多约束的多阶段积极投资组合模型及实证研究

构建投资组合时需要衡量其风险, 除了考虑组合本身的风险暴露, 还需考虑其相对基准组合的风险暴露. 再者, 确定组合权重时需要根据市场的规则加入合适的约束. 基于此, 为了较为完整地考虑现实投资组合面临的风险及交易约束, 将绝对风险(CVaR)和相对风险(跟踪误差)作为风险约束, 将交易成本、卖空限制和多元权值作为交易限制约束, 构建一个新的多阶段投资组合模型, 并利用动态规划和非线性优化方法进行求解. 最后, 利用上证50成分股中41只股票构建投资组合进行实证研究. 实证结果表明构建的多阶段投资组合模型能持续战胜基准组合且优于单阶段投资组合, 同时也表明模型考虑多元权值约束具有现实意义.     

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.     

基于多目标CVaR模型的证券组合投资的风险度量和策略

本文首先定义了多损失函数下的-αVaR,-αCVaR损失值以及-αCVaR损失值的等价函数,给出了多目标CVaR模型.然后,基于多目标CVaR模型,建立了一个多目标证券组合投资优化模型,得出在多置信水平下的证券组合投资比例和CVaR值,据此建立一种证券组合投资的降低风险优化模型.其降低风险策略是在收益率不变的情形下降低风险和总投资比例.数值实验表明,这种策略是可以通过明显地减少总投资比例来达到降低风险的目的.     

基于CVaR的最优投资组合模型算法分析

通过引入光滑因子,改进了基于条件风险值(CVaR)的最优投资组合线性模型,并详细介绍了以VaR最小为目标函数的最优投资组合模型的算法设计思想与过程.     

基于双因子CIR强度式定价的信用债券投资组合优化

信用风险和利率风险是相互关联影响的。资产组合优化不能将这两种风险单独考虑或简单的相加,应该进行整体的风险控制,不然会造成投资风险的低估。本文的主要工作:一是在强度式定价模型的框架下,分别利用CIR随机利率模型刻画利率风险因素“无风险利率”和信用风险因素“违约强度”的随机动态变化,衡量在两类风险共同影响下信用债券的市场价值,从而构建CRRA型投资效用函数。以CRRA型投资效用函数最大化作为目标函数,同时控制利率和信用两类风险。弥补了现有研究中仅单独考虑信用风险或利率风险、无法对两种风险进行整体控制的弊端。二是将无风险利率作为影响违约强度的一个因子,利用“无风险利率因子”和“纯信用因子”的双因子CIR模型拟合违约强度,考虑了市场利率变化对于债券违约强度的影响,反映两种风险的相关性。使得投资组合模型中既同时考虑了信用风险和利率风险、又考虑了两种风险的交互影响。避免在优化资产组合时忽略两种风险间相关性、可能造成风险低估的问题。     

有效因子综合偏好强度与CVaR整合优化模型

本文从股票多维特征因子中选择有效因子,融合形成最大化有效因子综合偏好强度(IPS)的附加理性,构建并验证IPS-均值-CVaR投资组合优化模型。基于沪深300股2006~2015年数据分析显示:(1)有效因子IPS投资组合优越于单因子投资组合;(2)IPS方法相较于因子打分法,具有更优的多维数据整合功效;(3)IPS-均值-CVaR投资组合优化模型相对于均值-CVaR模型具有更优越的资产选择能力,也拓展了投资组合模型的多维数据处理能力和适用性。     

区间证券多目标投资组合的β模型

基于区间证券组合的系统风险与非系统风险问题,建立一种新的含β约束的区间证券投资组合的多目标优化模型,使得证券组合投资更具柔性,最后,结合实例分析了该模型的现实应用价值.     

基于VaR的房地产投资组合模型设计与应用

本文以风险和收益的动态刻画为核心,在房地产投资组合中引入基于VaR模型的风险评价,通过资产收益和预提费用在持有期内的现值构造效用函数,建立基于VaR的投资组合优化模型,实现房地产投资的最优组合。对于上海房地产市场两种不同资产进行组合的实证分析表明该模型具有一定的实用性和有效性。     

证券投资组合优化问题的强健性的锥优化方法(英文)

本文研究了具有强健性的证券投资组合优化问题.模型以最差条件在值风险为风险度量方法,并且考虑了交易费用对收益的影响.当投资组合的收益率概率分布不能准确确定但是在有界的区间内,尤其是在箱型区间结构和椭球区域结构内时,我们可以把具有强健性的证券投资组合优化问题的模型分别转化成线性规划和二阶锥规划形式.最后,我们用一个真实市场数据的算例来验证此方法.     

基于矩分析的资产组合选择

在风险资产收益分布为非正态的情景下,通过矩分析,研究其收益的高阶矩对资产组合选择的影响.首先,假设风险资产收益存在有限阶矩,泰勒展开边际财富期望效用,获得静态资产组合选择的近似解;其次,假设收益过程的跳跃产生收益分布的非正态性,运用随机控制方法获得动态资产组合选择的近似解析解,从高阶矩角度解释其特征。分析表明,超出峰度的存在导致减少风险资产投资,正(负)的偏度导致增加(减少)风险资产投资,该影响性随着它们及风险规避系数的增大而增强;可预测性导致资产组合存在正或负的对冲需求,取决于相关系数的符号和风险规避系数;跳跃性总体上减少风险资产投资;可预测性和跳跃性对动态资产组合选择的影响具有内在关联性。     

基于Bayes估计的金融风险值——VaR计算

初步研究了用Bayes估计计算金融风险值VaR,同时阐明了运用极值理论方法在Bayes估计下的金融风险值计算。并且借助统计计算方法——MCMC算法来求解参数的Bayes估计,有效的将Bayes思想融入到了VaR的计算中。用Bayes估计计算金融风险值VsR,可以帮助投资者将观测数据和自己所掌握的经验信息对VaR模型进行调整,使得vsR模型能够更准确地反映出金融市场的风险状况,据此做出更加正确的投资决策。     

规避风险的多阶段最优库存研究

基于市场需求是随机的,并且在进行市场销售前,就要确定每个阶段的生产数量的背景下,建立了具有规避风险的多阶段库存凸随机规划模型.该模型以最小化损失函数的期望值为目标函数,以规避风险为约束条件,以价值风险(VaR)和条件价值风险(CVaR)为风险度量;采用样本平均近似方法(SAA)求解该模型,并分析样本平均近似方法的收敛性;最后,给出数值结果.     

基于VaR和ES调整的Sharpe比率及在基金评价中的实证研究

传统Sharpe比率将投资收益的标准差作为风险的度量,而实证研究中更关注基金的损失风险而非全部风险,这是收益标准差所无法准确刻画的。针对传统Sharpe比率的这一缺点,本文考虑了用于度量下方风险的指标风险价值VaR(Value at Risk)和预期不足ES(Expected Shortfall)来替代投资收益的标准差,从而对传统Sharpe比率进行了调整。这里对VaR和ES进行计算时,运用了经验非参数估计和非参数平滑核估计两种方法。此外,本文还考虑了基金收益随时间波动的动态性,用广义自回归异方差GARCH模型对收益波动进行模拟,考察动态的VaR和ES,在实践中以动态的VaR和ES评价风险收益更加灵活。在实证研究中,本文用传统的Sharpe比率、基于VaR和ES的Sharpe比率以及基于条件VaR和条件ES的条件Sharpe比率对国内证券市场上所有26只封闭式基金在2005-2009年间的业绩进行了实证分析,分析了基金在不同指标下所体现的风险控制能力和收益水平的差别,并基于不同指标对所有基金进行了排名。此外,本文还运用协整检验考察基金收益率与市场基准指数是否存在联动关系,检验证明两者并不存在长期的均衡关系。     

基于CAViaR的DCC模型及其对中国股市的实证研究

VaR是金融风险度量方面研究的热点.CAViaR模型可以用来直接计算单个资产的VaR,DCC模型可以用于刻画资产间的相关性.结合这两个模型,通过分位数估计方差的方法,提出了基于CAViaR的DCC模型来计算投资组合的VaR.对中国股市的实证研究表明其具有更好的效果.     

对数正态分布的VAR数学模型及其计算

VaR(Value at Risk)是一种以规范的统计技术来度量市场风险的新标准,目前在金融数学领域被广泛使用,它是指在正常的市场条件和给定的置信度下,在给定的持有期间内,测度某一投资组合所面临的最大的潜在损失的数学方法.传统的VaR计算方法在计算开放式基金时,可能存在着低估风险的情况.着重论述了VaR模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金的风险,以验证其结果是否更加接近实际风险值.     

Single and multi-period optimal inventory control models with risk-averse constraints

This paper presents some convex stochastic programming models for single and multi-period inventory control problems where the market demand is random and order quantities need to be decided before demand is realized. Both models minimize the expected losses subject to risk aversion constraints expressed through Value at Risk (VaR) and Conditional Value at Risk (CVaR) as risk measures. A sample average approximation method is proposed for solving the models and convergence analysis of optimal solutions of the sample average approximation problem is presented. Finally, some numerical examples are given to illustrate the convergence of the algorithm.     

基于几种风险测度的多阶段组合优化研究

基于均值-方差(MV)、VaR(Value at Risk)、CVaR(Conditional VaR)、HMCR(p=1,2,3)(Higher Moment Coherent Risk)几种风险测度进行多阶段组合优化研究。首先从一致性公理和随机占优一致性角度分析几种风险测度的风险识别能力,认为HMCR(p=2,3)的风险识别能力最高,然后给出静态和动态下的风险规避型的规划函数及多阶段CVaR和HMCR模型,最后依据单阶段和多阶段优化模型,对上证50指数成份股进行实证分析。对比单阶段和多阶段下几种风险测度优化组合的累计收益率及几种风险测度之间的关系,结合上证50指数收益率发现,多阶段优化组合要整体优于单阶段优化组合,且HMCR(p=2,3)要优于指数收益率和其它几种风险测度。从投资者投资决策方面来分析,HMCR(p=2,3)型积极投资策略比较适用于股市平稳期、顶峰期和下降期,被动投资策略比较适用于股市上升期。     

Estimating value at risk with semiparametric support vector quantile regression

Value at Risk (VaR) has been used as an important tool to measure the market risk under normal market. Usually the VaR of log returns is calculated by assuming a normal distribution. However, log returns are frequently found not normally distributed. This paper proposes the estimation approach of VaR using semiparametric support vector quantile regression (SSVQR) models which are functions of the one-step-ahead volatility forecast and the length of the holding period, and can be used regardless of the distribution. We find that the proposed models perform better overall than the variance-covariance and linear quantile regression approaches for return data on S&P 500, NIKEI 225 and KOSPI 200 indices.     

基于GARCH族模型商业银行外汇风险管理的VaR方法研究

面对日趋加大的汇率波动性,商业银行外汇资产面临的风险也越来越大,风险的计量与预测在管理外汇风险中的作用也越来越重要.引入参数法下的GARCH模型对外汇市场存在的风险进行计量分析,并以此为基础运用VaR方法进一步计算外汇资产的风险补偿金,以达到预测和控制外汇风险目的.     

Tail VaR Measures in a Multi-period Setting

Abstract

This paper studies a coherent acceptability measure which is a negative coherent risk measure, in a multi-period model. When a coherent acceptability measure changes according to new information in the market, a time consistency plays an important role. The usual strong time consistency gives too severe a multi-period Tail Value at Risk (Tail VaR) from a practical viewpoint. We study a weak type of time consistency and propose new multi-period Tail VaR measures.