基于期权信息的预测与投资组合选择研究

Motivated by the real applications, this project studies the role of options in forecasting the underlying asset’s numerical characters and constructing portfolio strategy. In the literature, neither option-implied information nor high frequency historical data are fully used when predicting the underlying asset’s numerical characters. And only static models are considered when constructing portfolio strategy with options. To overcome these shortages, we aim to conduct a series of research. First, we forecast the underlying asset’s return by simultaneously considering different types of option-implied information, and construct the price model of the underlying asset. Second, we forecast the underlying asset’s volatility by combing high frequency historical data and low frequency option-implied information, and then construct the VIX index for Chinese stock market. Third, under the frameworks of expected utility maximization, mean-variance, mean-CVaR and prospect theory, we study the dynamic portfolio selection problem with options. Two most prominent innovations of this project are the combination of high frequency information and low frequency information in forecasting, and the comparison of dynamic strategy and static strategy in portfolio selection. The results of this project will promote the development of mathematical finance, clarify the connection between the option market and the underlying asset market, and promote the development of option related products in China.

本项目从实践应用出发研究期权在预测基本资产数字特征和构建投资组合中的作用。现有文献中，基于期权信息的预测研究往往只集中分析一两个特定指标的作用，且缺乏对高频历史数据的利用；而包含期权产品的投资组合研究大多只考虑静态投资组合模型。针对这些不足，本项目拟开展一系列的研究工作：综合利用各种期权信息共同预测基本资产回报率，并构建基本资产价格模型；综合利用高频历史数据和低频期权信息预测基本资产波动率，并构建有代表性的中国股票市场VIX指数；在期望效用最大化、均值-方差、均值-CVaR和展望理论框架下，开展利用期权信息的基本资产投资组合分析，及包含期权产品的动态投资组合分析。本项目最突出的两个创新点是：在预测中，注重高频信息和低频信息的结合；在投资组合选择中，关注动态策略与静态策略的对比。研究成果能够推动数理金融的发展，帮助投资者厘清期权市场与基本资产市场的联系，为我国期权类产品的研发提供建议。

近几年，期权产品的出现丰富了我国金融市场。如何有效的利用期权信息开展基本资产统计性质分析并改进投资组合效果具有非常重要的理论意义和现实价值。按照项目研究计划，本课题着重研究了如何利用期权信息进行基本资产统计性质的预测和投资组合优化。具体来说，我们从期权价格和交易数据中提取了期权信息指标，并结合高频基本资产历史数据，构建了多个更加准确的基本资产波动率模型；在秩依赖期望效用最大化框架下，从期权数据中提取了概率扭曲强度指标，并从理论和实证两个方面分析了概率扭曲强度在资产定价（尤其是系统性风险定价）中发挥的作用；对动态均值-方差、均值-CVaR模型进行了细致的讨论，求得了在复杂多变的动态投资环境下的投资策略方案；构建了基于仿真模拟和资产动态变化规律的投资组合模型，得到了相应的最优投资策略；将动态投资组合分析的部分结果应用于运营管理领域中企业销售人员的激励机制设计。本课题的研究成果丰富了包含期权信息的基本资产回报率和波动率模型，揭示了投资者对小概率事件的看法在资产定价中的作用，推动了动态投资组合研究的发展。