CVaR 投资组合问题求解的一种混合元启发式搜索算法

本文针对均值-CVaR投资组合优化问题,基于混沌搜索、粒子群优化和引力搜索算法提出了一种新的混合元启发式搜索算法,而后基于多维布朗运动,借助Monte Carlo模拟情景生成得到价格路径,进而近似求解均值-CVaR投资组合选择问题,并与线性规划和非参数估计两种求解算法进行比较。模拟和实证算例结果表明,新算法在求解有效性和实用性方面表现更好,取得更为满意的结果。     

基于长期CVaR约束的高频投资组合优化

高频和低频数据的合理使用一直是投资组合领域的重要问题之一.文章将混频的思想引入投资组合策略中,首先利用包含长期信息的低频数据构建CVaR约束,并将其引入基于高频已实现协方差估计量的全局方差最小(GMV)策略中.在协波动率的估计量和预测方法上,文章将一种最优滚动窗宽选择方法与常用的HAR预测模型相结合,对具有降噪纠偏特性...     

基于Pair-Copula-GARCH模型与CVaR的时变投资组合优化

以过去的信息为条件,以一致性风险度量CVaR为优化目标,以组合收益率为约束条件,建立了时变投资组合优化模型,通过基于pair-copula-GARCH模型的蒙特卡洛模拟方法得到未来某时刻收益率的多个可能情景,并引入一个特殊函数实现了投资组合模型的线性化,得到了最优投资组合策略.最后针对提出的模型进行了实例分析.     

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。     

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.     

CVaR鲁棒均值-CVaR投资组合模型与求解

传统的均值-风险(包括方差、VaR、CVaR等)组合选择模型在计算最优投资组合时,常假定均值是已知的常值,但在实际资产配置中,收益的均值估计会有偏差,即存在着估计风险.在利用CVaR测度估计风险的基础上,研究了CVaR鲁棒均值-CVaR投资组合选择模型,给出了另外两种不同的求解方法,即对偶法和光滑优化方法,并探讨了它们的相关性质及特征,数值实验表明在求解大样本或者大规模投资组合选择问题上,对偶法和光滑优化方法在计算上是可行且有效的.     

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.     

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.     

基于AdaBoost的投资组合优化

文章利用AdaBoost集成学习技术提升均值-方差(MV)策略的表现.首先,文章对二次期望效用损失函数进行了分歧分解,从理论上表明集成学习技术有助于提升投资组合策略的表现.其次,文章将收益率均值和协方差压缩估计量中的压缩强度设定为样本外绩效驱动,并利用迭代有效集法和梯度下降法最大化效用的值函数,从而构建了参数化的MV策...     

基于CVaR的债券投资组合模型

针对债券投资组合中的风险度量难题,用CVaR作为风险度量方法,构建了基于CVaR的债券投资组合优化模型.采用历史模拟算法处理模型中的随机收益率向量,将随机优化模型转化为确定性优化模型,并且证明了算法的收敛性.通过线性化技术处理CVaR中的非光滑函数,将该模型转化为一般的线性规划模型.结合10只债券的组合投资实例,验证了模型与算法的有效性.     

基于CvaR的融入期权的投资组合模型

把期权作为一种投资对象融入到投资组合中,而不仅仅是作为风险对冲工具.用条件风险价值(CVaR)刻画组合风险,并求出最小化风险下的最优鲁棒投资组合策略.最后通过数值算例证明了模型的有效性,并得到融入期权后有效地提高了组合的收益,特别是当标的资产出现大的波动时,期权在组合中的表现更突出.     

Portfolio selection under distributional uncertainty: A relative robust CVaR approach

Robust optimization, one of the most popular topics in the field of optimization and control since the late 1990s, deals with an optimization problem involving uncertain parameters. In this paper, we consider the relative robust conditional value-at-risk portfolio selection problem where the underlying probability distribution of portfolio return is only known to belong to a certain set. Our approach not only takes into account the worst-case scenarios of the uncertain distribution, but also pays attention to the best possible decision with respect to each realization of the distribution. We also illustrate how to construct a robust portfolio with multiple experts (priors) by solving a sequence of linear programs or a second-order cone program.     

A smoothing method for solving portfolio optimization with CVaR and applications in allocation of generation asset

This paper focuses on the computation issue of portfolio optimization with scenario-based CVaR. According to the semismoothness of the studied models, a smoothing technology is considered, and a smoothing SQP algorithm then is presented. The global convergence of the algorithm is established. Numerical examples arising from the allocation of generation assets in power markets are done. The computation efficiency between the proposed method and the linear programming (LP) method is compared. Numerical results show that the performance of the new approach is very good. The remarkable characteristic of the new method is threefold. First, the dimension of smoothing models for portfolio optimization with scenario-based CVaR is low and is independent of the number of samples. Second, the smoothing models retain the convexity of original portfolio optimization problems. Third, the complicated smoothing model that maximizes the profit under the CVaR constraint can be reduced to an ordinary optimization model equivalently. All of these show the advantage of the new method to improve the computation efficiency for solving portfolio optimization problems with CVaR measure.     

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.     

一种解决不等式约束优化问题的光滑牛顿法

本通过引入松弛变量和Fischer函数把带有不等式约束优化问题的K-T条件转化为一个等价的非线性系统，并引入一参数μ，从而提出了一种新的光滑牛顿法。在适当的条件下，证明了算法的全局收敛性，并提供了数值结果。     

基于两时段的WCVaR风险分析及其应用

针对随机变量的分布信息不完全的情况下,提出了两时段的Worst-Case Conditional Valueat-Risk(WCVaR)指标,并建立了两时段的风险-利润投资组合优化模型,该模型是一高维问题,具有复杂的优化结构.在损失函数为线性以及随机变量为离散界约束分布的假设下,运用最优化对偶理论将具有多层min-ma...     

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.