C18017S 大類資產(chǎn)配置與財富管理 參考答案

單選題 (共4題,每題10分)?

1 . 資產(chǎn)A收益率6%,風(fēng)險為6%;資產(chǎn)B收益為8%,風(fēng)險8%,且相關(guān)系數(shù)為-1,則平均配置A和B的組合,收益和風(fēng)險分別為(c )。

A.7%,7%

B.10%,7%

C.7%,1%

D.1%,1%

2 . 按照恒定混合策略,如果股票大漲,客戶應(yīng)該如何操作?(b )

A.看好股票市場,繼續(xù)買入股票

B.賣出一部分權(quán)益類品種買入其他,使得各品種占比恢復(fù)到期初情況

C.賣出全部股票,落袋為安

D.持倉保持不動

3 . 下列關(guān)于資產(chǎn)配置的表述,錯誤的是(a )。

A.資產(chǎn)配置按照范圍可以分為戰(zhàn)略性資產(chǎn)配置、戰(zhàn)術(shù)性資產(chǎn)配置和資產(chǎn)混合配置

B.戰(zhàn)術(shù)性資產(chǎn)配置是在戰(zhàn)略資產(chǎn)配置的基礎(chǔ)上根據(jù)市場的短期變化,對具體的資產(chǎn)比例進行微調(diào)

C.不同范圍資產(chǎn)配置在時間跨度上往往不同

D.資產(chǎn)配置按照范圍可以分為全球資產(chǎn)配置、股票及債券資產(chǎn)配置和行業(yè)風(fēng)格資產(chǎn)配置

4 . 資產(chǎn)配置采用的BL模型引入了(d ),結(jié)合歷史數(shù)據(jù),通過優(yōu)化算法,尋找到使得相對來說收益最大化而風(fēng)險最小化的投資組合。這一方法改變

了均值-方差模型,過分依賴資產(chǎn)歷史表現(xiàn),缺乏預(yù)見性的缺陷,將馬科維茨模型最優(yōu)化的結(jié)果與主觀預(yù)期的結(jié)果通過數(shù)學(xué)方法結(jié)合起來,形成一套

完整的資產(chǎn)配置體系。

A.邊際效益

B.標(biāo)準(zhǔn)方差

C.無風(fēng)險收益率

D.周期主觀判斷

多選題(共4題,每題 10分)

1 . 資產(chǎn)配置需要考慮的因素包括(abcde )。

A.影響投資者風(fēng)險承受能力和收益需求的各項因素

B.影響各類資產(chǎn)的風(fēng)險收益狀況以及相關(guān)關(guān)系的資本市場環(huán)境因素

C.資產(chǎn)的流動性特征與投資者的流動性要求相匹配的問題

D.投資期限

E.稅收考慮

2 . 下列關(guān)于資產(chǎn)配置的表述,正確的是(bcd)。

A.資產(chǎn)配置是投資過程中最重要的環(huán)節(jié)之一,對投資組合業(yè)績的貢獻率達到80%以上

B.其目標(biāo)在于協(xié)調(diào)提高收益與降低風(fēng)險之間的關(guān)系,與投資者的特征和需求密切相關(guān)

C.從實際投資的需求來看,資產(chǎn)配置的目標(biāo)在于以資產(chǎn)類別的歷史表現(xiàn)與投資子者的風(fēng)險偏好為基礎(chǔ),決定不同資產(chǎn)類別在投資組合中所占的比重,

從而降低投資風(fēng)險提高投資收益

D.需要考慮投資者的風(fēng)險承受能力和收益要求的各項因素

3. BL資產(chǎn)配置模型有哪些特點?(abd )

A.低參數(shù)敏感性

B.融入投資經(jīng)理觀點

C.不需要對資產(chǎn)收益率預(yù)期做判斷

D.利用資產(chǎn)的低相關(guān)屬性

4. 美國經(jīng)濟學(xué)家馬科維茨(Markowitz)于1952年首次提出的投資組合理論獲得了諾貝爾經(jīng)濟學(xué)獎,該理論包含兩個重要內(nèi)容:(ab )。

A.均值-方差分析方法

B.投資組合有效邊界模型

C.經(jīng)濟周期

D.風(fēng)險平價理論

判斷題(共2題,每題 10分)

1 . 假定理性客戶在給定期望風(fēng)險水平下對期望收益進行最大化,或者在給定期望收益水平下對期望風(fēng)險進行最小化。投資范圍中不包含無風(fēng)險資產(chǎn)(無風(fēng)險資產(chǎn)的波動率為零),曲線是一條典型的有效邊界。a

對 錯

2 . 有效的資產(chǎn)配置可以起到降低風(fēng)險、提高收益的作用。a

對 錯

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,663評論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,125評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 175,506評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,614評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 71,402評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 54,934評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,021評論 3 440
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,168評論 0 287
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,690評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 40,596評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,784評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,288評論 5 357
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,027評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,404評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,662評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,398評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 47,743評論 2 370