基于投资者心理的证券投资组合熵决策及应用研究

证券收益率是投资者在投资决策时考虑的重要指标.针对投资者因证券收益率的变化引起的投资心理变化,提出一种基于累积前景理论和熵理论的投资风险决策方法.首先把证券的历史收益率划分为若干个状态区间,将某证券落在某状态区间定义为该证券的状态;然后计算各证券状态的概率及熵值;再利用累积前景理论,将无风险利率作为投资者的目标参照点,计算各证券所有状态相对于参照点的"损益值",得出各证券所有状态的价值,并将各证券所有状态发生的概率转化为投资者的心理概率,计算出各证券所有状态下的前景值,进而得出各证券的累积前景值;最后建立一种度量各证券投资风险的决策模型来确定最优组合.选择沪市证券市场进行实证研究,验证了方法的可行性及有效性.     

含不动产项目的保险公司再保险-投资策略

站在保险公司管理者的角度, 考虑存在不动产项目投资机会时保险公司的再保险--投资策略问题. 假定保险公司可以投资于不动产项目、风险证券和无风险证券, 并通过比例再保险控制风险, 目标是最小化保险公司破产概率并求得相应最佳策略, 包括: 不动产项目投资时机、 再保险比例以及投资于风险证券的金额. 运用混合随机控制-最优停时方法, 得到最优值函数及最佳策略的显式解. 结果表明, 当且仅当其盈余资金多于某一水平(称为投资阈值)时保险公司投资于不动产项目. 进一步的数值算例分析表明: (a)~不动产项目投资的阈值主要受项目收益率影响而与投资金额无明显关系, 收益率越高则投资阈值越低; (b)~市场环境较好(牛市)时项目的投资阈值降低; 反之, 当市场环境较差(熊市)时投资阈值提高.     

真实利率波动对长期资产配置的影响(英)

对于单期的投资者而言,无违约风险的固定收益证券被视为无风险资产.这是因为固定收益证券的收益率在投资的初期就能确定.然而在考虑长期的投资时,投资者可以调整资产配置,固定收益证券也将面临再投资的利率波动风险,因此不能再被视为无风险资产.本文在一类特殊的``习惯形成"效用函数的框架下讨论长期资产配置.在一系列为简化问题而作的假设之下,本文推导出了真实利率波动对风险资产配置权重的影响,并且为计算实际长期资产配置的最优比例提供了理论依据和算法.     

真实利率波动对长期资产配置的影响(英文)

对于单期的投资者而言,无违约风险的固定收益证券被视为无风险资产.这是因为固定收益证券的收益率在投资的初期就能确定.然而在考虑长期的投资时,投资者可以调整资产配置,固定收益证券也将面临再投资的利率波动风险,因此不能再被视为无风险资产.本文在一类特殊的"习惯形成"效用函数的框架下讨论长期资产配置.在一系列为简化问题而作的假设之下,本文推导出了真实利率波动对风险资产配置权重的影响,并且为计算实际长期资产配置的最优比例提供了理论依据和算法.     

投资机会与VaR约束下的投资组合分析

在证券收益率服从正态分布的前提下 ,建立了投资机会与 Va R双重约束下的投资组合模型 ,讨论了最优解的存在唯一性 ,并得到了最优解的解析表达式 .     

基于下方风险控制的动态投资组合优化研究

研究了跳扩散结构下带有下方风险控制的动态投资组合优化问题.基于投资组合中每一种资产的收益率观测序列,模型在不断变化的数据窗口下把组合比例看作向量值随机过程,利用马尔可夫链蒙特卡罗模拟方法得到随时间变化的动态投资组合最优配置,这样可以根据市场信息的变化及时做出策略调整,既达到了预期收益目标又控制了风险,使得组合投资更切实际.通过实例分析可以看出,该方法相对传统方法更行之有效而且操作简便.     

摩擦市场的均值-离差证券组合选择模型

本文给出了基于历史收益率数据的均值 -平均绝对离差型证券组合投资模型 .该模型采用收益的平均绝对离差作为风险的尺度 ,可以通过求解线性规划来获的摩擦市场 (如具有税收和交易费 )最优投资组合 ,避免了均值 -方差模型求解二次规划的复杂性 .     

基于模糊收益率的投资组合模型构建及应用

投资组合理论是现代化投资管理活动的理论支持,广泛应用于证券投资领域.将模糊集理论与投资组合理论相结合,建立基于可能性理论和机会测度的投资组合模型,并用混合智能算法对模型求解.选取上证50指数成分股近两年的交易数据对模型进行实证分析.结果显示,模型构建的投资组合收益率优于经典模型收益率和上证50指数同期收益率,模型显著有效.     

不同风险度量方法的投资组合比较研究

为了验证投资组合理论在中国证券市场的有效性,在不允许卖空情况,针对不同风险度量方法,文章运用旋转算法或结合序列二次规划法分别求解均值-方差、均值-下半方差投资组合模型、均值-半绝对偏差、均值-平均绝对偏差和均值-VaR.文章选取三年沪市六只业绩比较好的股票,依据前两年的数据作为样本数据,分别求出五个模型在不同期望收益率下的最优投资策略,将得出的最优投资策略应用到最后一年,进行模拟投资,从而计算出各模型的总收益率.以等比例投资为标准,比较五个模型的绩效.最后,证明了两个模型对于中国证券市场是适用.     

基于多目标CVaR模型的证券组合投资的风险度量和策略

本文首先定义了多损失函数下的-αVaR,-αCVaR损失值以及-αCVaR损失值的等价函数,给出了多目标CVaR模型.然后,基于多目标CVaR模型,建立了一个多目标证券组合投资优化模型,得出在多置信水平下的证券组合投资比例和CVaR值,据此建立一种证券组合投资的降低风险优化模型.其降低风险策略是在收益率不变的情形下降低风险和总投资比例.数值实验表明,这种策略是可以通过明显地减少总投资比例来达到降低风险的目的.     

基于学习—遗忘效应的生产率降低损失索赔研究

建设工程项目很多具有重复性施工的特点,本文利用这种特点将学习-遗忘效应应用到平衡作业线(LOB)方法中,分析因为工程中断造成生产率的降低的现象,认为因生产率降低而导致工程工期的延长实际上超过工程实际中断的时间,最后以一个工程案例来说明分析过程.     

More on cancellative semigroups on manifolds

Communicated by D.R.Brown     

Remark on the weierstrass points on curves

We give a treatment of the Weiertrass points of curves which is a little different from the treatment by Laksov. We introduce the notion of theith weight which makes the treatment easier and gives an algorithm for computing the gap sequence of an effective divisor and the weight at a point. Supported in part by NNSF of China.     

Remarks on normal operators on Banach spaces

Rendiconti del Circolo Matematico di Palermo Series 2 - A closed densely defined operatorT on a Banach spaceX is called normal, iff $$T \in [C^0 (\hat \not C)]$$ , i.e. there is a homomorphism...     

A note on pseudo-metrics on the plane

Every c-finite measure Μ on the set G of the lines on the plane such that $$(0){\text{ }}\mu {\text{(\{ g}} \in G:{\text{ }}P \in {\text{g\} ) = 0}}$$ for every point P?R ² generates a pseudo-metric F on the plane when one puts F P ₁, P ₂= \(\tfrac{1}{2}\) μ({g∈G:g separates the points P ₁ and P ₂}) The pseudo-metrics which are generated in this way possess the property of linear additivity, that is F(P ₁,P ₃)=F(P ₁,P ₂)+F(P ₂,P ₃) for P ₁,P ₂,P ₃ on a line, P ₂ between P ₁ and P ₃, and are continuous with respect to the Euclidean topology in R ² × R ². In this paper we prove the converse: every linear additive and continuous pseudo-metric F is generated as above by some c-finite measure Μ on G for which (0) holds. The method of proof shows that values of linearly additive and continuous pseudo-metric F inside every bounded convex polygon C are determined completely by the values of F on (δC)². The representation of pseudo-metrics by measures is useful in derivation of inequalities for the former.     

基于SMMC模型的数据多流形结构分析研究

采用混合多流形谱聚类模型(SMMC)对独立子空间、非独立子空间,非线性良分离及非线性交叉等流形聚类中的四种典型数据进行聚类,并与其他流形聚类方法进行比较,发现SMMC模型聚类效果良好且具有强鲁棒性和泛化能力.将SMMC模型运用于具有混合多流形结构的工件外部边缘轮廓进行聚类,结果显示SMMC模型能够很好的将其分为三类.针对SMMC模型复杂度高、选取参数困难及运行时间长的问题,提出了基于模拟退火遗传算法SMMC模型,结果发现改进后的模型能够大大缩短运行时间.     

A counterexample on contractible transformations on graphs

Ivashchenko proposed the study of contractible transformations on graphs because of their applications to computer image analysis, theory of molecular spaces, and digital topology. He published five papers on this subject. Contractible transformations have recently been applied to topological data analysis. This paper presents a counterexample to several results that appeared in one of Ivashchenko’s works.