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.     

考虑背景风险和流动性的模糊投资组合模型

利用投资收益率的二阶矩作为风险度量函数,建立了考虑背景风险和流动性的模糊投资组合模型.在满足预设收益率、换手率可能性均值要求水平以及风险资产的投资比例等约束条件下,使投资收益的二阶矩最小.最后选取中证100指数成分股中部分股票的历史数据进行数值分析,证明了该模型符合“高收益、高风险”的规律,说明该模型适用于实际金融市场.而且使用二阶矩代替方差作为风险度量函数,克服了方差计算复杂的缺陷,简化了模糊投资组合求解问题.     

考虑投资者风险态度的随机模糊投资组合模型及实证

考虑投资者面临证券市场随机和模糊的双重不确定性,把证券收益率视为随机模糊变量。在前景理论下考虑投资者的风险态度,建立不同的随机模糊收益率、期望收益隶属度函数和目标权重,构建考虑投资者风险态度的随机模糊投资组合模型。采用实证方法把市场分为下降和上升两个阶段,研究不同风险态度投资者的投资组合差异及模型表现。结果表明:投资者的风险态度会影响投资组合的结构;考虑投资者风险态度的随机模糊投资组合模型,能够满足不同风险态度投资者对投资收益和风险的差异需求,且在实际投资决策中具有可行性。     

部分信息下含债务的马氏调制收益率的最优投资组合问题

带有确定性参数的金融模型只能描述较短的时间内的状态演化,不能反映市场条件的变化.在投资过程中,投资者一般仅能够观察到资产的价格,不能直接观察到资产的平均收益率和波动率.考虑一个简化的连续时间的金融市场,这个市场带有无风险资产(债券)和风险资产(股票)两种资产.在债务为线性扩散模型下,利用Wonham滤波理论估计股票的平均收益率,研究了使得指数期望效用最大的最优投资组合选择问题.利用随机线性二次控制方法,得到最优投资组合策略和最大期望指数效用的显示解.     

基于模糊收益率的组合投资模型

本文考虑了收益率为模糊数的投资组合选择问题,利用模型约束简化方差约束,建立了投资组合选择的模糊线性规划模型,然后引进模糊期望把模糊线性规划问题化为普通参数线性规划问题,最后给出了一个数值算例.     

基于模糊收益率的养老保险基金投资研究

结合中国养老保险基金投资现状,考虑预期收益率是模糊数的情形,利用可能性均值和可能性方差作为投资组合的预期收益率和风险,建立均值-方差组合投资模型.最后,利用lingo软件进行数值分析,表明此模型具有一定的实际应用价值.     

基于模糊收益率的最优投资组合模型

考虑了收益率为模糊数的投资组合问题.在一定置信水平上,用收益率波动差的平方和作为风险的度量,在预期收益率给定时,建立了风险最小化的投资组合模型.投资者可以参考其最优解来减小投资风险.最后给出了一个实例.     

模糊环境中带交易费用的投资组合策略问题

由于金融市场是波动的,风险资产的预期收益率由于很多不确定性是很难估计的,本文考虑预期收益率是可能性分布(模糊数),并且在此基础上用模糊数的可能性均值表示投资组合的收益,用模糊数的平均绝对偏差表示风险,考虑了交易费用后,得到投资组合模型,最后给出了数值计算的例子.     

带交易费的最优投资组合选择的极大极小方法

研究不允许卖空时不相关资产的最优投资选择问题.在风险资产收益率不能确切知道的情况下,建立了投资组合选择问题的极大极小模型.将交易费引入到极大极小模型中,交易费假定为新旧投资组合之差的V型函数.推导出有效投资组合与有效前沿的解析表达式.     

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。