R&D项目组合鲁棒性风险测度及选择模型研究

针对RD项目组合选择研究中将风险作为极值目标函数,导致所求最优函数解为折衷解,且研究中较少考虑项目依赖关系对风险变化及组合选择影响的问题,借鉴鲁棒性理论,提出项目组合鲁棒性风险概念,并从单项目风险、项目依赖关系和项目风险控制成本三方面描述其构成。采用相继故障理论对项目组合鲁棒性风险进行刻画,建立了以鲁棒性风险、项目资源为约束,收益最大化为目标函数的组合选择优化模型,并采用量子遗传算法进行求解。实例分析表明,最小化风险组合选择模型排除了一些进入组合后能承担自身风险且增加收益的项目,而考虑项目组合鲁棒性风险的选择模型不但能为项目决策者有效地决策支持,而且能降低因选择不合理而导致的项目组合失败的可能性。     

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.     

基于CVaR衍生的多期多面风险度量下的投资组合研究

为了解决多期投资组合的决策问题,本文将由CVaR衍生的多期多面风险度量作为风险控制目标,建立了一个在收益约束条件下最小化风险的多阶段投资组合模型。为求解模型,设计了多期投资组合优化流程,它将非参数抽样方法、基于聚类算法的多阶段情景树生成方法和多期多面风险度量组合在一起。该流程基于计算、容易实现、直观合理。根据我国金融市场数据进行的实证研究结果表明,这一流程具有较好的实用性。     

工程项目组合风险扩散模型的级联失效分析

为构建符合工程项目组合特点的风险扩散模型,解决风险扩散问题。本文考虑风险扩散的双关系载体—项目交互关系和风险因素逻辑关系,构建工程项目组合风险扩散的双层相依网络模型,运用级联失效理论提出风险扩散规则,通过数值仿真分析风险扩散特征。仿真结果发现：工程项目组合中,双层网络模型能够反映风险在项目和风险因素双关系载体中的扩散特征;与单层网络风险扩散模型相比,构建的模型展现出差异性的风险扩散效应,风险扩散在工程项目组合中表现出更剧烈的级联失效过程。风险扩散模型作为工程项目组合风险扩散问题的前置性研究,为进一步风险扩散网络稳定性的研究提供新思路和启发。     

基于战略导向的项目组合选择优化研究

本文研究了以项目组合的选择实现组织战略目标最大化的问题,将战略目标分解为收益、成本和风险目标,运用模糊集截集原理和目标标准法则把战略目标整合为单个的权衡目标。用梯形模糊数表示项目的不确定参数,并考虑项目间的相互影响关系,建立了基于战略目标的项目组合选择模型,来实现项目组合选择与战略目标的一致。并针对模型提出了遗传算法进行求解,用示例验证了方法的有效性。     

一种新的梯形模糊数间距离及在投资组合模型选择中的应用

给出一种新的模糊数间的距离公式.用新定义的距离公式来度量给定优先资产的条件下投资组合的分散度.用可能性均值度量投资组合的收益,可能性半方差度量投资组合的风险,在收益和风险满足一定的条件下构造分散度模型.通过实例分析,给出的方法不仅分散度更好,而且资产分配多元化程度更高,计算也更简单.     

动态主动打断项目组合选择问题的模型研究

动态主动打断项目组合选择问题是项目组合选择研究的新方向,然而该问题中涉及的六个重要参数都是不确定的,需要通过预测或估算才能得到,导致项目组合选择结果存在风险,最优解随着参数的变动发生变化。针对这种情况,本文首先提出了一个适合敏感性分析的动态主动打断项目组合选择新模型,并将其线性化;其次,运用GAMS＼BARON求解算例,对比动态和静态主动打断项目组合选择模型的结果,验证了动态线性模型的优越性;最后,分别求解六个不确定性参数的敏感性系数,并进行了局部敏感性分析。结果表明:第一,动态主动打断项目组合选择线性模型既可以统筹安排新、旧项目,又能增加企业收益;第二,根据系数敏感性的排名,企业应当有区别地对待六个不确定性参数;第三,新项目投资和项目收益的敏感性大小和排序,会随着参数变动而变化。     

可信性均值-绝对偏差投资组合优化

为了度量金融市场的不确定性,本文引入了模糊变量。假设资产收益率为模糊数,分别运用可信性均值和可信性绝对偏差度量投资组合的收益与风险。考虑到投资者偏好,分别提出了以收益最大化的均值-绝对偏差优化模型和以风险最小化的优化模型。基于可信性理论,将上述模型转化为线性规划问题,并运用旋转算法求解。通过实证研究,证明了该算法的有效性,并比较了两个模型在实际投资决策过程中的效率。结果表明,以收益最大化的均值-绝对偏差优化模型效率优于风险最小的优化模型。     

新型风险投资组合选择模型

为克服现有关于风险投资的投资组合选择研究所存在的诸如相关参量在实际中不易确定、对投资风险的刻画过于粗糙等不足,本文依据风险投资的特点,提出了直接基于对风险投资项目的综合评价值来预测其未来投资效益与风险的新方法,给出了两种更合理的风险度量,并由此导出了相应的新型风险投资的投资组合选择模型,模拟结果说明了新度量和模型的合理性和实用价值.     

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.     

Single-Period Markowitz Portfolio Selection,Performance Gauging,and Duality: A Variation on the Luenberger Shortage Function

The Markowitz portfolio theory (Ref. 1) has stimulated research into the efficiency of portfolio management. This paper studies existing nonparametric efficiency measurement approaches for single-period portfolio selection from a theoretical perspective and generalizes currently used efficiency measures into the full mean-variance space. We introduce the efficiency improvement possibility function (a variation on the shortage function), study its axiomatic properties in the context of the Markowitz efficient frontier, and establish a link to the indirect mean-variance utility function. This framework allows distinguishing between portfolio efficiency and allocative efficiency; furthermore, it permits retrieving information about the revealed risk aversion of investors. The efficiency improvement possibility function provides a more general framework for gauging the efficiency of portfolio management using nonparametric frontier envelopment methods based on quadratic optimization.     

熵—证券投资组合风险的一种新的度量方法

本文在研究马科维茨 ( Markowitz)证券投资组合模型的基础上 ,分析了该模型用方差度量风险的缺陷 ,进而提出用熵作为风险的度量方法 ,改进马科维茨 ( Markowitz)证券投资组合模型 ,并建立新的证券投资组合优化模型     

基于粗集模糊物元的项目组合配置战略贴近度研究

战略导向下的项目组合配置问题是企业进行多项目管理时需要解决的重要问题,对企业战略目标最大化的实现起到关键作用。论文在研究项目与项目关系的视角下,以项目组合配置方案和企业战略关系为出发点,提出了项目组合配置战略贴近度概念,构建了项目组合配置模糊物元模型,并以战略贴近度值的大小为度量标准,对项目组合配置方案与企业战略吻合程度进行分析,为企业项目组合管理提供决策依据。     

证券投资组合理论的一种新模型及其应用

马科维茨(Markowitz)以证券收益率的方差作为投资风险的测度建立了组合证券投资模型，本基于熵的概念，在研究马科维茨(Markowitz)证券投资组合模型的基础上，分析了该模型用方差度量风险的不足，进而提出一种新的证券投资组合优化模型，并以实例作了说明。     

企业自主研发与合作创新的风险测度及组合优化

企业在整合内部创新要素进行自主研发的同时,也会寻求外部创新资源进行合作创新,当前同时从事多个R&D项目已成为常见的企业经营活动,如何在不确定条件下分析多个R&D项目投资的策略选择及风险优化,对于企业的长期发展具有重要意义。根据企业是否采取合作创新策略,可将其R&D项目分为自主研发与合作创新两类,以项目的研发成功率和投资收益率代表技术风险和市场风险,分别测度自主研发与合作创新项目的风险特性,并在此基础上构建企业R&D项目投资组合优化模型,以在自主研发与合作创新项目之间进行权衡取舍。结果表明,企业对于自主研发与合作创新项目投资组合的最优投资权重,主要取决于这两类组合的期望收益率、收益率方差、期望成功率以及两组合之间的协方差。企业可基于关键参数制定出最优的R&D项目投资组合选择策略,合理分配资金以达到风险最小化的投资目标。     

考虑外部效应与风险因素的多项目优化模型及应用

多项目的组合优化与资源分配优化,实质上是经济学中资源配置与利用问题.运用经济学与管理学的相关理论和定量研究方法,建立了外部效应估算模型、项目评价模型、风险估算模型、多项目组合优化模型和关于资源分配优化的两层决策模型.相关模型的应用实例研究,说明了该模型的有效性.     

均值-叉熵证券投资组合优化模型

在研究马科维茨(Markowitz)证券投资组合模型的基础上,分析了该模型用方差度量风险的缺陷,进而提出用叉熵作为风险的度量方法,建立了均值-叉熵的投资组合优化模型.该模型计算简便,更易被一般投资人所使用.     

Multiple criteria linear programming model for portfolio selection

The portfolio selection problem is usually considered as a bicriteria optimization problem where a reasonable trade-off between expected rate of return and risk is sought. In the classical Markowitz model the risk is measured with variance, thus generating a quadratic programming model. The Markowitz model is frequently criticized as not consistent with axiomatic models of preferences for choice under risk. Models consistent with the preference axioms are based on the relation of stochastic dominance or on expected utility theory. The former is quite easy to implement for pairwise comparisons of given portfolios whereas it does not offer any computational tool to analyze the portfolio selection problem. The latter, when used for the portfolio selection problem, is restrictive in modeling preferences of investors. In this paper, a multiple criteria linear programming model of the portfolio selection problem is developed. The model is based on the preference axioms for choice under risk. Nevertheless, it allows one to employ the standard multiple criteria procedures to analyze the portfolio selection problem. It is shown that the classical mean-risk approaches resulting in linear programming models correspond to specific solution techniques applied to our multiple criteria model. This revised version was published online in June 2006 with corrections to the Cover Date.     

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方法的房地产组合投资最优化模型研究

房地产开发项目投资是具有高风险高回报的典型的风险投资.在这个高风险的投资环境中要想达到预期目标,就必须对整个项目进行开发投资风险分析.本文运用CVaR对房地产项目投资存在的风险进行识别度量,通过建立基于CVaR下的房地产组合投资模型,达到项目风险防范的目的,提高投资回报的稳定性.