直觉模糊数风险偏好一致排序方法和决策

证明直觉模糊数的Hong排序法、刘华文排序法和陈东峰排序法都要求决策者的风险态度随直觉模糊数变化而变化,不满足风险偏好一致性,违背决策者的风险态度相对稳定的实际情况.提出基于风险偏好系数的直觉模糊数排序方法,它能保证决策者风险偏好一致;并且,面对相同的决策问题,不同风险偏好的决策者可能有不同的决策结果.最后,把基于风险偏好系数的直觉模糊数排序法应用于直觉模糊集多属性决策.     

多元化与公司风险研究

文章研究了公司的系统风险、债务风险和经营风险与公司的多元化程度的相关性。本文的实证结果表明,公司的系统风险与公司的多元化程度是正相关的;公司的债务风险与公司的多元化程度是正相关的;公司的经营风险与公司的多元化程度是负相关的。随着公司多元化程度加深,公司的经营风险会变小,但是公司面临的宏观的资本市场的系统风险和企业自身的债务风险,会随着变大。     

基于Copula-EVT模型的我国股票市场流动性调整的VaR和ES研究

结合相依结构函数Copula和极值理论EVT,构建了我国股票市场经流动性调整的La-Copula-EVT风险价值模型,并用沪深收益序列的分笔高频数据进行了实证分析,发现我国沪深股市收益序列的上尾和下尾都存在较高相关性,后验测试结果表明构建的模型能够对实际损失进行很好的拟合;然后在该模型的基础上进一步分析了我国沪深股市的风险价值和预期不足在不同置信区间的敏感度差异,确定了适合La-Copula-EVT模型的最优置信度区间。     

资产收益率分形相关性下的Mean-PDCCA组合策略研究

准确地测量资产之间的相关性,是构建有效投资组合模型的前提.文章针对资产收益率存在分形相关性的现实情况,首先通过消除趋势交叉相关分析(DCCA)等方法,构建了分形相关性统计测度,用于测量资产之间的相关性;随后,通过将分形相关性统计测度纳入到收益-风险准则之中,构建了多时间标度前置下的投资组合模型Mean-PDCCA,即分形投资组合模型,并给出了模型的解析解;最后,实证分析发现,在资产收益率存在分形相关性的典型事实约束下,分形投资组合整体上优于经典投资组合,不仅能够提升投资业绩,还具有更好的稳健性,为投资者提供了有效的决策参考.     

具有双向认证功能的量子秘密共享方案

利用两粒子纠缠态作为经典信息的载体,结合Hash函数和量子本地操作提出了一种可以实现双向认证功能的量子秘密共享方案,并且分析了它的安全性. 这种方案的安全性基于秘密共享双方的认证密钥和传输过程中粒子排列次序的保密. 若不考虑认证和窃听检测所消耗的粒子,平均1个Bell态共享2 bit经典信息. 关键词： 量子秘密共享 认证密钥 量子双向认证 两粒子量子纠缠     

基于Copula的VsR度量与事后检验

估计VaR的传统方法有三种:协方差矩阵法、历史模拟法和蒙特仁洛模拟法。通常,文献中认为刚蒙特卡洛模拟法度量VaR有很多方面的优点。但是,本文通过实证检验发现,使用传统蒙特卡洛模拟法估计的VaR偏小,事后检验效果很不理想。本文引入Copula函数来改进传统的蒙特卡洛模拟法。Copula函数能将单个边际分布和多元联合分布联系起来,能处理非正态的边际分布,并且它度量的相关性不再局限于线性相关性。实证检验表明,基于Copula的蒙特卡罗模拟法可以更加准确地度量资产组合的VaR。     

基于混合密度网络模型拟合收益统计分布与计算Expected Shortfall

基于混合密度网络模型估计金融时间序列的时变条件密件,提出数值模拟方法计算ExpectedShortfall。对香港恒生指数的实证研究表明,混合密度网络可以有效地描述收益的经验分布统计特征和波动规律,模型评估指标反映出预测效果良好,Value-at-R isk的预测精度在高端分位点表现较好,且可有效计算Expected shortfall指标,是金融市场风险测量的有效方法。     

带息力更新风险模型的一个极值分布

本文讨论了带息力的更新风险模型,得到了破产前最大盈余分布的递推公式,且在此基础上还给出了它满足的积分方程.     

风险企业的委托-代理模型

传统的委托—代理理论在解释风险企业家的行为时遇到了困难。通过对传统的委托—代理理论进行重新构造和拓展，本提出逆反努力法则，验证了隐藏行动的道德风险的存在，并通过Newton迭代法和图形学方法对风险企业家的长期努力水平进行计算，发现努力水平对努力效应指数n表现出协同效应。     

一类重尾风险因子的模拟及其投资高风险值和置信区间的估计

由于金融市场中的日周期或短周期对数回报率的样本数据多数呈现胖尾分布，于是现有的正态或对数正态分布模型都在不同程度上失效，为了准确模拟这种胖尾分布和提高投资风险估计及金融管理，本文引进了一种可根据实际金融市场数据作出调正的蒙特卡洛模拟方法．这个方法可以有效地复制金融产品价格的日周期对数回报率数据的胖尾分布．结合非参数估计方法，利用该模拟方法还得到投资高风险值以及高风险置信区间的准确估计。