VaR约束下均值-方差模型在基金资产配置的应用

随着我国开放式基金的迅猛发展以及证券市场的波动，如何识别和控制基金风险这一问题越显重要。VaR模型是一种有效的风险计量和管理工具，本文刻划VaR约束下均值-方差模型及其优化模型，并运用基于VaR约束下的均值——方差模型，定量地分析投资基金的投资组合收益和风险，提出开放式基金最优资产配置，使投资组合收益最大。     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

基于风险网络结构的资产分配策略研究

股票市场是一个高风险市场,如何在频繁发生的极端波动环境下进行有效的资产分配是当前热点问题。本文首次应用VaR模型构建股市风险网络,并基于风险网络模型进行最优投资组合成分选择,分析不同市场波动行情下最优资产分配权重和股票中心性的时变关系,融合风险网络时变中心性和个股表现提出新的动态资产分配策略(φ投资策略)。结果表明:在股市上涨和震荡期,股票中心性和最优投资组合权重呈正相关关系;股市下跌期,股票中心性和最优投资组合权重呈负相关关系;当φ>0.05时,投资者的合理投资区域向高中心性节点移动,反之。φ投资策略的绩效表现证明了风险网络结构能提高投资组合选择过程。此研究对于优化资产配置、提高投资收益、多元化分散投资风险具有重要意义。     

基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.     

基于多维Gumbel Copula函数的投资组合VaR分析

基于目前国内有关Copula函数的实证研究主要是研究二种资产的相关性为主,文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,首先利用GJR模型构建资产的边缘分布,接着利用多元阿基米德Copula函数族中的Gumbel Copula函数构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下的投资组合的最小风险价值(VaR)及其资产组成,实证说明根据文章提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管。     

均值-VaR模型的一种新解法：鞍点近似、遗传算法

以均值度量收益,方差度量风险的均值.方差模型,广泛应用于资产组合优化.随着对金融风险度量方法研究的不断深入,VaR作为一种简便、易于理解的风险度量方法,在金融企业中得到日益广泛的应用.本文用VaR代替均值-方差模型中的方差,构建了均值-VaR模型应用干投资组合优化.均值-VaR模型是非线性规划,仅当VaR满足凸性和可微性的前提下,满足库恩-塔克条件的解才是全局最优解.本文在CreditRisk+框架下,提出一个在不允许卖空条件下,不需对VaR的性质做出前提假定的新解法:将鞍点近似法用于计算VaR,在资产头寸与VaR之间建立起函数关系,采用遗传算法寻找模型的近似最优解.并用一个债券组合说明该方法的有效性。     

基于风险约束的套期保值模型及沪深300股指实证研究

提出利用风险价值VaR建立套期保值资产组合的风险约束.以套期保值资产组合收益最大为目标,以控制套期保值资产组合风险为约束,建立了基于风险约束的套期保值模型.该模型在有效控制风险的基础上,可以大幅提高套期保值资产组合的收益.对沪深300股指现货和期货的数据进行了实证分析,对比了现有研究的最小二乘((OLS)、向量自回归(VAR)、向量误差修正(VEC)三种模型以及本文建立的基于风险约束的期货套期保值模型.样本内检验结果表明,本模型比现有研究模型的收益有大幅提高,平均增加81.6%.同时并没有失去对风险的控制,与现有研究模型只有5.32%的差别.对于样本外检验,模型在控制风险和提高收益两个方面都要优于现有研究模型.模型比现有研究模型平均可提高收益21.4%,平均降低风险3.61%.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

基于偏度的多期组合投资调整模型

由于不同时期资产收益率以及投资者对风险和收益偏好的变化，加之资金等条件的限制，大多数组合投资问题具有明显的动态特征。本文把单期投资组合拓展到多期，引入偏度和风险度量工具VaR，并考虑交易费用的影响，建立了多期投资组合调整模型。最后，给出实证分析对模型进行分析研究，这对投资者的连续投资行为具有一定的指导作用。     

基于Clayton Copula-GARCH模型投资组合VaR的度量

运用Copula方法研究了含股指期货的投资组合的风险度量问题.首先采用不同的GARCH模型对单个资产收益率建模,然后选择Clayton Copula函数来描述投资组合各资产之间的相关结构,建立联合分布模型,进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的VaR.Kupiec检验表明,ClaytonCopula-GARCH模型在投资组合风险度量上具有较高的准确性.     

基于CVaR方法的房地产组合投资最优化模型研究

房地产开发项目投资是具有高风险高回报的典型的风险投资.在这个高风险的投资环境中要想达到预期目标,就必须对整个项目进行开发投资风险分析.本文运用CVaR对房地产项目投资存在的风险进行识别度量,通过建立基于CVaR下的房地产组合投资模型,达到项目风险防范的目的,提高投资回报的稳定性.     

Portfolio optimization with serially correlated, skewed and fat tailed index returns

This paper finds that mean-variance portfolio optimization of stocks, bonds, hedge funds, real estate investment trusts and commodities is sufficiently exact to optimize the investor’s utility. We approximate the expected utility using a Taylor series expansion including terms involving third and fourth order moments. The empirical findings for monthly data from August 1994–August 2009 suggest that the incorporation of skewness and kurtosis cause no noticeable change in the optimal portfolio allocation. However, the serial correlations of smoothed returns of hedge funds and real estate investment trusts indeed cause major changes in optimal portfolio allocation. Consequently, attention needs to be drawn to significant serial correlation and not to potential deviations from normality due to skewed and fat-tailed return distributions. The out-of-sample analysis using a moving window gives evidence that the optimal portfolio weight differ significantly considering serial correlation. The optimization using smoothed returns leads to the highest terminal wealth after 10 years. The highest utility is reached with smoothed as well as shrinked returns, while using unsmoothed as well as shrinked returns leads to an out-of-sample disaster. These findings have practical implications for investors who are willing to diversify their portfolios with hedge funds and real estate investment trusts.     

房地产开发的最优时间和最优强度

房地产投资具有许多不确定性,对房地产投资进行评估尤为重要.利用实物期权理论,对房地产投资进行建模分析,确定出最优开发时间和最优开发强度;最后根据模型推导出来的结论进行数值分析.     

投影寻踪动态聚类模型在房地产投资环境评价中的应用

将投影寻踪动态聚类模型引入到房地产投资环境评价方法中.针对房地产投资环境评价所面临的多因素高维复杂性问题,该模型能够完全根据样本数据特性将高维数据通过投影向量投影到低维数据,同时实现对低维数据的排序和自动聚类分析,进而通过研究低维数据以实现对高维数据的研究.最后通过辽宁省工业地产投资环境评价实例验证了该模型在房地产投资环境评价中的适用性.     

房地产开发活动均衡分析与过度开发行为控制

在把房地产投资开发项目看作为一种具有弱再生性经济资源的基点上,对房地产投资开发活动进行了均衡分析,讨论了房地产开发活动中的最优平衡解及其相互之间的制约关系,分析了税收和配额价格等经济参数对最优平衡解的影响,给出了抑制房地产过度投资开发行为的控制模型与方法,并得出了相应的政策启示.这些研究结果,可以推广应用于其他各种可再生资源的投资开发与管理当中去,有着广泛的应用前景.     

带有模糊约束的房地产投资随机期望值模型

基于可信性理论,提出一类新的带有模糊约束的房地产投资随机期望值模型来处理房地产经济中的不确定性信息.另一方面,通过目标函数和可信性函数的一些性质将提出的房地产投资问题转化为一个等价的线性形式,从而可以利用经典的线性规划算法进行求解.最后,给出一个房地产投资问题的实例并通过Lindo软件进行求解.     

基于灰色线性回归组合模型的长沙、武汉房地产投资预测研究

本文通过对长沙、武汉2001-2007年房地产投资额的历史数据进行分析,分别建立了两市的灰色线性回归组合模型.模型较好地拟合了长沙、武汉的房地产投资情况,运用该模型得到了两市2008、2009年的预测值,并对其房地产投资发展趋势的异同进行比较分析,对房地产市场的发展具有一定的指导意义.     

房地产泡沫相关因素及相关关系的实证研究

通过理论探讨及文献研究,建立了与房地产泡沫有关的的四个关键因素,土地价格、房价虚涨、房地产投资和房屋空置率与房地产泡沫的关系路径分析模型,并通过30个省市的相关数据进行了统计分析,检验该模型.研究结果表明:各活动要素的影响强度存在着一定的差异,土地价格和房屋空置率对房地产泡沫的影响最大,房价虚涨和房地产投资泡沫对于房地产泡沫的直接影响不是很显著,但是可以通过土地价格泡沫和房屋空置率泡沫等其他变量间接地发挥显著作用.指出了局限性.     

基于MIV-BP型网络实验的房地产项目风险识别研究

为了更准确更客观地识别房地产项目中的风险,为房地产项目投资决策提供科学依据和参考,有效地规避风险,本研究在BP神经网络 (Back-Propagation Neural Network)建模的基础上,采取MIV(Mean Impact Value)算法对BP神经网络模型进行变量筛选的网络优化和改良,从而形成新的优化后的MIV-BP(Mean Impact Value Back-Propagation Neural Network)神经网络,并以此用于评价房地产项目中的风险度以及各因素在风险度中的影响作用大小;同时选取目前相关的房地产项目数据进行仿真实证分析和验证。验证实验结果表明,MIV-BP型神经网络对于房地产项目风险度识别具有良好的适应性和准确性,实验结果客观,达到专家评价的要求,并在风险因素作用度分析上具有良好的应用价值。     

基于PCA-VAR模型的房地产信贷政策调控效应分析

有效的房地产调控,既要实现稳定房价、控制房地产开发投资过快增长等调控目标,同时也不会对宏观经济带来过大的负面影响.在分析各类房地产调控政策传导机制的基础上,通过构建PCA-VAR模型,并综合运用了协整分析、Granger因果检验、方差分解和脉冲效应分析等方法,细致测算了房地产信贷政策对房地产市场和宏观经济的影响,据此为我国实施房地产调控提供政策建议.