考虑相对业绩的最优投资选择博弈问题研究

研究了具有相互作用的两个竞争机构投资者之间的离散时间最优投资选择博弈问题,每个机构投资者都考虑其竞争对手的相对业绩.机构投资者可以投资于相同的无风险资产和不同的具有相关关系的风险股票,以反映投资的资产专门化.机构投资者选择投资组合策略使得期望终端绝对财富和相对财富的效用最大.首先,定义了Nash均衡投资组合选择策略.然后,在机构投资者具有指数效用函数的假设下,得到了Nash均衡投资组合选择策略和值函数的显示表达式,分析了机构投资者之间的竞争对Nash均衡投资组合选择策略的影响.最后,通过数值计算给出了各种情况下Nash均衡投资组合选择策略和值函数与模型主要参数之间的关系.结果表明:机构投资者之间的竞争会影响其对风险的承担,投资机会集对机构投资者的Nash均衡投资组合选择策略和值函数与模型主要参数之间的关系会产生很大的影响.     

基于背景风险和弹性增量的模糊投资组合研究

在金融市场中,投资者需要通过构建投资组合分散非系统风险,也需要考虑由收入、支出、健康状况等个人因素构成的背景风险.另外,在同一个投资组合中,不同的风险存量加上相同的弹性增量以后,投资者的满意度也不同.同时,证券市场中存在大量的模糊现象,模糊性比随机性更能刻画其不确定性特征.因此,提出了一个以投资者满意度为目标,包含背景风险、弹性增量等因素的模糊投资组合模型.最后,选取沪深证券市场数据分析了背景风险方差对投资组合的收益、方差和投资者满意度的影响.结果发现:背景风险的方差与投资组合的收益和投资者的满意度负相关,与投资组合的方差正相关,而且,在不同弹性存量的基础上,相同弹性增量的投资者满意度也是不同的.     

基于混合治愈模型的网络借贷投资组合决策模型与实证研究

作为互联网消费金融的一种新型模式,P2P借贷(peer-to-peer lending)凭借其高回报与低门槛的特点,吸引了众多投资者与借款人的关注.如何有效地实现在P2P平台贷款的投资组合决策,为不同投资者提供最佳投资方案极为重要.文章将投资组合决策转化为一个给定时间下的收益最大化、风险最小化的优化问题,通过引入混合治愈模型来改进基于实例的投资组合优化模型,使用核函数来刻画历史贷款与待投贷款的相似性,在此基础上通过混合治愈模型筛选终止时间小于给定时间的待投贷款,构建基于实例的模型,对投资者的投资组合决策进行优化.通过美国Lending Club的数据对本文模型进行实证分析,结果表明,文章模型有助于实现资金的合理化分配,使投资者获得时间、收益、风险三方面的权衡的投资组合决策.     

基于异质理念的动态组合选取模型

不同于传统的代表性经济人的动态投资组合选取模型,引入异质理念,考虑不同投资者的动态组合选取.由于投资者的乐观或悲观情绪直接影响了他对信息的评价,因此用随时间变化的参数体现投资者的情绪,随机组合收益分布是这个参数的函数,不同的投资者或者同一投资者在不同情绪下就有了自己独特的收益分布.通过对均值——方差目标函数的变形,给出了不同投资者对风险资产的最优投入、预期收益和方差的解析表达式,此三项不仅和投资者的风险厌恶度有关,而且和投资期长短有关、与投资者的情绪有关.在对香港恒生指数的实证分析显示,异质性严重影响投资者对风险资产的投入.     

基于动态非线性损失厌恶的投资组合优化与实证研究

从行为金融学的角度考虑投资者损失厌恶的心理特征,构建了基于线性损失厌恶和非线性损失厌恶行为投资组合模型。利用中国市场数据模拟一种静态情景和四种动态情景,实证研究不同损失厌恶投资组合模型在不同情景下不同损失厌恶程度的最优资产配置策略和投资绩效表现,并将结果与均值方差模型等传统的投资组合模型进行比较。研究发现损失厌恶投资组合模型优于传统投资组合模型,不同情景下不同程度损失厌恶投资者具有不同的资产配置策略,其投资绩效表现也不尽相同。     

PI(Portfolio Insurance)投资者特性研究

根据期权定价理论,分析了投资组合保险策略与期权的关系及投资组合保险策略与凸收益函数的关系,通过建立投资组合保险模型,得出不同条件下购买投资组合保险投资者的特点如下:1)随着财富的增加他们的风险承受能力比市场一般投资者增加的快;2)他们的市场预期比一般市场投资者更乐观,并且受益于投资组合保险.     

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。     

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.     

求解带有交易费的CVaR投资组合模型的L-S算法

本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L-S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.     

基于收益及收益偏差平方和多期组合投资

本文在分析Markowitz组合投资的基础上,建立考虑交易费用的收益偏差平方和极小化和收益率极大化的动态资产的投资组合模型.通过调整多期投资组合各期的投资数量,保障投资者根据股票市场变化进行易于操作的、相对合理的投资调整策略,为投资者进行风险管理提供决策依据.最后通过释例进行了说明.     

考虑投资者异质信念和目标优先级的投资组合问题研究

考虑证券市场的模糊不确定性及投资者的模糊决策特征,以资产收益、下方风险及流动性为模糊投资目标,构建考虑投资者异质信念和目标优先级的多目标投资组合模型。进一步,以我国主板、中小板和创业板市场为背景,采用CPT-TOPSIS交互式算法进行实证分析。研究发现:乐观、理性和悲观投资者权衡收益、风险和流动性目标时偏好的优先顺序不同,导致资产配置结构、最优决策和绩效表现存在差别。结果表明模糊多目标模型能够满足不同投资者权衡多目标的差异化投资需求,取得优于基准随机投资组合的投资效果,可作为投资者投资决策的参考依据。     

投资组合模型的改进研究:基于企业社会责任视角的实证分析

在尊重和借鉴前人对企业社会责任研究,尤其是在企业社会责任评价研究基础之上,本文从投资者的角度在投资组合过程中研究企业社会责任。在Markowitz(均值—方差)理论模型上添加企业社会责任的三个一级指标期望作为目标函数,由此将传统的投资组合模型扩展为五个目标函数的投资组合选择模型,而且我们根据经济学中经典的效用函数理论证明了此模型的正确性。本文引入主流的企业社会责任评价标准,并对一些典型公司进行打分量化。在此基础之上建立了以期望回报率、回报率的方差、核心利益相关者期望、蛰伏利益相关者期望和边缘利益相关者期望为目标函数的投资组合选择模型,在最小方差曲面上选取10个点构造投资组合,并以样本外的数据验证了模型的有效性。研究发现:根据此模型计算出来的部分投资组合回报率显著高于同期的市场指数。研究结果表明,这种关注企业社会责任的多目标投资组合选择模型,不仅让投资者可以直接控制企业社会责任,而且实际数据证明了此模型的优势之处,从而为关注企业社会责任的投资者提供一种投资的方法和思路。     

基于均值-熵的机构投资者行为投资组合模型

考虑决策者的有限理性,利用相对财富和习惯形成效用函数描述了机构投资者的投资组合决策行为;在SHEFRIN和S TATM AN行为投资组合理论(BPT)框架下,引入均值-熵度量证券投资组合风险;由此,建立了一种机构投资者行为投资组合决策模型,算法释例进一步验证了其有效性.     

基于Multi-Agent的机构投资者行为投资组合模型

从人的有限理性角度研究了机构投资者的投资组合决策问题．基于Multi-Agent构建了多心理账户情景下,机构投资者的两级行为投资组合模型；并且,利用两状态Markov链和管理熵函数描述了该模型中的关键参数；仿真算法释例验证了该模型能够逼近实际决策情景．     

Portfolio-optimization models for small investors

Since 2010, the client base of online-trading service providers has grown significantly. Such companies enable small investors to access the stock market at advantageous rates. Because small investors buy and sell stocks in moderate amounts, they should consider fixed transaction costs, integral transaction units, and dividends when selecting their portfolio. In this paper, we consider the small investor’s problem of investing capital in stocks in a way that maximizes the expected portfolio return and guarantees that the portfolio risk does not exceed a prescribed risk level. Portfolio-optimization models known from the literature are in general designed for institutional investors and do not consider the specific constraints of small investors. We therefore extend four well-known portfolio-optimization models to make them applicable for small investors. We consider one nonlinear model that uses variance as a risk measure and three linear models that use the mean absolute deviation from the portfolio return, the maximum loss, and the conditional value-at-risk as risk measures. We extend all models to consider piecewise-constant transaction costs, integral transaction units, and dividends. In an out-of-sample experiment based on Swiss stock-market data and the cost structure of the online-trading service provider Swissquote, we apply both the basic models and the extended models; the former represent the perspective of an institutional investor, and the latter the perspective of a small investor. The basic models compute portfolios that yield on average a slightly higher return than the portfolios computed with the extended models. However, all generated portfolios yield on average a higher return than the Swiss performance index. There are considerable differences between the four risk measures with respect to the mean realized portfolio return and the standard deviation of the realized portfolio return.     

考虑保守卖空与财务困境的背景风险投资组合模型

如何合理地考虑投资者所面临的背景风险及现实市场限制来进行有效地投资决策是人们所广泛关注的重要实际管理决策问题。本文研究投资者同时面临加性和乘性两类背景风险的前提下具有保守卖空与财务困境的投资组合选择问题。假定投资者寻求使得投资收益最大、投资风险最小及证券主体财务困境最小的最优投资组合策略,进而提出考虑保守卖空与财务困境的背景风险投资组合模型。然后,利用具有精英策略的非支配排序遗传算法对模型进行求解。最后,通过实例来阐述模型的实用性。研究结果表明:考虑保守卖空能为投资者提供更大的收益;两类背景风险的变化均导致有效前沿面的变化。     

Fuzzy portfolio model with different investor risk attitudes

We propose a fuzzy portfolio model designed for efficient portfolio selection with respect to uncertain or vague returns. Although many researchers have studied the fuzzy portfolio model, no researcher has yet attempted a behavioral analysis of the investor in the fuzzy portfolio model. To address this problem, we examined investor risk attitudes—risk-averse, risk-neutral, or risk-seeking behaviors—to discover an efficient method for fuzzy portfolio selection. In this study, we relied on the advantages of possibilistic mean–standard deviation models that we believed would fit the risk attitudes of investors. Thus, we developed a fuzzy portfolio model that focuses on different investor risk attitudes so that fuzzy portfolio selection for investors who possess different risk attitudes can be achieved more easily. Finally, we presented a numerical example of a portfolio selection problem to illustrate ways to address problems presented by a variety of investor risk attitudes.     

Mean-chance model for portfolio selection based on uncertain measure

This paper discusses a portfolio selection problem in which security returns are given by experts’ evaluations instead of historical data. A factor method for evaluating security returns based on experts’ judgment is proposed and a mean-chance model for optimal portfolio selection is developed taking transaction costs and investors’ preference on diversification and investment limitations on certain securities into account. The factor method of evaluation can make good use of experts’ knowledge on the effects of economic environment and the companies’ unique characteristics on security returns and incorporate the contemporary relationship of security returns in the portfolio. The use of chance of portfolio return failing to reach the threshold can help investors easily tell their tolerance toward risk and thus facilitate a decision making. To solve the proposed nonlinear programming problem, a genetic algorithm is provided. To illustrate the application of the proposed method, a numerical example is also presented.