考虑完整交易费用的组合证券投资求解

针对中国证券市场现存的各种交易费用,建立一个更加符合实际的组合证券投资模型.该模型不仅继承了股票不可拆分、不能卖空等特点,而且完全反映了交易费用的核算情况;最后给出一个遗传算法结合动态罚函数求解的投资实例,计算结果证明了该模型及其求解方法的有效性和可操作性.     

含交易费用的证券组合投资模型的满意解

在证券组合投资过程中,忽略交易费用会导致非有效的证券组合投资,本文提出了一个考虑交易费用的证券组合投资的区间数线性规划模型,通过引入区间数线性规划问题中的目标函数优化水平参数λ和约束条件满足水平参数η将目标函数和约束条件均为区间数的区间数线性规划模型转化为确定型的一般线性规划模型,进而求得相应于优化水平λ和满足水平η的满意解.     

一种有交易费用的交互式组合证券投资方法

本基于乘积最大化准则，提出一种新的交互式组合证券投资方法，即将不可微的双目标规划问题转化为可微的单目标规划问题。该方法可以充分考虑投资的要求，在考虑交易费用的前提下，在整个投资方案达到投资要求底限的同时，实现收益和风险的权衡。     

基于TGARCH-t的混合Copula投资组合风险测度研究

在分析了现有Copula函数在测度投资组合风险不足的情况下,首先充分考虑资产波动的时变性、杠杆效应等特征,选择了TGARCH-t模型进行边缘分布建模.接着引入混合Copula模型来描述投资组合的复杂相关结构,同时利用构造的主对角线距离统计量等方法验证了混合Copula模型的优势.最后通过VaR的蒙特卡洛模拟结果看到,这种方法能更为精确的测度投资组合风险值.     

带交易费用的证券组合投资选择的优化模型

本文利用在约束条件中加入证券多样化选择约束的办法来抵减非系统风险 ,就证券组合投资的选择问题 ,建立了带交易费用的综合考虑收益和风险的多目标规划模型 ,然后通过变换将不可微的多目标规划问题转化为一个多目标线性规划问题 ,最后给出了问题的一个算法和算例     

风险相依的保险投资组合研究

在个人和团体风险模型中,用s=Em=1x.表示保险投资组合的累积索赔,其中,X1,I>/1表示第i个保单产生的损失,N表示保险公司在一定时期内(例如,一年)总的索赔项数,每一个保单可能包含若干个不同的项目,假定一个保单的损失是这些不同项目索赔的总和,而一个保单的不同项目的索赔往往是相关的.Marceau et al.(1999)建立了一个相依风险模型,其中考虑了保险投资组合中个体风险之间的相依性.最近,Denuit(2001)证明了两个不同参数投资组合的索赔向量之间拉普拉斯变换序成立.本文将证明,事实上更强的随机序是成立的,并将该模型推广到团体风险模型的情形.     

开放式基金投资组合风险实证—基于copula的分析

利用多元阿基米德Copula捕捉多个金融资产间的相关结构,并利用非参数核密度估计描述单个金融资产的边缘分布,建立Copula-Kernel模型。利用该模型和VaR风险测度,结合Mente Carlo模拟技术,对我国股票型开放式基金-华夏成长基金的投资组合进行风险分析。     

基于偏度的多期组合投资调整模型

由于不同时期资产收益率以及投资者对风险和收益偏好的变化，加之资金等条件的限制，大多数组合投资问题具有明显的动态特征。本文把单期投资组合拓展到多期，引入偏度和风险度量工具VaR，并考虑交易费用的影响，建立了多期投资组合调整模型。最后，给出实证分析对模型进行分析研究，这对投资者的连续投资行为具有一定的指导作用。     

带交易费用的投资组合模型的割平面解法

本文讨论了带交易费用的投资组合模型，因对这一类带二次约束的线性优化问题没有特殊的处理方法，我们利用割平面法使这一非线性优化间题可通过解一系列线性规划问题来求解．     

基于Copula函数的组合资产条件相依性模型研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,组合资产的相依结构受多方面的影响,资产之间的相互影响与时间上的记忆效应是组合资产两类主要的相依关系.结合条件概率的理论建立基于Copula函数相依关系模型,研究组合资产之间同期相依关系及时间上的短期相依关系,提出了模型参数的三阶段极大似然估计方法.     

基于多维Gumbel Copula函数的投资组合VaR分析

基于目前国内有关Copula函数的实证研究主要是研究二种资产的相关性为主,文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,首先利用GJR模型构建资产的边缘分布,接着利用多元阿基米德Copula函数族中的Gumbel Copula函数构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下的投资组合的最小风险价值(VaR)及其资产组成,实证说明根据文章提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管。     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

金融风险的最坏VaR方法与投资组合优化

在股价及其走势均不确定的情况下,采用最坏VaR方法,对投资的潜在损失进行最保守的度量,并得到其等价的优化形式为一个二阶锥优化问题.接着考虑相应的投资组合优化问题:如何选择合适的头寸,使得当股票组合的期望收益达到给定水平的情况下,风险最低,即最坏VaR值最小,最后对模型进行实证分析.     

条件收益率下的VaR投资组合研究

本文以新的VaR风险控制体系和价格条件的VaR理论为基础,建立了一种新的最优投资组合模型——μ_s-VaR_s模型。其主要特点有:首先,μ_s-VaR_s模型主要关注相对价格的预期收益和风险,在没有股指期货对冲大盘指数风险的条件下,该模型可以为投资组合跑赢大盘提供了科学思路;其次,在μ_s-VaR_s风模型中,仿照夏普指数创建出了新的选股指标γ_s_i(t),使投资组合更有效率;最后,μ_s-VaR_s模型充分考虑了沪深股票市场的交易成本和交易条件限制,使模型具有较强的现实可用性.经过对沪深股票市场的实证分析发现:μ_s-VaR_s模型明显优于马柯威茨的M-V模型;应用μ_s-VaR_s模型所构建的投资组合的累积收益率显著高于大盘的同期累积收益率.     

An Algorithm for Portfolio Optimization with Variable Transaction Costs,Part 1: Theory

A portfolio optimization problem consists of maximizing an expected utility function of n assets. At the end of a typical time period, the portfolio will be modified by buying and selling assets in response to changing conditions. Associated with this buying and selling are variable transaction costs that depend on the size of the transaction. A straightforward way of incorporating these costs can be interpreted as the reduction of portfolios’ expected returns by transaction costs if the utility function is the mean-variance or the power utility function. This results in a substantially higher-dimensional problem than the original n-dimensional one, namely (2K+1)n-dimensional optimization problem with (4K+1)n additional constraints, where 2K is the number of different transaction costs functions. The higher-dimensional problem is computationally expensive to solve. This two-part paper presents a method for solving the (2K+1)n-dimensional problem by solving a sequence of n-dimensional optimization problems, which account for the transaction costs implicitly rather than explicitly. The key idea of the new method in Part 1 is to formulate the optimality conditions for the higher-dimensional problem and enforce them by solving a sequence of lower-dimensional problems under the nondegeneracy assumption. In Part 2, we propose a degeneracy resolving rule, address the efficiency of the new method and present the computational results comparing our method with the interior-point optimizer of Mosek. This research was supported by the National Science and Engineering Research Council of Canada and the Austrian National Bank. The authors acknowledge the valuable assistance of Rob Grauer and Associate Editor Franco Giannessi for thoughtful comments and suggestions.     

手数约束和凹交易费下的离散投资组合模型及算法

本文建立带手数约束和凹交易费的离散投资组合模型,给出求解该模型的一种精确算法。该算法是一个基于拉格朗日松弛和次梯度对偶搜索的分枝定界算法。为测试算法的有效性,用随机产生的数据对模型进行数值实验。作为其应用,用沪深300指数的真实数据实证检验该模型,并与不含交易费用的离散投资组合模型进行数值比较分析。数值分析表明算法能在合理的时间内给出模型的投资组合策略, 对解决中小规模的离散投资组合问题是有效的。     

两类多元GARCH模型的预测绩效和组合VaR的研究

运用V aR模型对股票组合进行风险测度的关键之一是得到组合条件协方差矩阵.而经典的多元GARCH模型来求解波动率面临着估计参数过多,计算量庞大的问题.因此,使用正交GARCH模型和CCC模型来估算波动率,并以沪深两市A股市场上四个行业的65只股票为样本,使用RM SE和M AD指标比较这些模型的预测能力,求得股票组合的V aR,得出前者效率高和后者预测能力略高的结论.     

An Algorithm for Portfolio Optimization with Variable Transaction Costs,Part 2: Computational Analysis

In Part 1 of this paper, we introduced a (2K+1)n-dimensional portfolio optimization problem with variable transaction costs taken into account. We presented a method for solving the (2K+1)n-dimensional problem by solving a sequence of n-dimensional optimization problems accounting for the transaction costs implicitly rather than explicitly. In Part 2, we propose a degeneracy resolving rule, present computational results comparing our method with the interior-point optimizer of Mosek, well known for its speed and efficient use of sparsity, and also address the efficiency of the new method. This research was supported by the National Science and Engineering Research Council of Canada and the Austrian National Bank. The authors wish to acknowledge the valuable assistance of Jivendra Kale, Zhengzheng Zhou and Associate Editor Franco Giannessi for thoughtful comments and suggestions.     

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.