影响因素 |
| 2.5.2 矿业投资的实物期权定价思路 |
| 2.5.3 矿业投资实物期权价值计算方法的选取 |
| 第三章 实物期权视角下矿业投资最佳时机研究 |
| 3.1 传统矿业投资主流决策方法局限性分析 |
| 3.1.1 传统矿业投资主流决策方法的基本假定 |
| 3.1.2 传统矿业投资主流决策方法的局限性分析 |
| 3.2 矿业投资静态净现值与矿业投资项目价值确定 |
| 3.2.1 矿业投资项目价值组成 |
| 3.2.2 矿业投资静态净现值定量描述 |
| 3.2.3 矿业投资项目价值确定 |
| 3.3 无突发事件条件下矿业投资最佳时机确定 |
| 3.3.1 模型基本假设 |
| 3.3.2 模型构建与求解 |
| 3.3.3 无突发事件条件下矿业投资最佳时机决策模型参数分析 |
| 3.4 有突发事件情形下矿业投资最佳时机决策模型 |
| 3.4.1 矿业投资突发事件分析 |
| 3.4.2 模型构建与求解 |
| 3.4.3 有突发事件情形下矿业投资最佳时机决策模型参数分析 |
| 第四章 应用研究 |
| 4.1 大发矿业公司概况 |
| 4.1.1 大发矿业公司简介 |
| 4.1.2 大发矿业公司经营状况 |
| 4.2 大发矿业公司运用实物期权进行投资时机决策应考虑的因素 |
| 4.3 该矿业公司的矿业项目相关数据 |
| 4.3.1 矿业项目投资时机的确定 |
| 4.3.2 计算结果分析 |
| 第五章 研究结论与展望 |
| 5.1 主要研究工作 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
四、连续复利型E-V风险下的证券投资模型（论文参考文献）
- [1]基于改进的FCFF模型对上市证券公司的企业价值评估[D]. 郝雪芳. 浙江大学, 2020(02)
- [2]考虑流动性的投资组合模型及实证[D]. 贾欣. 广西大学, 2018(01)
- [3]“和萃2016年第一期不良资产支持证券”信用风险的度量与防范[D]. 王文倩. 中南财经政法大学, 2018(08)
- [4]A股市场“风格现象”研究 ——风格动量、风格轮动以及风格策略[D]. 黄旭成. 上海交通大学, 2018(01)
- [5]资产定价偏差分析 ——基于风险与收益不对称视角[D]. 王兴运. 辽宁大学, 2016(02)
- [6]连续复利在投资决策中的简单应用[J]. 张金燕. 经贸实践, 2016(07)
- [7]投资者心理与市场约束下动态投资组合保险策略研究[D]. 丁钊鹏. 对外经济贸易大学, 2015(05)
- [8]增长投资风格与策略研究[D]. 陆士杰. 上海交通大学, 2014(07)
- [9]基于PSO的神经网络优化证券投资组合方法研究[J]. 黄招娣,应宛月,余立琴,肖祥阔,罗佳. 华东交通大学学报, 2013(02)
- [10]基于实物期权理论的矿业投资时机研究[D]. 杨梅. 中南大学, 2012(05)