基于Tsallis相对熵风险的金融投资组合

应用经济学4，209【15】Dionisio A，Menezes R和Mendes D A，2006金融市场不确定性分析的经济物理学方法：对葡萄牙股市的应用，欧洲物理杂志B，50，161【16】Maasoumi E和Racine J，2001股票市场回报的熵和可预测性，计量经济学杂志107，291【17】Zhou R，Cai R和Tong G，2013，熵在金融中的应用：综述，熵，15，4909【18】Lassance N和Vrins F，2018年最小Rényi熵投资组合，arXiv:1705.05666v4【19】Ormos M和Zibriczky D，2002年基于熵的金融资产定价，PLoS ONE 9，1【20】Tsallis C，1998年基于熵的一致性测试广义标准，物理评论E 58，1442【21】Kullback S，1959年信息理论与统计（纽约，威利）[22]Tsallis C，Anteneodo C，Borland L和Osorio R，2003年非扩展统计力学与经济学，Physica A，324，89[23]Osorio R，Borland L和Tsallis C，2004年高频股市可观测分布，非扩展熵：跨学科应用（纽约；牛津大学出版社，编辑）。

Tsallis C和Gell Mann M）[24]Tsallis C，2000非扩展统计力学导论（纽约；Springer）Tsallis基于相对熵的投资组合17[25]Mantegna R N和Stanley H E，2000经济物理学导论：金融中的相关性和复杂性（剑桥；剑桥大学出版社）[26]Devi S，2017金融市场动力学：是否超扩散？《统计力学杂志：理论与实验》，2017，083207【27】Shalizi C R，2007年q指数（Tsallis）分布的最大似然估计，arXiv：数学/0701854【28】Furuichi S，Yanagi K和Kuriyama K，2004年Tsallis相对熵的基本性质，《数学物理杂志》，45，4868【29】Massey F J，1951年《Kolmogorov-Smirnov拟合优度检验》，美国统计协会杂志，46，68【30】Iliopoulos A C，Pavlos G P，Magafas L，Karakatsanis L，Xenakis M和Pavlos E，2015年Tsallis q-triplet和股市指数：标准普尔500和TVIX的案例，《工程科学与技术评论杂志》，8，34【31】Stosic D，Stosic D，Ludermir T B和Stosic T，2018年加密货币交易中的非广义三联体，Physica A，统计力学及其应用，5051069Tsallis基于相对熵的投资组合18图1。每月标准化百分比收益率分布与高斯分布（蓝色实线）的比较，高斯分布与数据具有相同的平均值和标准偏差（黑点）。（a） 1995年1月至2017年1月期间的标准普尔500指数和（b）同期的纳斯达克指数。Tsallis基于相对熵的投资组合19图2。-高斯拟合标准普尔500指数和标准普尔500指数和纳斯达克随机选择的五只股票的月收益率分布。

股票的股票代码显示在每个相应的数字上。时间为1995年1月至2017年1月。Tsallis基于相对熵的投资组合20图3。投资组合的月平均超额收益与使用程序I考虑的四个风险指标相比。参考市场指数为标准普尔500指数。标准普尔500指数股票构成的投资组合。每个投资组合中的股票数量为25只。数据间隔2000-2018。Tsallis基于相对熵的投资组合21图4。程序I中四个风险衡量指标的表现作为组合中证券数量的函数（多样化）。Tsallis相对熵基础投资组合22图5。程序I 2000-2018年调查期间的q变化。Tsallis基于相对熵的投资组合23图6。在2000-2009年和2009-2018年这9年的较短时期内，投资组合的平均月度超额收益与四种风险度量的比较，步骤I.Tsallis基于相对熵的投资组合24图7。程序II中，每个五年窗口中用于投资组合构建的股票数量，与每个窗口的最后一年相对应。Tsallis基于相对熵的投资组合25图8。与程序II的图3相同。Tsallis基于相对熵的投资组合26图9。与程序II的图6相同。