单位收益率风险最小的组合证券投资决策模型

章首先分析了组合证券投资的收益率和风险,根据组合证券投资的亏本概率上界最小的原则,建立了单位收益率风险最小的组合证券投资决策模型,并证明了该模型的有效性。     

基于均值-VaR的投资组合最优化

利用均值-VaR方法,提出了有交易费用存在时的最优投资组合模型。通过求解均值-方差模型来研究均值-VaR模型的有效前沿,并指出在收益率的分布为正态分布的假设下,均值-VaR模型的有效集是均值-方差有效前沿的子集。有关全局最小VaR的存在性的分析显示在选择VaR的置信水平时必须非常小心。最后给出了应用均值-VaR模型的实例分析。     

投资组合风险的分散化研究

风险是金融投资领域的研究热点问题之下一,投资组合是降低投资风险的有效方法之一。人们在做出投资决策时总是追求在一定收益率下风险最小。本文论述了投资组合收益和风险的数学统计方法,阐明风险可分为系统风险和非系统风险,后者可以通过投资组合分散化。本文还探讨了证券相关性和组合风险之间的关系。最后作了实证分析。     

VaR测度下的风险对冲策略研究

本文分别在正态分布和任意分布设定下讨论最小在险价值(VaR)的风险对冲问题。在正态分布设定下,本文深入讨论最小方差对冲比率和最小VaR对冲比率的性质,并得出最小VaR对冲策略下组合收益率的均值和方差大于最小方差策略下组合收益率的均值和方差。在任意分布设定下,本文构建一种新的VaR对冲模型,该模型引入非参数核估计方法对VaR进行估计,然后基于VaR核估计量建立风险对冲问题,实现风险估计与风险对冲同步进行。实证结果非常稳健地表明,不做任何分布假设下的核估计法得到的风险对冲效果优于最小方差对冲策略和正态分布设定下的最小VaR对冲策略。     

不允许卖空的组合投资决策

本建立了一定置信水平下最小收益最大准则下的组合投资决策模型，该模型不仅适用于风险规避，也适用于风险偏好，在风险资产的收益率联合服从正态分布的假设下，给出不容许卖空情形下的求解有效资产组合的算法，并给出一个算例。     

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.     

具有投资限制的风险资产模糊随机投资组合模型

研究了模糊随机环境下风险资产投资组合选择问题.利用模糊随机变量刻画风险资产的收益率,建立了具有投资限制的风险资产投资组合选择的一般模糊随机均值-方差模型,该模型包括了是否允许卖空及具有投资比例下界约束的情况.在此基础上,提出了具有梯形模糊随机收益率的具体投资组合优化模型,这些模型能够转化为二次规划问题求解.最后,利用上证50指数中的9种股票对模型进行了实证分析,结果表明模型能够有效分散非系统性风险.     

贷款组合的“均值-方差-偏度”三因素优化模型

以银行各项资产组合收益率最大化为目标函数,以收益率偏度大于零控制银行重大损失发生的概率,以组合风险价值VaR风险限额为约束条件控制资产组合风险的大小,建立了贷款组合的"均值-方差-偏度"三因素优化模型.本模型的创新与特色一是通过偏度约束减少了组合收益率小于其均值的可能性,并增加了组合收益率大于其均值的概率.这在均值-方差模型的基础上,增加了偏度参数,建立了收益率均值-方差-偏度模型,开拓了资产组合优化的新思路.二是以组合风险价值VaR建立了约束条件,通过在一定置信水平下的最大损失限额来制约贷款组合的违约风险,使贷款配给的风险限定在银行的承受能力和贷款准备金的范围之内,解决了整体风险的控制问题.     

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.     

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.     

变动基数投资组合中的系统误差与估计误差权衡

投资组合选择中的系统误差与估计误差是决定样本期外绩效的重要因素,其权衡受到资产基数N的影响。本文在变动基数的设定下,将Bootstrapping和样本期外滚动的方法应用到均权重、最小方差组合及其误差修正策略的绩效和尾部风险检验过程中,并在不同的市场状态下进行分组讨论。研究发现:(1)最小方差组合与均权重策略的样本期外夏普比率差异与N存在倒U型的关系。(2)最小方差组合的尾部风险随N的扩大而迅速降低,总体来看最小方差组合的尾部风险低于均权重策略。(3)最小方差组合的换手率与N存在正相关关系,盲目增加投资组合选择中的资产基数会带来无谓损失。研究结果表明,投资者应理性选择资产基数,充分利用最小方差组合带来的分散化收益。     

An exact solution to a robust portfolio choice problem with multiple risk measures under ambiguous distribution

This paper proposes a unified framework to solve distributionally robust mean-risk optimization problem that simultaneously uses variance, value-at-risk (VaR) and conditional value-at-risk (CVaR) as a triple-risk measure. It provides investors with more flexibility to find portfolios in the sense that it allows investors to optimize a return-risk profile in the presence of estimation error. We derive a closed-form expression for the optimal portfolio strategy to the robust mean-multiple risk portfolio selection model under distribution and mean return ambiguity (RMP). Specially, the robust mean-variance, robust maximum return, robust minimum VaR and robust minimum CVaR efficient portfolios are all special instances of RMP portfolios. We analytically and numerically show that the resulting portfolio weight converges to the minimum variance portfolio when the level of ambiguity aversion is in a high value. Using numerical experiment with simulated data, we demonstrate that our robust portfolios under ambiguity are more stable over time than the non-robust portfolios.     

完备市场下亏空风险的最小化

假定股票价格服从跳扩散过程,在完备市场的条件下,讨论了小额投资人投资行为的风险以及亏空风险最小化的财富优化问题,利用随机分析的方法证明了存在优化投资组合使风险最小化,给出了优化投资组合、优化财富过程、最终价值.     

投资比例非负约束的风险证券组合有效集及动态分析

本文提出了风险证券有效组合的决策模型 ,给出了投资比例非负约束的风险证券有效组合的解析表示 ,研究了证券个数变动对证券组合有效集的影响 .分析了它的漂移方向和漂移范围 ,给出了最小风险有效证券组合和最大收益有效证券组合的漂移距离及风险与收益的增加或减少程度     

随机模糊的等比例-最小方差投资组合优化研究

Markowitz的均值-方差模型在投资组合优化中得到了广泛的运用和拓展,其中多数拓展模型仅局限于对随机投资组合或模糊投资组合的研究,而忽略了实际问题同时包含了随机信息和模糊信息两个方面。本文首先定义随机模糊变量的方差用以度量投资组合的风险,提出具有阀值约束的最小方差随机模糊投资组合模型,基于随机模糊理论,将该模型转化为具有线性等式和不等式约束的凸二次规划问题。为了提高上述模型的有效性,本文以投资者期望效用最大化为压缩目标对投资组合权重进行压缩,构建等比例-最小方差混合的随机模糊投资组合模型,并求解该模型的最优解。最后,运用滚动实际数据的方法,比较上述两个模型的夏普比率以验证其有效性。     

证券数增加情形下证券组合有效边缘特征灵敏度分析

本文较为详细地讨论了当证券市场不存在无风险收益证券且允许卖空时证券数的增加对 M-V证券组合有效边缘及其特征的影响 ,给出了有效边缘、渐近线斜率、全局最小方差证券组合及其协方差、最小方差证券组合的投资权数等的变化模式     

基于模糊决策的投资组合优化

基于模糊决策理论研究了带有成比例交易费用的证券投资组合优化问题. 首先,基于半绝对偏差风险函数和极大极小原则提出了一种新的风险函数--极大极小半绝对偏差风险函数;然后, 引入一种非线性隶属函数更加形象地描述了投资者对投资收益和投资风险的满意程度;在此基础上, 进一步提出了非线性满意程度的模糊决策投资组合选择模型;最后, 针对提出的模型,利用中国证券市场的真实数据给出了数值算例.     

随机利率及随机收益保证下的投资策略

考虑随机利率环境及随机收益保证下基金经理的投资组合问题.利用鞅方法,得到了最优投资策略的显性解.结论表明,最优投资策略包括三个部分:投机策略、利率套期保值策略以及随机收益保证的复制策略,且该最优策略等价于将一部分资金投资于确保终端时刻获得最低收益的基准组合,而剩余资金则依照无保证情况下的最优策略进行投资.     

On minimizing drawdown risks of lifetime investments

Drawdown measures the decline of portfolio value from its historic high-water mark. In this paper, we study a lifetime investment problem aiming at minimizing the risk of drawdown occurrences. Under the Black–Scholes framework, we examine two financial market models: a market with two risky assets, and a market with a risk-free asset and a risky asset. Closed-form optimal trading strategies are derived under both models by utilizing a decomposition technique on the associated Hamilton–Jacobi–Bellman (HJB) equation. We show that it is optimal to minimize the portfolio variance when the fund value is at its historic high-water mark. Moreover, when the fund value drops, the proportion of wealth invested in the asset with a higher instantaneous rate of return should be increased. We find that the instantaneous return rate of the minimum lifetime drawdown probability (MLDP) portfolio is never less than the return rate of the minimum variance (MV) portfolio. This supports the practical use of drawdown-based performance measures in which the role of volatility is replaced by drawdown.     

Conditional value-at-risk in portfolio optimization: Coherent but fragile

We evaluate conditional value-at-risk (CVaR) as a risk measure in data-driven portfolio optimization. We show that portfolios obtained by solving mean-CVaR and global minimum CVaR problems are unreliable due to estimation errors of CVaR and/or the mean, which are magnified by optimization. This problem is exacerbated when the tail of the return distribution is made heavier. We conclude that CVaR, a coherent risk measure, is fragile in portfolio optimization due to estimation errors.