风险-收益分析-理性投资的理论与实践-(第2卷) 本书特色
本书对作者在1959年的经典理论进行了新的阐释。本书主要是关于理性投资者的投资理论和实践的内容，马科维茨认为，在一定的条件下，投资者的投资组合选择可以简化为平衡两个因素，即投资组合的期望回报和方差。此外在本书中，马科维茨也给出了优投资组合问题的实际计算方法。马科维茨的这一研究著作可以在如何合理运用投资资金，如何选择投资组合，以及如何在一定的投资风险水平下获得大的收益等方面为国内的理性投资者提供较好的帮助。
风险-收益分析-理性投资的理论与实践-(第2卷) 目录
目录
丛书序一（厉以宁）
丛书序二（何帆）
译者序
推荐序
前言
第1章
期望效用准则
简介
定义
独特性
期望效用准则的特征
理性决策者和非理性决策者
阿莱悖论
韦伯定律和阿莱悖论
公理
收益的效用是否存在边界
附言
第2章
期望效用的均值方差逼近
简介
为何不只*大化期望效用
收益效用和财富效用
Loistl的错误分析
列维和马科维茨（1979）
高度厌恶风险投资者
高度厌恶风险投资者和无风险资产
看涨期权投资组合
Ederington的二次型与高斯期望收益的渐近性质
其他的开拓者
总结
第3章
均值方差的几何平均值逼近
简介
为什么必须使用算数平均值计算均值方差
几何收益率g的6种均值方差逼近
不同类别资产的观测近似误差
各种逼近方法之间的联系
20世纪实际的权益报酬率
逼近方法的选择
其余三种方法
其余三种方法的选择
回顾
研究总结：如何选择一个*合理的加权平均值
第4章
风险度量方法选择
简介
资产交易数据库
风险度量方法比较
DMS的研究数据
总结
第5章
收益率分布的多种可能状态
简介
贝叶斯因子
转换变量
复合假设
皮尔逊族
DMS的研究数据
近似正态分布
直方图说明
总体样本的近似极大似然分布
各国收益率分布的改变
观测值
建议
注释
参考文献
献词
致谢
本书第2卷、第3卷和第4卷大纲
出版说明
第2卷
丛书序一（厉以宁）
丛书序二（何帆）
译者序
前言
致谢
第6章
投资组合选择的环境
引言
时间结构和今天的选择
利益相关者与“投资者
投资者的角色
分散化的需求和机会：认识到的和未认识到的
议程：分析、评价和决策支持系统
第7章
动态系统建模
引言
定义
EAS?E世界观
建模过程
EAS例子
属性的图形描述
集合的图形描述
进一步的说明
对时间进行描述
同时性
内生事件和内生现象
JLMSim事件
简洁性、复杂性和现实性
SIMSCRIPT的优势
GuidedChoice公司和生命周期博弈
GC决策支持系统（DSS）数据库
模拟程序与决策支持系统（DSS）建模
问题和选项
不同版本的SIMSCRIPT
进程视图
附属实体
SIMSCRIPT Ⅲ的功能
第12章中待续
第8章
博弈论与动态规划
引言
PRWSim（一个可能的真实世界模拟程序）
博弈论中的概念
非“博弈论”博弈
随机策略
多期博弈的效用
动态规划
解井字棋游戏
条件期望值：一个例子
一般情形
分割、信息与动态规划（DP）选择：一个例子
一般化：博弈的两种类型
维数的诅咒
分解、简化、探索和近似
第9章
莫辛萨缪尔森模型
引言
莫辛萨缪尔森(MS)模型及其求解
马科维茨与萨缪尔森之争：背景
滑行路径策略及其基本原理
相对风险规避
GuidedSavings效用函数
资金充裕的情形
一个生命周期博弈效用函数
第10章
作为社会选择的投资组合选择
引言
阿罗悖论
古德曼和马科维茨（GM，1952）定理
理性决策者的社会排序
希尔德雷斯的建议
马科维茨和布莱（MB）公理
算术和几何平均效用
重新审视对称性
尺度调整策略
投票团体
卢斯、雷法和纳什（LRN）选择规则
纳什对称性
一项建议
自由、平等与博爱
第11章
评价和近似
引言
期望效用*大化：精确的、近似的、显式的、隐式的
家庭投资者
马科维茨和范戴克方法
布莱马科维茨NPV分析
TCPA程序
估计PV的均值、方差和协方差
有效边界展示
重新取样的AC/LOC投资组合
TCPA 1?0的假设
超越马科维茨
“桶”：一个简要的文献回顾
“答案”博弈
先有问题，然后才有答案
第12章
未来展望
引言
JSSPG
建议
当前的实践
议程
IBM EAS?E的特性
凤凰涅槃
第7层
SIMSCRIPT M的增强功能
计算：过去、现在和未来
冯·诺依曼（1958）：《计算机与人脑》
计算机与人脑再探
仿真，而非复制
第三种类型的事件调用
进程处理进程
易于并行化的进程
本地资源组
微观和宏观并行化
结语
注释
参考文献
出版说明
风险-收益分析-理性投资的理论与实践-(第2卷) 相关资料
理性颂
曾经有个理性的男子
爱着他理性的妻子
他们养育四个理性的孩子
过着理性的日子
他们有条理性的狗
不停追逐他们理性的猫
理性的猫虽竭尽所能
却总也抓不住非理性的耗子
——哈里 M. 马科维茨
