如果你也在 怎样代写利率理论portfolio theory这个学科遇到相关的难题，请随时右上角联系我们的24/7代写客服。

现代投资组合理论（MPT）指的是一种投资理论，它允许投资者组建一个资产组合，在给定的风险水平下实现预期收益最大化。该理论假设投资者是规避风险的；在给定的预期收益水平下，投资者总是喜欢风险较小的投资组合。

couryes-lab™ 为您的留学生涯保驾护航 在代写利率理论portfolio theory方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写利率理论portfolio theory代写方面经验极为丰富，各种代写利率理论portfolio theory相关的作业也就用不着说。

我们提供的利率理论portfolio theory及其相关学科的代写，服务范围广, 其中包括但不限于:

• Statistical Inference 统计推断
• Statistical Computing 统计计算
• Advanced Probability Theory 高等概率论
• Advanced Mathematical Statistics 高等数理统计学
• (Generalized) Linear Models 广义线性模型
• Statistical Machine Learning 统计机器学习
• Longitudinal Data Analysis 纵向数据分析
• Foundations of Data Science 数据科学基础

金融代写|利率理论代写portfolio theory代考|VARIANCE OF COMBINATIONS OF ASSETS

This simple analysis has taken us partway toward an understanding of the choice between risky assets. However, the options open to an investor are not simply to pick between assets $1,2,3,4$, or 5 in Table $4.3$ but also to consider combinations of these five assets. For example, an investor could invest part of her money in each asset. While this opportunity vastly increases the number of options open to the investor and hence the complexity of the problem, it also provides the raison d’être of portfolio theory. The risk of a combination of assets is very different from a simple average of the risk of individual assets. Most dramatically, the variance of a combination of two assets may be less than the variance of either of the assets themselves. In Table $4.4$, there is a combination of asset 2 and asset 3 that is less risky than asset 2 .

Let us examine this property. Assume an investor has $\$ 1$ to invest. If he selects asset 2 and the market is good, he will have at the end of the period $\$ 1+0.16=\$ 1.16$. If the market’s performance is average, he will have $\$ 1.10$, and if it is poor, $\$ 1.04$. These outcomes are summarized in Table 4.4, along with the corresponding values for the third asset. Consider an alternative. Suppose the investor invests $\$ 0.60$ in asset 2 and $\$ 0.40$ in asset 3. If the condition of the market is good, the investor will have $\$ 0.696$ at the end of the period from asset 2 and $\$ 0.404$ from asset 3 , or $\$ 1.10$. If the market conditions are average, he will receive $\$ 0.66$ from asset $2, \$ 0.44$ from asset 3 , or a total of $\$ 1$.10. By now the reader might suspect that if the market condition is poor, the investor still receives $\$ 1.10$, and this is, of course, the case. If the market condition is poor, the investor receives $\$ 0.624$ from his investment in asset 2 and $\$ 0.476$ from his investment in asset 3 , or $\$ 1$.10. These possibilities are summarized in Table $4.4$.

This example dramatically illustrates how the risk of a portfolio of assets can differ from the risk of the individual assets. The deviations on the combination of the assets were zero because the assets had their highest and lowest returns under opposite market conditions. This result is perfectly general and not confined to this example. When two assets have their good and poor returns at opposite times, an investor can always find some combination of these assets that yields the same return under all market conditions. This example illustrates the importance of considering combinations of assets rather than just the assets themselves and shows how the distribution of outcomes on combinations of assets can be different than the distributions on the individual assets.

金融代写|利率理论代写portfolio theory代考|Bond Stock Allocation

One of the major decisions facing an investor is the allocation of funds between stocks and bonds. To make this allocation, one needs to have estimates of mean returns, standard deviations of return, and either correlation coefficients or covariances. To estimate these variables, it is useful to begin by looking at historical data. Even in allocating among managed portfolios, it is useful to start by assuming that the stock and bond portfolio managers you are allocating between have performance similar to that of broad representative indexes.

The standard source for historical data is Ibbotson (2011). We have selected two indexes: a stock and a corporate bond. The stock index is a value-weighted index of the $20 \%$ of stocks on the NYSE with the largest market value. Value weighting means that the weight of the portfolio each stock represents is the market value of that stock (price times number of shares) divided by the aggregate market value of all shares in the index. Thus the largest stocks are weighted more heavily.
The bond index is an index of corporate bond returns. The historical data are
$$
\begin{array}{ll}
\bar{R}{S}=11.8 \% & \sigma{S}=20.3 \% \quad \rho_{s B}=.01 \
\bar{R}{B}=6.4 \% & \sigma{B}=8.4 \%
\end{array}
$$
The means and standard deviation of return for combinations of stocks and bonds varying from $100 \%$ in stocks, which is $X_{S}=1$ and $X_{B}=0$, to $0 \%$ in stocks are presented in Table 4.10. Note that the expected return varies linearly from $11.8 \%$ to $6.4 \%$ as we decrease the amount in the S\&P and increase it in bonds. Also, the risk decreases as we put more in bonds, but not linearly. Figure $4.4$ shows the various choices diagrammatically.

利率理论代考

金融代写|利率理论代写portfolio theory代考|VARIANCE OF COMBINATIONS OF ASSETS

这种简单的分析使我们对风险资产之间的选择有了一定的了解。然而，对投资者开放的选择不仅仅是在资产之间进行选择1,2,3,4, 或表中的 54.3还要考虑这五种资产的组合。例如，投资者可以将她的部分资金投资于每项资产。虽然这个机会大大增加了对投资者开放的选择的数量，从而增加了问题的复杂性，但它也提供了投资组合理论的存在理由。资产组合的风险与单个资产风险的简单平均有很大不同。最引人注目的是，两种资产组合的方差可能小于任何一种资产本身的方差。在表中4.4，资产 2 和资产 3 的组合风险低于资产 2 。

让我们检查一下这个属性。假设投资者有$1投资。如果他选择资产 2 并且市场是好的，他将在期末拥有$1+0.16=$1.16. 如果市场表现一般，他将有$1.10，如果它很穷，$1.04. 表 4.4 总结了这些结果以及第三项资产的相应值。考虑一个替代方案。假设投资者投资$0.60在资产 2 和$0.40在资产 3. 如果市场状况良好，投资者将拥有$0.696在资产 2 的期末和$0.404来自资产 3 ，或$1.10. 如果市场条件一般，他将获得$0.66从资产2,$0.44来自资产 3 ，或总共$1.10. 现在读者可能会怀疑，如果市场状况不佳，投资者仍然会收到$1.10，当然，情况就是这样。如果市场状况不佳，投资者将获得$0.624来自他对资产 2 的投资和$0.476来自他对资产 3 的投资，或$1.10. 表中总结了这些可能性4.4.

这个例子极大地说明了资产组合的风险与单个资产的风险有何不同。资产组合的偏差为零，因为资产在相反的市场条件下具有最高和最低的回报。这个结果是完全一般的，并不局限于这个例子。当两种资产在相反的时间有好坏的回报时，投资者总能找到这些资产的某种组合，在所有市场条件下产生相同的回报。这个例子说明了考虑资产组合而不仅仅是资产本身的重要性，并展示了资产组合的结果分布如何不同于单个资产的分布。

金融代写|利率理论代写portfolio theory代考|Bond Stock Allocation

投资者面临的主要决定之一是在股票和债券之间分配资金。为了进行这种分配，需要估计平均回报、回报的标准差以及相关系数或协方差。要估计这些变量，从查看历史数据开始很有用。即使在管理投资组合之间进行分配时，首先假设您分配的股票和债券投资组合经理的表现与广泛的代表性指数的表现相似也是有用的。

历史数据的标准来源是 Ibbotson (2011)。我们选择了两个指数：股票和公司债券。股票指数是价值加权指数20%纽约证交所市值最大的股票。价值加权意味着每只股票所代表的投资组合的权重是该股票的市值（价格乘以股票数量）除以指数中所有股票的总市值。因此，最大的股票权重更大。
债券指数是公司债券收益的指数。历史数据是

R¯小号=11.8%p小号=20.3%rs乙=.01 R¯乙=6.4%p乙=8.4%
股票和债券组合的收益均值和标准差100%在股票中，即X小号=1和X乙=0， 至0%库存在表 4.10 中列出。请注意，预期回报与11.8%至6.4%当我们减少标准普尔的金额并增加债券的金额时。此外，随着我​​们投入更多债券，风险会降低，但不是线性的。数字4.4以图形方式显示各种选择。

统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。

金融工程代写

金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题，以及设计新的和创新的金融产品。

非参数统计代写

非参数统计指的是一种统计方法，其中不假设数据来自于由少数参数决定的规定模型；这种模型的例子包括正态分布模型和线性回归模型。

广义线性模型代考

广义线性模型（GLM）归属统计学领域，是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。

术语 广义线性模型（GLM）通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归，以及方差分析和方差分析（仅含固定效应）。

有限元方法代写

有限元方法（FEM）是一种流行的方法，用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。

有限元是一种通用的数值方法，用于解决两个或三个空间变量的偏微分方程（即一些边界值问题）。为了解决一个问题，有限元将一个大系统细分为更小、更简单的部分，称为有限元。这是通过在空间维度上的特定空间离散化来实现的，它是通过构建对象的网格来实现的：用于求解的数值域，它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统，以模拟整个问题。然后，有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。

tatistics-lab作为专业的留学生服务机构，多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务，包括但不限于Essay代写，Assignment代写，Dissertation代写，Report代写，小组作业代写，Proposal代写，Paper代写，Presentation代写，计算机作业代写，论文修改和润色，网课代做，exam代考等等。写作范围涵盖高中，本科，研究生等海外留学全阶段，辐射金融，经济学，会计学，审计学，管理学等全球99%专业科目。写作团队既有专业英语母语作者，也有海外名校硕博留学生，每位写作老师都拥有过硬的语言能力，专业的学科背景和学术写作经验。我们承诺100%原创，100%专业，100%准时，100%满意。

随机分析代写

随机微积分是数学的一个分支，对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。

时间序列分析代写

随机过程，是依赖于参数的一组随机变量的全体，参数通常是时间。 随机变量是随机现象的数量表现，其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，12小时，7天，1年），因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中，往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录，以得到其自身发展的规律。

回归分析代写

多元回归分析渐进（Multiple Regression Analysis Asymptotics）属于计量经济学领域，主要是一种数学上的统计分析方法，可以分析复杂情况下各影响因素的数学关系，在自然科学、社会和经济学等多个领域内应用广泛。

MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中，其中问题和解决方案以熟悉的数学符号表示。典型用途包括：数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发，包括图形用户界面构建MATLAB 是一个交互式系统，其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题，尤其是那些具有矩阵和向量公式的问题，而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问，这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展，得到了许多用户的投入。在大学环境中，它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域，MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要，工具箱允许您学习和应用专业技术。工具箱是 MATLAB 函数（M 文件）的综合集合，可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。