改进区间可接受度的证券投资组合区间二次规划模型

本文首先基于Markowitz的经典均值方差模型，针对不确定环境下的投资组合问题，把证券的收益率、风险损失率和流动性用区间数描述，建立了一种新的含交易成本的证券投资组合区间二次规划模型。其次，为求解该模型，提出了改进的区间可接受度确定性转换方法，通过引入优化水平α与可接受水平η将不确定二次规划转化为确定型规划。最后，通过数值实验将提出的方法与传统方法进行比较，结果表明本文所提出的方法与模型具有相对较好的可行性与实用性。     

A fuzzy set approach for R&D portfolio selection using a real options valuation model

Making R&D portfolio decision is difficult, because long lead times of R&D and market and technology dynamics lead to unavailable and unreliable collected data for portfolio management. The objective of this research is to develop a fuzzy R&D portfolio selection model to hedge against the R&D uncertainty. Fuzzy set theory is applied to model uncertain and flexible project information. Since traditional project valuation methods often underestimate the risky project, a fuzzy compound-options model is used to evaluate the value of each R&D project. The R&D portfolio selection problem is formulated as a fuzzy zero–one integer programming model that can handle both uncertain and flexible parameters to determine the optimal project portfolio. A new transformation method based on qualitative possibility theory is developed to convert the fuzzy portfolio selection model into a crisp mathematical model from the risk-averse perspective. The transformed model can be solved by an optimization technique. An example is used to illustrate the proposed approach. We conclude that the proposed approach can assist decision makers in selecting suitable R&D portfolios, while there is a lack of reliable project information.     

基于模糊权重的多目标订单分配模型

随着竞争的日益加剧,采购成了影响企业生存和发展的关键因素。在这种情况下,正确的订单分配是成功实行采购的关键。实际上,影响订单分配的许多信息并不是确定的已知条件,例如目标、约束条件和影响权重等。本文通过考虑上述信息的不确定性和模糊性,构建一个包含模糊目标、模糊权重和随机约束的订单分配模型。然后,利用数值算例证明了模型的可解性。最后,指出了未来可能的几个研究方向。     

Portfolio Selection Using Stochastic Dominance Criteria

The direct application of stochastic dominance criteria to portfolio selection problems has been thought impractical because an extremely large number of combinations of returns must be considered. This paper proposes and evaluates a rigorous statistical procedure for sampling the combinations of returns on candidate risky assets so that stochastic dominance criteria may be used directly in an efficient linear programming model for portfolio selection. The sampling scheme exploits the association of the return on each candidate stock with the return on a market index in a manner analogous to the Sharpe single-index model, thereby eliminating the large number of combinations with probabilities close to or equalling zero. Portfolios computed by the proposed linear programming stochastic dominance model are compared with those computed by the single-index quadratic programming model, using 180 months of recent data on a sample of NYSE common stocks.     

Applying the Partitioned Multiobjective Risk Method (PMRM) to Portfolio Selection

The analysis of risk-return tradeoffs and their practical applications to portfolio analysis paved the way for Modern Portfolio Theory (MPT), which won Harry Markowitz a 1992 Nobel Prize in Economics. A typical approach in measuring a portfolio's expected return is based on the historical returns of the assets included in a portfolio. On the other hand, portfolio risk is usually measured using volatility, which is derived from the historical variance-covariance relationships among the portfolio assets. This article focuses on assessing portfolio risk, with emphasis on extreme risks. To date, volatility is a major measure of risk owing to its simplicity and validity for relatively small asset price fluctuations. Volatility is a justified measure for stable market performance, but it is weak in addressing portfolio risk under aberrant market fluctuations. Extreme market crashes such as that on October 19, 1987 ("Black Monday") and catastrophic events such as the terrorist attack of September 11, 2001 that led to a four-day suspension of trading on the New York Stock Exchange (NYSE) are a few examples where measuring risk via volatility can lead to inaccurate predictions. Thus, there is a need for a more robust metric of risk. By invoking the principles of the extreme-risk-analysis method through the partitioned multiobjective risk method (PMRM), this article contributes to the modeling of extreme risks in portfolio performance. A measure of an extreme portfolio risk, denoted by f(4), is defined as the conditional expectation for a lower-tail region of the distribution of the possible portfolio returns. This article presents a multiobjective problem formulation consisting of optimizing expected return and f(4), whose solution is determined using Evolver-a software that implements a genetic algorithm. Under business-as-usual market scenarios, the results of the proposed PMRM portfolio selection model are found to be compatible with those of the volatility-based model. However, under extremely unfavorable market conditions, results indicate that f(4) can be a more valid measure of risk than volatility.     

基于股价预测的泛证券投资组合策略

本文基于期望效用最大化和L₁-中位数估计研究了在线投资组合选择问题。与EG（Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同，本文将利用多期价格信息估计价格趋势，以提高在线策略的性能。首先，基于多期价格数据，利用L₁-中位数估计得到预期价格趋势。然后，通过期望效用最大化，提出一个新的具有线型时间复杂度的在线策略，EGLM（Exponential Gradient via L₁-Median）。并通过相对熵函数定义资产权重向量的距离，进而证明了EGLM策略具有泛证券投资组合性质。最后，利用国内外6个证券市场的历史数据进行实证分析，结果表明相较于UP（Universal Portfolio）策略和EG策略，EGLM策略有更好的竞争性能。     

Selection of supply portfolio under disruption risks

This paper deals with the optimal selection of supply portfolio in a make-to-order environment in the presence of supply chain disruption risks. Given a set of customer orders for products, the decision maker needs to decide from which supplier to purchase custom parts required for each customer order to minimize total cost and mitigate the impact of disruption risks. The selection of suppliers and allocation of orders is based on price and quality of purchased parts and reliability of delivery. The two types of disruption scenarios are considered: scenarios with independent local disruptions of each supplier and scenarios with local and global disruptions that may result in all suppliers disruption simultaneously. The problem is formulated as a single- or bi-objective mixed integer program and a value-at-risk and conditional value-at-risk approach is applied to control the risk of supply disruptions. The proposed portfolio approach is capable of optimizing the supply portfolio by calculating value-at-risk of cost per part and minimizing expected worst-case cost per part simultaneously. Numerical examples are presented and some computational results are reported.     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一，忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此，本文构建了包含条件偏度的组合投资模型，并给出其建模方法。首先，运用MIDAS-QR模型，改善条件偏度测度效果；其次，基于CRRA效用函数，将组合投资权重设计为条件偏度和特征变量的线性组合，建立组合投资模型并给出求解方案；最后，从沪深300指数中选取10支代表性成分股进行实证研究，从收益、风险和Sharpe比率等方面，将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较，分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法，其测度结果受异常值影响小，表现稳定；条件偏度对组合投资决策具有显著影响，包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。     

基于ARCH-Expectile方法的VaR和ES尾部风险测量

甄别和确定风险因素的贡献是资产或资产组合风险管理的重要研究内容。近十年,下端风险越来越受到关注,在险价值（Value at Risk,VaR）和预期不足（Expected Shortfall,ES）是资产组合风险管理中两个常用的风险度量工具。Kuan等^[1]在一类条件自回归模型（CARE）下提出了基于expectile的VaR度量-EVaR。本文扩展了Kuan等^[2]的CARE模型到带有异方差的数据,引入ARCH效应提出了一个线性ARCH-Expectile模型,旨在确定资产或资产组合的风险来源以及评估各风险因素的贡献大小,并应用expectile间接评估VaR和ES风险大小。同时给出了参数的两步估计算法,并建立了参数估计的大样本理论。最后,将本文所提出的方法应用于民生银行股票损益的风险分析,从公司基本面、市场流动性和宏观层面三个方面选取影响股票损益的风险因素,分析结果表明,各风险因素随股票极端损失大小的水平不同,其风险因素的来源及其大小和方向也是随之变化的。     

基于非参数估计框架的期望效用最大化最优投资组合

本文基于期望效用最大化和非参数估计框架研究了最优投资组合选择问题。和以往大多文献假定资产收益率服从某些特定分布不同资产收益率的分布类型无需作任何假设。首先在一般效用函数下,利用组合收益率密度函数的非参数核估计给出了期望效用的基本非参数估计公式,并建立了期望效用最大化投资组合选择问题的基本框架。然后,在投资者具有幂效用函数的假定下,给出了期望效用具体的非参数计算公式,并给出了求解最大期望效用的数值算法。最后,利用中国证券交易所11支股票日收益率的真实数据给出了一个数值算例。本文提出的非参数估计框架具有一般性,还可以进一步用来研究各种现实条件下（如各种现实不等式约束和具有交易成本）的投资组合管理问题。     

基于β系数优化的动态投资组合策略研究

本文提出一种股票动态投资组合策略，首先通过上升和下降贝塔来优选行业，然后在选择的行业中构造股票投资组合。对于股票投资组合，利用均值方差投资组合模型作为内核，通过引入参考时间窗口和持有期限窗口两个外生参数构建动态的均值-方差模型，并实证检验了模型的可行性。然后再经过多项业绩评价指标对比分析得出动态投资组合策略的收益明显优于被动投资策略，这种动态投资组合策略能够获得部分超额收益并且具有更好的可靠性。本研究为投资者提供了一种定量的投资组合管理方法，并从侧面验证了我国股市的非有效性。     

摩擦市场中允许卖空的最优投资组合选择

资本市场的一个重要特征就是存在不确定因素,为了衡量其导致的风险,本文提出基于绝对偏差的新型函数,在一个存在摩擦的资本市场中构造均值-绝对离差(mean-absolute deviation,MAD)投资组合选择模型.该模型结构特殊性使其转化为线性规划问题,从而可利用单纯型法求解.实证分析比较了不同风险函数下投资组合的有效前沿,并验证了该方法的有效性.     

摩擦市场上最优投资组合的一种数值解法

在实际的证券交易市场上存在着诸如交易费用、税收等摩擦.投资者在交易的过程中,不可避免的要受到市场摩擦的影响.作者以投资者为了获取最大的投资效用为目标函数,建立了摩擦市场上最优投资组合问题的数学模型,并提出一种适用于此类模型求解的内点算法,同时也给出了算法的具体实现步骤和一个具体的算例.     

摩擦市场上允许买空卖空的投资组合问题

证券交易市场上存在着诸如交易费用、税收等摩擦.投资者在交易过程中,不可避免地要受到市场摩擦的影响.本文以投资者所获取的最大投资效用为目标函数,建立了摩擦市场上最优投资组合问题的数学模型;同时对于之前解决此类问题的很多文章中“证券市场不允许买空卖空风险资产和借贷无风险资产”的假设条件做了扩展,得到一个摩擦市场上适用于“允许买空卖空或借贷”的证券投资组合的二次规划模型.     

资本结构作用下市场投资组合轨迹的研究

根据企业理财中投融资决策的互动机理 ,将资本结构与投资组合优化结合起来 ,在证券组合模型基础上 ,引入资本结构这一重要因素 ,研究了资本结构作用下市场投资组合点的轨迹 ,从而得出任一资本结构下所对应的市场投资组合     

基于前景理论的跨市场状态转移多阶段资产配置研究

在行为金融前景理论框架下研究跨市场间的状态转移资产配置问题，构建隐Markov——混合正态分布模型描述股票、债券和商品混合市场间的状态特征，用Baum-Welch算法估计模型参数，并利用状态转移思想进行情景生成建立多阶段随机优化模型。进一步，以我国股票、债券和商品混合市场的实际数据为背景，利用滚动窗口方法实证分析基于状态转移的多阶段随机模型的表现，并与忽略状态转移特征的基准模型、等权重组合、沪深300指数的结果进行对比。结果表明，与其他组合相比，基于状态转移的投资组合有助于规避风险，且混合市场间的状态转移信息能够对前景理论投资者的最优投资决策产生影响。     

一个非对称风险度量模型及组合证券投资分析

在分析Jia&Dyer的风险-价值理论基础上,给出了一个基于预先给定的目标收益的非对称风险函数。该风险函数是低于参考点的离差和高于参考点的离差的加权和,它利用一阶"上偏矩"来修正二阶下偏矩,进一步建立了在此非对称风险函数下的二次规划组合证券投资模型;并证明了该模型与三阶随机占优准则的一致性;最后通过上海证券市场的实际数据验证了该模型的有效性和实用性。     

基于幂风险谱和蒙特卡洛模拟的贷款优化配置模型

极端风险对于银行资产配置至关重要，尤其是次贷危机之后尾部风险以惨重的代价引起了金融机构的重视，传统条件风险价值CVaR、风险价值VaR不能有效度量尾部极端风险，因此本文基于幂风险谱和蒙特卡洛模拟构建了贷款组合优化配置模型，同时控制尾部极端风险和信用风险。本文一是通过损失-X_i越大、其风险权重φ_i也就越大的思路，构建幂风险谱PSR （Power Spectral Risk）最小的目标函数对极端风险进行控制，即弥补了CVaR同等看待尾部风险、忽略风险较大的损失应予以更大权重的不足，也同时弥补了VaR仅提供某一置信水平下资产损失的最大值、无法反映一旦超过这一数值的可能损失的弊端。二是通过蒙特卡洛模拟信用等级迁移引起贷款收益的变化情景，并以信用等级迁移后贷款组合损失越大、则风险厌恶权重越大的思路构建幂风险谱PSR最小为目标函数，以贷款组合的收益大于目标收益为约束，构建贷款优化配置模型，改变了现有研究贷款配置时没有同时控制信用风险和尾部风险的不足。对比分析结果表明：本文模型能够实现更高的收益风险比，即在单位幂风险谱PSR下能够实现较高的收益。     

具有卖空总量限制的多阶段M—SAD投资组合优化

文章提出具有卖空总量限制、阈值约束和V型交易成本的多阶段均值—半绝对偏差（M-SAD）投资组合优化模型。该模型分别运用均值和半绝对偏衡量资产的收益率和风险。由于交易成本的存在,该模型不满足无后效性的动态优化问题。文章将该模型近似为一般动态规划问题,提出一种新的离散迭代方法,并证明该算法是线性收敛的。最后,文章通过实证研究比较分析卖空总量限制和风险偏好系数取不同值时对投资组合最优策略的影响,验证模型和算法的有效性。