不允许买空时的均值-下方风险投资组合选择——基于非参数估计方法

本文分别利用下半方差和下半偏差度量下方风险(Downside Risk),采用非参数估计方法研究了不允许买空时的均值-下方风险投资组合选择问题。首先,我们利用组合收益率密度函数的非参数核(kernel)估计得到了下方风险的计算公式,并把它们嵌入到均值-下方风险投资决策模型中。然后得到了模型最优解存在的充要条件,并给出了求解最优投资策略的Zoutendijk可行方向算法。最后,基于中国股票市场真实数据给出了一个数值算例,并比较了在两种不同下方风险度量下模型的差别。     

熵—证券投资组合风险的一种新的度量方法

本文在研究马科维茨 ( Markowitz)证券投资组合模型的基础上 ,分析了该模型用方差度量风险的缺陷 ,进而提出用熵作为风险的度量方法 ,改进马科维茨 ( Markowitz)证券投资组合模型 ,并建立新的证券投资组合优化模型     

与TSD准则一致的组合证券投资分析

基于预先给定的目标收益率,利用投资者对低于目标收益率的风险损失和高于目标收益率的风险报酬之间的权衡,给出了一些非对称风险度量模型,特别其中一种风险度量是低于参考点的方差和高于参考点的方差的加权和,它利用二阶上偏矩来修正二阶下偏矩,进一步建立了在该非对称风险度量下的组合投资优化模型,并证明了该模型在三阶随机占优的意义下是有效的.此外,还给出了其它3个模型与三阶随机占优准则是否一致的结论,并对所给出的几个组合证券投资模型的求解方法及其应用进行了分析.以上研究和分析为投资者在选择投资模型时避免盲目性、任意性提供了有益的决策参考.     

双侧风险度量方法及其在投资组合优化模型中的应用

现有的资产风险度量方法不能合理的反映收益的向上波动给投资者带来的风险感受,针对这一不足,本文提出了一种新的风险度量方法,这一方法综合考虑了投资者对于损失的规避和对超额收益的偏好,能够更为真实的反映投资者对于资产收益双侧波动的不同风险感受.同时本文结合新的风险度量方法给出了投资组合优化模型,并对模型的解从不同角度进行了分析.研究结果表明,新的风险度量方法可以为投资者提供更有效的投资决策依据,并且投资者的风险态度对于投资组合有效前沿和最优投资组合都有显著的影响.     

均值-叉熵证券投资组合优化模型

在研究马科维茨(Markowitz)证券投资组合模型的基础上,分析了该模型用方差度量风险的缺陷,进而提出用叉熵作为风险的度量方法,建立了均值-叉熵的投资组合优化模型.该模型计算简便,更易被一般投资人所使用.     

CVaR风险度量模型在投资组合中的运用

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标，条件风险价值(CVaR)是VaR的修正模型，也称为平均超额损失或尾部VaR，它比VaR具有更好的性质。在本中，我们将运用风险度量指标VaR和CVaR，提出一个新的最优投资组合模型。介绍了模型的算法，而且利用我国的股票市场进行了实证分析，验证了新模型的有效性，为制定合理的投资组合提供了一种新思路。     

证券投资组合理论的一种新模型及其应用

马科维茨(Markowitz)以证券收益率的方差作为投资风险的测度建立了组合证券投资模型，本基于熵的概念，在研究马科维茨(Markowitz)证券投资组合模型的基础上，分析了该模型用方差度量风险的不足，进而提出一种新的证券投资组合优化模型，并以实例作了说明。     

含MCVaR的投资组合优化统一模型

研究了Duarte提出的投资组合优化统一模型及条件风险价值(CVaR),分析了以CVaR为风险度量的投资组合优化模型的具体形式,建立了统一七种模型的投资组合优化统一模型,并发现统一模型是一个凸二次规划问题.     

证券组合投资的动态模型研究

本利用方差和绝对离差这两个风险度量指标,分别建立了证券组合投资的动态模型,并给出其解法。从而使模型更符合实际,有利于实施最佳的组合投资的策略。     

含有背景风险的双目标投资组合模型研究

投资者进行投资实践时无不面临着背景风险。绝大多数以均值方差为框架的投资组合并没有考虑背景风险,其效用在实际应用中容易受到背景风险的影响。本文在含有交易费用的双目标函数模型中引入背景风险,从是否含有背景风险和背景风险偏好度大小两方面对投资组合问题展开研究,并使用智能算法得到模型的最优解,对模型进行实证分析。实证结果表明:1)当背景风险收益为0时,含有背景风险的投资组合比不含有背景风险的投资组合更能反映真实的投资环境。2) 当背景风险收益不为0时,含有背景风险的投资组合比不含有背景风险的投资组合得到更高的收益。因此,考虑背景风险后投资组合的构建优于不考虑背景风险投资组合的构建。     

A cardinality constrained stochastic goal programming model with satisfaction functions for venture capital investment decision making

Venture capital has proven to be an essential resource for economic growth, especially in some technological clusters. The focus is on the way the venture capitalist makes the investment decision and the portfolio selection. The aim of this paper is to formulate the venture capital investment problem through the Goal Programming model where the Financial Decision-Maker’s preferences will be explicitly incorporated through the concept of satisfaction functions. The proposed model will be illustrated by using data from an Italian venture capital fund.     

离散约束条件下的实用投资组合选择模型

鉴于现实证券市场中的投资会受到很多类型的约束的限制,本文在同时综合反映多种市场摩擦与恰当度量投资风险的原则下,构建了两种分别以CVaR和双边一致性度量为风险度量的离散型多重约束实用投资组合选择模型。基于深圳证券交易所A股的日交易数据,我们从实证角度着重考虑了交易费用约束与逻辑约束对最优投资策略选择及其性能的影响,并给出了一些实用的投资建议。实证结果表明:新模型不仅可行、有效,而且能合理反映不同市场摩擦的作用。     

基于跳扩散模型的DC型 养老金时间一致最优投资策略的研究

将养老金投资过程分成财富积累阶段和财富给付阶段,建立了DC型养老金在退休前和退休后个人账户积累额变动的连续时间随机模型.该模型考虑了工资的随机风险因素,并用跳-扩散模型刻画风险资产.以均值-方差准则作为优化目标,运用推广的HJB方程分别得到了退休前和退休后的时间一致最优风险资产投资最优解.最后通过算例及敏感性分析研究了各个因素对风险资产投资的影响.在这些因素中缴费比例、死亡力对风险资产投资比例均有负向影响.     

Portfolios with fuzzy returns: Selection strategies based on semi-infinite programming

This paper provides new models for portfolio selection in which the returns on securities are considered fuzzy numbers rather than random variables. The investor's problem is to find the portfolio that minimizes the risk of achieving a return that is not less than the return of a riskless asset. The corresponding optimal portfolio is derived using semi-infinite programming in a soft framework. The return on each asset and their membership functions are described using historical data. The investment risk is approximated by mean intervals which evaluate the downside risk for a given fuzzy portfolio. This approach is illustrated with a numerical example.     

Financial portfolio management through the goal programming model: Current state-of-the-art

Since Markowitz (1952) formulated the portfolio selection problem, many researchers have developed models aggregating simultaneously several conflicting attributes such as: the return on investment, risk and liquidity. The portfolio manager generally seeks the best combination of stocks/assets that meets his/her investment objectives. The Goal Programming (GP) model is widely applied to finance and portfolio management. The aim of this paper is to present the different variants of the GP model that have been applied to the financial portfolio selection problem from the 1970s to nowadays.     

具有Pareto最优性的风险投资项目组合选择方法

为解决现有风险投资项目组合选择方法未考虑资本不可细分和投资收益率难以预测的问题,首先在借鉴MV模型思想的基础上结合风险投资项目评价指标体系定义了项目组合偏好率及其方差,并将二者分别视为项目组合的产出与投入,然后基于DEA相对效率评价原理构建了能够评价出具有Pareto最优性的项目组合优选模型即VCP-DEA/AR模型,最后通过一个数值验证案例证明了该模型的科学有效性和应用可行性。     

基于CaR风险约束的动态投资组合模型

研究了带有风险约束的动态投资组合优化问题.在Black-Scholes型金融市场下,引入了在险资本(Captical at risk,CaR)风险约束,与以往文献的风险约束仅仅施加于终端时点不同,该模型将风险约束施加于每一个交易区间.即利用条件信息不断地对风险进行重新评估,从而对投资决策连续地施加影响.利用动态规划技术和优化理论,在合理的假定下,从理论上对问题进行了分析,给出了最优投资策略的显式表达式,并与无风险约束情形进行了比较.最后给出了一些数值例子进行说明.     

A chance-constrained portfolio selection model with risk constraints

The paper by Huang [Fuzzy chance-constrained portfolio selection, Applied Mathematics and Computation 177 (2006) 500-507] proposes a fuzzy chance-constrained portfolio selection model and presents a numerical example to illustrate the proposed model. In this note, we will show that Huang’s model produces optimal portfolio investing in only one security when candidate security returns are independent to each other no matter how many independent securities are in the market. The reason for concentrative solution is that Huang’s model does not consider the investment risk. To avoid concentrative investment, a risk constraint is added to the fuzzy chance-constrained portfolio selection model. In addition, we point out that the result of the numerical example is inaccurate.     

风险资本的组合投资最优化模型研究

利用委托代理理论建立了风险资本的组合投资最优化模型,通过该模型给出了项目数和收益分配比例的最优解,并分析了组合投资的项目数和收益分配比例对风险投资家和企业家努力水平的影响。     

An expected regret minimization portfolio selection model

Fuzzy portfolio selection has been widely studied within the framework of the credibility theory. However, all existing models provide only concentrated investment solutions, which contradicts the risk diversification concept in the classical portfolio selection theory. In this paper, we propose an expected regret minimization model, which minimizes the expected value of the distance between the maximum return and the obtained return associated with each portfolio. We prove that our model is advantageous for obtaining distributive investment and reducing investor regret. The effectiveness of the model is demonstrated by using an example of a portfolio selection problem comprising ten securities in the Shanghai Stock Exchange 180 Index.