《基于随机规划的多阶段投资组合选择》是作者近几年来在基于随机规划的多阶段投资决策领域的研究工作的总结，也介绍了该领域其他一些学者的重要研究进展。随机规划理论作为近年来重新备受关注的一种方法，在投资组合选择和金融风险管理方面有重要的应用，利用随机规划的方法刻画金融市场中的不确定性，并在此基础上优化未来多期投资组合正成为学术界关注的重要研究领域之一。《基于随机规划的多阶段投资组合选择》主要基于随机规划的思想和方法来刻画资产的不确定性，对多阶段动态投资组合进行介绍并提出优化投资策略。
　　《基于随机规划的多阶段投资组合选择》可供从事金融数学、金融工程和金融管理研究的科研人员，从事实际投资决策的专业人员以及有关专业的高等院校师生阅读参考。

　　对于金融市场而言，风险和收益是其中最基本的两个概念，也是市场参与者进行投资活动时必须要考虑的两个要素，然而投资者往往都是追求收益、厌恶风险的，因此如何在投资组合的收益和风险间取得相对均衡成为一个重要问题。纵观近几十年的金融市场发展历史不难看出，市场永远都蕴涵着风险，总会有意外发生，尽管会收到收益，但并不代表不会经历风险。历史上，金融市场特别是股票市场上总在经历着或剧烈或相对温和的波动：1987年10月19日被金融业内称为“黑色星期一”，当日全球股市在纽约道琼斯工业平均指数带头暴跌下全面下泻，引发金融市场恐慌，20世纪80年代末的经济衰退随之而来；2003年互联网泡沫破裂，金融市场再次承受重大打击；2008年，随着美国次贷危机的爆发和演化，造成了全球性的金融危机，金融市场再次显现出巨大的风险性和对经济的破坏性。
　　在后金融危机时代，金融市场的波动性和风险更加加剧，特别是在证券市场方面，伴随着全球证券市场之间关联性的深入，如何在资产收益、风险等因素不确定的环境下进行投资组合选择，对金融业内的金融投资机构而言至关重要。随着市场金融业务的深入发展和各种金融衍生产品相继被开发出来，以及数理知识和相关工具在金融领域的广泛应用，以数理量化模型为基础的投资模型受到机构投资者的青睐，量化投资、量化交易、量化基金的概念和事物相继被金融从业者开发出来，不可否认，经典的投资模型给投资者提供了良好的分析市场、控制风险和提高收益的有利工具，但与此同时，机构投资者在真实的金融市场上面临的问题往往比经典投资模型要复杂得多，其原因可以归结为以下几点。
　　（1）不完美的金融市场给交易者带来非线性的成本，在经典的投资组合模型中，往往假设市场是完美的，没有摩擦成本，但是在真实的市场环境中并非如此，往往还包括交易成本、时间成本、冲击成本等。考虑到交易费用、时间成本等因素不仅存在，并且大多呈现非线性的特点，因此在这种情况下应用经典的投资组合模型而收到的效果往往差强人意。
　　（2）金融监管下投资活动受到一定约束。为保障金融市场的良好健康运行，金融监管部门针对市场中存在或潜在的风险而制定了一系列规定，从而为市场交易带来了大量的人为约束，如单账户投资比率限制，单资产投资比率限制等。而在机构投资者的投资活动中，肯定要遵守监管部门的要求，但是传统的投资模型则不一定完全符合这方面的约束，因此需要对模型及其参数进行调整。但考虑到模型的稳健性和计算的便捷性，机构投资者在这一方面对模型的改动并不会非常多。
　　……

第1章 绪论
1．1 研究背景
1．2 本书的主要内容

第2章 基础知识
2．1 投资组合理论介绍
2．1．1 投资组合选择的研究现状
2．1．2 资产组合的收益和风险
2．1．3 均值-方差模型
2．1．4 投资组合的有效边界
2．2 随机规划理论
2．2．1 随机规划理论的发展及应用
2．2．2 模型的一般形式和分类
2．2．3 情景树建模
2．3 本章小结

第3章 基于随机规划的股票市场情景元素生成研究
3．1 问题背景和相关理论基础
3．1．1 情景元素的生成模型
3．1．2 常用的随机情景生成方法
3．1．3 情景树的构造
3．2 基于SV模型生成情景元素
3．2．1 SV模型的构建
3．2．2 SV模型的参数估计
3．3 两种修正的情景树构造方法
3．3．1 基于贝叶斯理论的情景概率修正方法
3．3．2 基于数据单元的情景树构造方法
3．4 基于主观判断的情景元素生成
3．4．1 Black-Lmterman模型简介
3．4．2 Black-Litterman模型说明及结果
3．5 应用实例
3．5．1 基于SV模型构建情景树
3．5．2 基于数据单元构造情景树
3．6 本章小结

第4章 基于随机规划的多阶段组合风险度量
4．1 基于情景树和VaR的投资组合风险度量
4．1．1 VaR定义及计算方法
4．1．2 基于情景树的VaR，风险度量
4．2 基于CVaR的多阶段风险度量
4．2．1 CVaR的定义、计算及性质
4．2．2 CVaR在投资组合中的应用及研究进展
4．2．3 基于CVaR的多阶段组合风险度量
4．3 基于BVaR的多阶段组合风险度量
4．3．1 BVaR的定义、计算及性质
4．3．2 BVaR在投资组合中的应用及研究进展
4．3．3 基于BVaR的多阶段组合风险度量
4．4 三种风险度量方法在投资组合中的对比分析
4．5 本章小结

第5章 基于随机规划的主动型投资组合模型
5．1 基于随机规划和回归分析的多准则多阶段投资组合模型
5．1．1 证券市场的有效性
5．1．2 单指数模型
5．1．3 随机规划模型生成情景
5．1．4 投资组合选择模型的多目标
5．1．5 模型的一般形式
5．2 基于随机规划和投资者行为的投资组合模型
5．2．1 前景理论简介
5．2．2 基础模型的构建
5．2．3 主观概率模型的构建
5．2．4 累积概率模型的构建
5．3 数值算例
5．3．1 样本数据
5．3．2 基于随机规划和回归分析的多准则多阶段投资组合模型
5．3．3 基于随机规划和投资者行为的投资组合模型
5．4 本章小结

第6章 基于随机规划的被动型投资组合模型
6．1 指数跟踪的研究进展
6．2 基于随机规划和绝对偏差最小的指数跟踪模型
6．2．1 基于样本数据的传统指数跟踪模型
6．2．2 基于情景树建立模型
6．3 基于随机规划和限制流动性的指数跟踪模型
6．3．1 金融市场中的指数产品：ETF
6．3．2 模型建立
6．4 数值算例
6．4．1 样本描述及传统模型结果
6．4．2 基于随机规划和绝对偏差最小的投资组合模型
6．4．3 基于随机规划和限制流动性的投资组合模型
6．5 本章小结

第7章 总结和展望
参考文献