1.1研究目的及意义

在投资管理中，最重要的决策就是在不同资产类型之间配置资金。现代资产组合理论由美国纽约市立大学巴鲁克学院的经济学教授马柯维茨提出，将概率论和线性代数的方法应用于证券投资组合的研究，探讨不同类别的、运动方向各异的证券之间的内在相关性。资产组合理论研究的就有投资者在权衡收益与风险的基础上最大化自身效用的方法。其本质内容是关于金融资产风险的准确度量和金融资产的有效配置。

资产证券化是连接实体经济、信贷市场、保险市场和资本市场的一种金融工具，如果使用得当，将会优化金融资源配置，更好地支持实体经济发展。美国资产证券化产品的发行量长期以来与美国国债不相伯仲。中国资产证券化市场正式起步于2005年，截至目前已发展了十多年，经过前期的制度建设、市场培育和创新实践，资产证券化市场目前已具备良好的发展基础。而且我国作为世贸组织的一员，金融市场和全球经济的联动性会越来越强，金融环境将变得更加复杂和难以预测，金融资产的时变性更强，原来有效的资产组合可能不再有效了，因此，针对指定的短期未来时间线上进行风险的预测从而对资产组合做出调整显得尤为重要。如果能够通过（半）自动化的程序对未来风险进行预测，实现分散化投资降低风险的目的，使资源得到有效配置，能引导我国资本市场的健康发展；而这就需要结合数据科学和新的算法以适应和处理随时间变化的大量金融数据。因此，本课题十分具有研究的价值。

1.2国内外研究现状

弗兰克J.法博奇在《固定收益证券分析》里介绍了现代债券市场里的基本概念以及收益和风险的多维度决定因素。书中讲解了两种最基础的方法计算利率风险：全面估价法和久期/凸性法：全面估价法需要在给定的利率变化情况中对债券投资组合进行重新估价，但是用哪一种情境来评估利率风险是经常会出现的问题；久期是收益率变动1%引起的价格变动百分比的估计值，但因为对于凸性的曲线，无论收益率变动的数值是多少，切线总会低估无期债权的新价格，所以使用久期会低估债券的实际价格，这两种方法都因为假设条件而有其使用的局限性。目前我国对市场风险的控制主要还在对交易清算流动性的监管，难以实现金融资产的有效配置和市场风险的控制。

1952年3月马柯维茨在《金融杂志》发表了题为《资产组合的选择》的论文，并于1959年出版了《证券组合选择》一书，详细论述了证券组合的基本原理，为现代西方证券投资理论奠定了基础。他提出利用均值来度量投资的收益，利用方差来度量投资的风险，从而建立著名的均值-方差投资组合模型。均值-方差投资组合理论使证券投资组合理论步入定量研究的时代。均值-方差投资组合模型需要输入的两个参数，均值向量和协方差矩阵，在实际中都是未知的。Michaud（1989)指出均值-方差投资组合模型优化求解过程中输入投资组合中的所选股票收益率序列均值向量和协方差矩阵都是估计值并非是其真实值，造成输入参数本身存在估计误差，由于这些输入参数估计误差的积累，导致我们所得的最优投资组合的风险被大大低估了，并将其称为估计误差最大化Best和Grauer (1991)同样指出该优化过程的结果对输入的参数非常敏感，并且输入参数的任何细微地变化都会有可能导致其结果的显着变化。

Sharp(1963)在均值-方差投资组合模型的基础上提出了单指数模型，该模型需要估计的参数数量相比于均值-方差投资组合模型减少了，使得均值-方差投资组合模型大大简化，而且使得该模型的计算复杂度大大降低了，但单指数模型得到的结果没有均值-方差投资组合模型那么精确，将会损失模型的精确度。Sharpe （1964）, Limner （1965）和Mossion（1966）等人在单指数模型的基础上提出了著名的资本资产定价模型(Capital Asset-pricing Model, CAPM)，他们认为在市场出清的情况下，所有的投资者选择市场证券与无风险资产的线性组合可以有效降低风险。Ross C 1976)提出了著名的套利定价理论(Arbitrage PricingTheory, APT，由于APT模型中没有CAPM模型那么严格的假设条件，因此相比于CAPM模型具有一定的优势。

随着研究学者对金融数据的不断深入研究，发现收益率的波动不仅随时间变化，而且经常出现聚集现象，也就是说金融数据的方差不是恒定不变的，因此利用传统的估计方法行不通。于是研究者们想到利用时间序列模型来估计收益率数据。许多研究学者都提出了基于样本协方差矩阵的收缩估计来估计协方差矩阵，可是金融研究者发现金融数据的波动不仅会随着时间t变化，而且经常出现聚集现象，也就是说收益率的波动不是一成不变。利用传统的统计学方法去估计协方差矩阵并不合理，它们不可能很好地刻画金融收益率数据波动的时变性和聚集现象。

Bollerslev利用VECH模型研究多变量的波动，然而该模需要估计的参数过多，并且估计过程复杂，计算成本较大。R.Engle提出了ARCH模型，是对将波动率定义为条件标准差，第一次提出的波动率的理论模型；有可以产生波动率聚集和扰动具有厚尾分布的额优点，但模型中正的扰动和负的扰动对波动率影响相同的情况与实际的资产收益率中正负扰动对波动率影响不同有出入，而且对模型参数有较严格的约束条件，只能描述条件方差的变化但不能解释变化原因。

在近几十年中，有许多的研究学者建议利用多元GARCH模型来估计收益率的协方差矩阵。虽然在低维金融收益率数据时，多元GARCH模型估计协方差矩阵的效果比较理想。但是在高维金融收益率数据时，多元GARCH模型就会出“维数灾难”、计算成本过高等问题，而且我们也很难得到多元GARCH模型的精准的参数估计值，从而影响模型对协方差矩阵的估计效果，导致这些多元GARCH模型在实际应用范围受到了极大的限制。