指数模型公式

6指数模型及其应用

6.1单指数模型

在马科维茨的均值-方差模型的讨论中，各资产间的协方差我们可以作任何假定，它们可以是由资产间存在的任意数量和种类的关系产生，而且在计算风险时所用的公式

?2(rP)?XTVX中，我们必须对所选择的资产间的协方差进行估计。如果资产数目太大，

我们就必须进行大量的协方差估计，使得在计算任一给定投资组合的方差时，需要花费大量时间。这是使用上节中的马柯维茨模型所存在的问题。

在E(rP)??xE(r)，?iii?1n2P??x???2i2ii?1nni?1k?1,k?i?xx?iknik?i?k公式中，这里的数学公

式告诉我们，如果投资者考虑的是由n个资产构成的组合，那么在求解有效资产组合时，需要掌握三个方面的基本数据：

（1）每一资产的平均收益率E(ri)，共需n个； （2）每一资产收益方差?i2，共需n个；

（3）每一对资产之间的相关系数?ik，共需n*(n-1)/2个。

总计需要2n+ n*(n-1)/2个基础性数据。对于每天追踪30~50种股票的投资机构来说，每天需要处理495~1325个数据；对于每天追踪150-250种股票的投资机构来说，每天需要处理11475~31625个数据；显然，这对各种投资者来说都是一

应用案例1

第一节 模型设定

结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个

研究实例作为说明，使用Amos7软件进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。

2

一、模型构建的思路

本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。

二、潜变量和可测变量的设定

本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。

模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

应用案例1

第一节 模型设定

结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个

研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。

一、模型构建的思路

本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。

二、潜变量和可测变量的设定

本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。

模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

应用案例1

第一节 模型设定

结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个

研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。

一、模型构建的思路

本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。

二、潜变量和可测变量的设定

本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。

模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

应用案例1

第一节 模型设定

结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个

研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。

一、模型构建的思路

本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。

二、潜变量和可测变量的设定

本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。

模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。

表7-1

基于指数模型的现代资产组合理论评述

西安石油大学学报(社会科学版)经济学

基于指数模型的现代资产组合理论评述

姚小剑

(西安石油大学经济管理学院,陕西西安710065)

摘　要:从指数模型的视角出发,通过对指数模型的产生背景、内容及应用的描述,分别介绍了现代资产组合理论中的马科维茨均值———方差模型、指数模型、资本资产定价模型以及套利定价理论等重要内容,明晰了指数模型与这些理论的关系,阐述了指数模型在现代资产组合理论中的重要地位。

关键词:指数模型;现代资产组合理论;资本市场均衡

中图分类号:F830.9　　文献标识码:A　　文章编号:1008-5645(2010)02-0038　

0　引　言

资产组合理论是研究在不确定情况下,,以寻求整体风险与收益之间最优均衡关系的方法。20,如“,,因而不能被称为科学。直至1952年马,揭示了投资分散化原则,才使投资决策走,标志着现代资产组合理论的诞生。

1　指数模型的产生背景

马科维茨1952年提出了资产组合的均值———方差模型,用数学期望表示资产收益率,用方差量化资产风险。由于投资效用是收益率和方差的函数,所以理性的投资者总是追求风险一定、收益最高,或收益一定、风险最小的投资组合,最终使其风险与收益达到平衡,实现投资组合的

§2.8 函数模型及其应用 基础知识要点梳理1.三种增长型函数模型的图象与性质 性 函 数 y=ax (a>1) y=logax (a>1) _______ 增函数 y=xn (n>0) ________ 增函数

自主学习

质 在(0,+∞)上 ________ 增函数 的增减性

增长速度

越来越快 越来越慢 相对平稳 ________ ________

随x增大逐渐 随x增大逐 随n值变 表现为与 渐表现为与 化而不同 图象的变化 x轴 ______平行 ______平行 y轴2.三种增长型函数之间增长速度的比较

(1)指数函数y=ax (a>1)与幂函数y=xn (n>0)在区间(0,+∞),无论n比a大多少，尽管在x的一定 范围内ax会小于xn,但由于y=ax的增长速度_____y=xn 快于 的增长速度,因而总存在一个x0,当x>x0时有_______. ax>xn

(2)对数函数y=logax (a>1)与幂函数y=xn (n>0)

对数函数y=logax (a>1)的增长速度，不论a与n值的大小如何总会______y=xn的增长速度,因而在定义域 慢于 logax

14.1 平稳随机信号的参数模型

经典功率谱估计方法的方差性能较差，分辨率较低。 方差性能差的原因是无法实现功率谱密度原始定义中 的求均值和极限的运算。 分辨率低的原因，对周期图法是假定了数据窗以外的 数据全为零，对自相关法是假定了在延迟窗以外的自 相关函数全为零。

思路： (1)假定所研究的过程x(n)是由一个输入序列 u(n)激励一个线性系统H(z)的输出。

(2)由已知的x(n),或其自相关函数rx(m)来估 计H(z)的参数 (3)由H(z)的参数来估计x(n)的功率谱

对图1所示系统， u(n)和 x(n)总有如下关系：p q

x(n) ak x n k bk u n k ——(1.1)及k 1 k 0

x n h k u n k ——(1.2)k 0

对上面两式两边分别取Z变换，并令b0=1,则有B z H z ——(1.3) A z

其中，

A z 1 ak z kk 1 q

p

B z 1 bk z kk 1

H z h k z kk 0

为了保证H(z)是一个稳定的且是最

14.1 平稳随机信号的参数模型

经典功率谱估计方法的方差性能较差，分辨率较低。 方差性能差的原因是无法实现功率谱密度原始定义中 的求均值和极限的运算。 分辨率低的原因，对周期图法是假定了数据窗以外的 数据全为零，对自相关法是假定了在延迟窗以外的自 相关函数全为零。

思路： (1)假定所研究的过程x(n)是由一个输入序列 u(n)激励一个线性系统H(z)的输出。

(2)由已知的x(n),或其自相关函数rx(m)来估 计H(z)的参数 (3)由H(z)的参数来估计x(n)的功率谱

对图1所示系统， u(n)和 x(n)总有如下关系：p q

x(n) ak x n k bk u n k ——(1.1)及k 1 k 0

x n h k u n k ——(1.2)k 0

对上面两式两边分别取Z变换，并令b0=1,则有B z H z ——(1.3) A z

其中，

A z 1 ak z kk 1 q

p

B z 1 bk z kk 1

H z h k z kk 0

为了保证H(z)是一个稳定的且是最

微分方程模型（动态模型） 微分方程模型（动态模型） 在研究某些实际问题时， 在研究某些实际问题时，经常无法直接得到各变量 之间的联系， 之间的联系，问题的特性往往会给出关于变化率的一些 关系。利用这些关系， 关系。利用这些关系，我们可以建立相应的微分方程模 在自然界以及工程技术领域中， 型。在自然界以及工程技术领域中，微分方程模型是大 量存在的。它甚至可以渗透到人口问题以及商业预测等 量存在的。 领域中去，其影响是广泛的。 领域中去，其影响是广泛的。 ? 随时间(空间)变化的数量关系 随时间(空间) ? 微分方程: 含有未知函数的导数(或微分)的方程 微分方程: 含有未知函数的导数(或微分) ? 例: 人口模型 、种群竞争模型 1
动态模型的作用： 动态模型的作用： ? 描述对象特征随时间 空间 的演变过程 描述对象特征随时间(空间 空间)的演变过程 ? 分析对象特征的变化规律 ? 预报对象特征的未来性态 ? 研究控制对象特征的手段
微分方程建模的方法： 微分方程建模的方法： ? 根据函数及其变化率之间的关系确定函数 根据函数及其变化率 变化率之间的关系确定函数 ? 根据建模目的和问题分析作出简化假设 内在规律或用类比法建立微分方程 ? 按照内