随机波动率市场存在股票误价时的最优投资策略

本文研究了随机波动率市场中存在股票误价(mispricing)时的最优投资组合选择问题.假设投资者的目标是最大化终端财富的期望幂效用;其可投资于无风险资产、市场指数和两支相同权益或近似度极高的股票,其中至少有一支股票存在误价;市场收益的波动率和股票系统风险由Heston随机波动率模型刻画.运用动态规划方法和Lagrange乘子法,分别得到不存在/存在有限卖空约束时,投资者的最优投资策略及最优值函数的解析式,并通过理论分析和数值算例,阐述了投资时间水平和价格随机误差对最优投资策略的影响.     

影响收益的公司指标在最优投资组合选择中的应用

如何从数目巨大的市场股票集中选取一组特定的股票作为最优投资组合选择模型的输入,以确保最终的投资方案具有优异而稳定的表现一直是投资理论界和实务界关注的重点.为此,本文基于作者新近结合中国股市特性并采用新方法所确定影响中国股票收益的多个公司基本特性指标,设计了一个恰当的股票预选策略,并由此导出了新型而稳健的投资组合选择两阶段法.实证结果表明新方法能使投资者便捷地找到更稳健的投资策略.     

有跳风险的随机利率与动态资产分配

在股票服从跳扩散模型及利率满足有随机跳的均值回复过程的不完全市场下,讨论了股票,债券和银行存款的组合选择投资问题.应用动态规划建立了终期财富效用期望最大化目标函数对应的H JB方程,并给出了投资策略的表达式,最后通过数值计算分析了投资策略与风险回避参数γ,跳到达强度参数λ等关系.     

VaR约束下最优比例再保险和投资策略问题

研究了VaR动态约束下保险人的最优投资和再保险策略选择问题.假设保险人选择比例再保险来分散索赔风险,并通过银行存款和投资股票的手段来增加额外收益,其中股票价格满足Heston模型.保险人的目标是寻求使其终端财富的期望效用最大的最优策略.引入VaR约束条件并采用期望效用最大化为准则,运用随机控制理论建立具有VaR约束的随机控制问题,采用动态规划推导HJB方程,并利用Lagrange函数等方法得到指数效用下VaR约束有效和无效时的最优策略.另外,考虑了仅投资情形下的最优投资策略.最后通过仿真对最优策略进行敏感性分析.     

基于随机基准的最优投资组合选择问题研究

本文研究基于随机基准的最优投资组合选择问题. 假设投资者可以投资于一种无风险资产和一种风险股票,并且选择某一基准作为目标. 基准是随机的, 并且与风险股票相关. 投资者选择最优的投资组合策略使得终端期望绝对财富和基于基准的相对财富效用最大. 首先, 利用动态规划原理建立相应的HJB方程, 并在幂效用函数下,得到最优投资组合策略和值函数的显示表达式. 然后,分析相对业绩对投资者最优投资组合策略和值函数的影响. 最后, 通过数值计算给出了最优投资组合策略和效用损益与模型主要参数之间的关系.     

基于HWSME的股票最佳投资区域起端的模糊综合评判方法

寻找进入主升浪的股票对投资效益最大化意义重大.讨论并界定了股票最佳投资区域,借助于HWSME和模糊综合评判,建立了股票最佳投资区域起端的模糊综合评判方法,构建了评价指标体系和隶属函数.通过对中国股票市场部分股票进行了横向和纵向预测实验,结果证明了方法的有效性.对投资效益最大化提供了强有力的分析工具.     

特质波动率与股票收益——基于Fama-French五因子模型的研究北大核心CSCD

股票收益与风险之间的关系一直以来都是金融学理论研究的核心问题.近年来,针对股票收益与特质风险之间的关系的研究受到了越来越多的学者的关注.在有效市场的理论下,通过构建多样化投资组合,投资者可以分散公司的特质风险,使组合收益更多的与市场风险相关.然而由于投资者之间信息不对称、市场政策差异化、资金成本不均衡等因素的影响,往往无法构建其目标组合,于是无法分散的特质风险就会在一定程度上影响股票收益.该文章以沪深A股自2000年1月4日至2015年12月31日共计3871个交易日的日收益率数据作为研究样本,通过滚动窗口分析的方法,以最新的五因子模型为切入点,研究发现了在中国股票市场中特质波动率与股票收益之间的负相关关系,并通过构建高特质风险与低特质风险股票组合进一步发现特质波动率与收益之间的负相关关系在经济意义上显著.     

部分信息下带有保费返还条款的DC养老金时间一致性投资策略

本文研究了部分信息下带有保费返还条款的DC养老金的时间一致性投资策略.假设养老金管理者只拥有股票的部分信息,即只能观测到股票的价格,而不能观测到股票的收益率.养老金带有保费返还条款,在基金累积期死亡的参与者可以获得前期缴纳的所有保费.此外,本文还考虑了通胀风险以及随机工资.首先,利用卡尔曼滤波理论,将部分信息情形下的最优投资组合问题转化为一个完全信息情形下的问题.然后,通过求解一个扩展的HJB方程,得到时间一致性投资策略和最优值函数,并给出了均值–方差有效前沿的参数表达式.最后,用蒙特卡洛方法进行数值模拟,分析了部分信息和保费返还条款对股票投资比例和有效前沿的影响,并给出了相应的经济学解释.     

特质波动率与股票收益——基于Fama-French五因子模型的研究

股票收益与风险之间的关系一直以来都是金融学理论研究的核心问题.近年来,针对股票收益与特质风险之间的关系的研究受到了越来越多的学者的关注.在有效市场的理论下,通过构建多样化投资组合,投资者可以分散公司的特质风险,使组合收益更多的与市场风险相关.然而由于投资者之间信息不对称、市场政策差异化、资金成本不均衡等因素的影响,往往无法构建其目标组合,于是无法分散的特质风险就会在一定程度上影响股票收益.该文章以沪深A股自2000年1月4日至2015年12月31日共计3871个交易日的日收益率数据作为研究样本,通过滚动窗口分析的方法,以最新的五因子模型为切入点,研究发现了在中国股票市场中特质波动率与股票收益之间的负相关关系,并通过构建高特质风险与低特质风险股票组合进一步发现特质波动率与收益之间的负相关关系在经济意义上显著.     

不同风险度量方法的投资组合比较研究

为了验证投资组合理论在中国证券市场的有效性,在不允许卖空情况,针对不同风险度量方法,文章运用旋转算法或结合序列二次规划法分别求解均值-方差、均值-下半方差投资组合模型、均值-半绝对偏差、均值-平均绝对偏差和均值-VaR.文章选取三年沪市六只业绩比较好的股票,依据前两年的数据作为样本数据,分别求出五个模型在不同期望收益率下的最优投资策略,将得出的最优投资策略应用到最后一年,进行模拟投资,从而计算出各模型的总收益率.以等比例投资为标准,比较五个模型的绩效.最后,证明了两个模型对于中国证券市场是适用.     

STAR-GARCH模型与股票市场投资策略非线性

本文首次基于投资者异质性和行为金融理论,从投资者风险偏好的角度度量市场情绪,应用STAR-GARCH模型,对我国股票市场投资策略的非线性转换进行了实证研究。研究结果表明:(1)我国股票市场投资策略表现出明显的两机制,说明我国股票市场存在显著的投资者异质性;(2)当市场情绪指数分别为0.06和0.046时,沪深股票投资策略处于中间机制,表现为偏向理性投资策略,而当市场情绪指数大于约0.6或小于约-0.5时,沪深股票投资策略处于外机制,表现为偏向噪音交易策略,在两种机制间,存在着投资策略的非线性转换;(3)当沪深股票投资策略处于中间机制时,股票市场日收益率平均波动更小,因而表现得更稳定。     

基于风险网络结构的资产分配策略研究

股票市场是一个高风险市场,如何在频繁发生的极端波动环境下进行有效的资产分配是当前热点问题。本文首次应用VaR模型构建股市风险网络,并基于风险网络模型进行最优投资组合成分选择,分析不同市场波动行情下最优资产分配权重和股票中心性的时变关系,融合风险网络时变中心性和个股表现提出新的动态资产分配策略(φ投资策略)。结果表明:在股市上涨和震荡期,股票中心性和最优投资组合权重呈正相关关系;股市下跌期,股票中心性和最优投资组合权重呈负相关关系;当φ>0.05时,投资者的合理投资区域向高中心性节点移动,反之。φ投资策略的绩效表现证明了风险网络结构能提高投资组合选择过程。此研究对于优化资产配置、提高投资收益、多元化分散投资风险具有重要意义。     

Developing a dynamic portfolio selection model with a self-adjusted rebalancing method

In this paper, we propose a comprehensive investment strategy for not only selecting but also maintaining an investment portfolio that takes into account changing market conditions. First, we implement a dynamic portfolio selection model (DPSM) that uses a time-varying investment target according to market forecasts. We then develop a self-adjusted rebalancing (SAR) method to assess the portfolio’s relevance to current market conditions, and further identify the appropriate timing for rebalancing the portfolio. We then integrate the DPSM and SAR into a comprehensive investment strategy, and develop an adaptive learning heuristic for determining the parameter of the proposed investment strategy. We further evaluate the performance of the proposed investment strategy by simulating investments with historical stock return data from different markets around the world, across a period of 10 years. The SAR Portfolio, maintained according to the proposed investment strategy, showed superior performance compared with benchmarks in each of the target markets.     

不完全信息和模糊厌恶下DC型养老金最优投资策略

在信息部分可观测的金融市场中,参与者可投资于一个无风险资产、一个滚动债券和一支股票。其中,股票的预期收益率由一个服从均值-回复过程的预测因子预测。参与者是模糊厌恶的,只能观测到股票价格和利率,却无法观测到预测因子。利用滤波技术和动态规划原理,得到了不完全信息和模糊厌恶下DC型养老金最优投资策略的解析式。进一步,利用敏感性分析和比较静态分析,对比仅考虑不完全信息、仅考虑模糊厌恶以及同时考虑不完全信息和模糊厌恶三种情形下的最优投资策略。结果表明同时考虑不完全信息和模糊厌恶时的最优投资策略最保守,仅考虑不完全信息时的最优投资策略对风险厌恶系数的变化最敏感。     

Vasicek利率模型下带有零息票债券的投资-消费模型

应用随机最优控制理论研究Vasicek利率模型下的投资-消费问题,其中假设无风险利率是服从Vasicek利率模型的随机过程,且与股票价格过程存在一般相关性.假设金融市场由一种无风险资产、一种风险资产和一种零息票债券所构成,投资者的目标是最大化中期消费与终端财富的期望贴现效用.应用变量替换方法得到了幂效用下最优投资-消费策略的显示表达式,并分析了最优投资-消费策略对市场参数的灵敏度.     

非平稳市场中适应性在线投资组合策略设计与分析

考虑到股票市场的表现往往是非平稳的, 过去较长时间的股票价格对当前的投资决策影响较小, 因此基于近期股票价格数据设计在线投资组合策略. 首先, 将上一期的策略与固定长度的股票价格近期数据对应的最优定常再调整策略加权平均, 设计了一个在线投资组合策略. 其次, 进一步采用在线学习的方法选择加权平均的权重, 设计了一个适应性的在线投资组合策略. 利用实际股票价格数据对构造的策略进行数值分析, 结果表明与基准策略和已有的在线投资组合策略相比, 设计的策略具有较好的性能.     

An adaptively managed dynamic portfolio selection model using a time-varying investment target according to the market forecast

In this paper, we propose an adaptive investment strategy (AIS) based on a dynamic portfolio selection model (DPSM) that uses a time-varying investment target according to the market forecast. The DPSM allows for flexible investments, setting relatively aggressive investment targets when market growth is expected and relatively conservative targets when the market is expected to be less attractive. The model further allows investments to be liquidated into risk-free assets when the market forecast is pessimistic. By dynamically determining the investment target, the DPSM allows construction of portfolios that are more responsive to market changes, while eliminating the possibility of the model becoming infeasible under certain market conditions. When the proposed DPSM is implemented in real-life investment scenarios using the AIS, the portfolio is rebalanced according to a predefined rebalancing cycle and the model’s input parameters are estimated on each rebalancing date using an exponentially weighted moving average (EWMA) estimator. To evaluate the performance of the proposed approach, a 7-year investment experiment was conducted using historical stock returns data from 10 different stock markets around the world. Performance was assessed and compared using diverse measures. Superior performance was achieved using the AIS proposed herein compared with various benchmark approaches for all performance measures. In addition, we identified a converse relationship between the average trading volume of a market and the value of the weighting parameter prescribed to the EWMA estimator, which maximizes cumulative returns in each market.     

Network theory and behavioral finance in a heterogeneous market environment

This article addresses the stock market as a complex system. The complexity of the stock market arises from the structure of the environment, agent heterogeneity, interactions among agents, and interactions with market regulators. We develop the idea of a meta‐model, which is a model of models represented in an agent‐based model that allows us to investigate this type of market complexity. The novelty of this article is the incorporation of various complexities captured by network theoretical models or induced by investment behavior. The model considers agents heterogeneous in terms of their strategies and investment behavior. Four investment strategies are included in the model: zero‐intelligence, fundamental strategy, momentum (trend followers), and adaptive trading strategy using the artificial neural network algorithm. In terms of behavior, the agents can be risk averse or loss occupied with overconfidence or conservative biases. The agents may interact with each other by sharing market sentiments through a structured scale‐free network. The market regulator controls the market through various control tools such as the risk‐free rate and taxation. Parameters are calibrated to the S&P500. The calibration is implemented using a scatter search heuristic approach. The model is validated using various stylized facts of stock return patterns such as excess kurtosis, auto‐correlation, and ARCH effect phenomena. Analysis at the macro and micro level of the market was performed by measuring the sensitivity of volatility and market capital and investigating the wealth distributions of the agents. We found that volatility is more sensitive to the model parameters than to market capital, and thus, the level of volatility does not affect market capital. In addition, the findings suggest that the efficient market hypothesis holds at the macro level but not at the micro level. © 2016 Wiley Periodicals, Inc. Complexity 21: 530–554, 2016     

投资者情绪指数及中国股市的实证

准确度量投资者情绪,有助于深刻理解市场,进行有效的监管和制定正确的投资策略.从重新界定投资者情绪的定义出发,对投资者情绪与当期收益的关系进行了理论演绎,总结出5条有关投资者情绪与当前收益关系的假说.依据可以获得的投资者情绪代理变量,利用主成分分析构建了中国证券市场投资者情绪指数,进而利用EGARCH模型实证检验了上述5条假说.实证结果表明,理论演绎与市场实际运行有很好的相合性.