家庭金融资产最优配置行为决策

《家庭金融资产最优配置行为决策》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10327学号：1120150289硕士学位论文家庭金融资产最优配置行为决策学院：金融学院专业：金融学研究方向：证券组合投资与风险管理学位类型：学术型硕士姓名：蒋海雯指导教师：郭文旌教授完成日期：2018年6月10日答辩日期：2018年6月12日BEHAVIORALCHOICEFOROPTIMALALLOCATIONOFHOUSEHOLDFINANCIALASSETSADissertationSubmittedtoNanjingUniversityofFinanceandEconomicsFortheAcademicDegreeofMasterofEconomicsBYJ

2、iangHaiwenSupervisedbyProfessorGuoWenjingSchoolofFinanceNanjingUniversityofFinanceandEconomicsJune2018学位论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：日期：学位论文使用授权声明本人完全了解南京财经大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；

3、学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：导师签名：日期：摘要随着我国家庭可投资资产的不断增加，家庭开始考虑如何将家庭金融资产进行更为合理配置，以提高家庭的财富水平。本文从家庭角度出发，研究家庭的最优投资和投保策略问题，以求使得整个家庭的效用最大化。目前，国内研究家庭资产最优配置的文章大多以定性分析为主，而国外研究家庭资产配置的文献都以期望效用最大化模型为基础，假设决策者是理性的。然而，在现实生活中，投资者并非是完全理性的。所以本文考虑了家庭决策者的行为特质，以求出更符合家庭行为特质的最优投资和人寿保险投保决

4、策。本文在构建模型假设的前提下，考虑风险厌恶型和损失厌恶型两类不同行为特质的投资家庭，建立家庭投资和保险决策的最优化动态模型。然后，运用鞅方法和复制技术求解出最优投资和人寿保险购买策略，并对最优策略进行性质分析及数值模拟，以求出相关参数对家庭最优配置策略的复杂影响。同时，将两类家庭的最优配置策略进行对比，分析了两者之间的差异。根据分析得出结论：面对未来的不确定性时，两类家庭都倾向于选择提前获得未来资产来进行投资，以提高家庭的财富。同时，两类家庭最优投资策略与最优投保策略关于相关变量的相关性大都相同。但是，在较长的投资期下，损失厌恶型家庭在投资前期较风险厌恶型家庭更为激进。而且，由于

5、参考点的存在，损失厌恶型家庭的家庭全部财富，随家庭收入者年龄增长的下降速度要慢于风险厌恶型家庭。最后，根据结论给出了两类家庭金融资产最优配置方面的建议，以及金融机构理财创新方面的建议。关键词：组合投资；人寿保险；损失厌恶；鞅方法IABSTRACTWithincreasinginvestableassetsoffamilyinChina,familiesstarttothinkabouthowtorationallyallocatetheirhouseholdassets,soastoimprovethelevelofwealth.Fromtheperspectiveoffamily

6、,thispaperstudiestheoptimalportfolioselectionandlifeinsurancepurchasingstrategyoffamily,inordertomaximizeitsutility.Atpresent,thedomesticstudiesofoptimalallocationofhouseholdassetsaremostlyqualitativeanalysis.Meanwhile,studiesabroadareallbasedontheexpectedutilitymaximizationmodel,assumingthatd

7、ecisionmakersarerational.Inreallife,however,investorsarenotcompletelyrational.So,thispapertakesfamilybehavioralcharacteristicsintoaccount,soastoworkoutoptimalinvestmentandlifeinsurancepurchasedecisionsthatbettermeetthereality.Basedonpre