基于周内多重分形波动率的基金投资风格漂移风险测度研究

基金发生投资风格漂移是把双刃剑，在获得短期超额收益时，也隐藏着巨大的风格漂移风险。本文首先以我国79只开放式股票型基金为样本，在量化投资风格漂移的基础上，分析发现其收益序列存在多重分形特征，据此构建周内多重分形波动率测度来刻画投资风格漂移收益的复杂波动特征，并与传统的GARCH族波动率计量模型的测度能力进行比较分析，实证结果发现本文构建的周内多重分形波动率测度更加精确，能更好刻画序列的复杂波动特征；然后，进一步构建MFVW VaR模型对基金投资风格漂移风险进行量化测度，发现该模型比传统的参数与非参数VaR模型能更好地对风格漂移风险进行有效测度，基金普遍存在较大的风格漂移风险；最后，对我国开放式股票型基金的产品创新策略与投资风格漂移监管策略进行了一些有益探讨。     

考虑投资者非完全理性反应的投资策略

我们认为,收益率分布作为投资决策行为在市场交易中的直接后果,必然蕴涵着投资决策的行为特征.在我们前期的研究中,建立了基于行为理论的收益率分布模型,利用该模型考察投资者对小概率事件的反应程度,在投资行为模型基础上,可以建立有效的投资策略.本文在行为收益率分布模型和投资行为模型的基础上,通过考察投资者对小概率事件的反应程度,首次提出了不同于传统研究中采用收益率代表投资者的反应程度的方法,建立了不同于传统动量策略和反向策略的回复策略.利用沪市数据对本文提出的回复策略与传统动量、反向策略进行了实证比较研究.     

行业指数相关关系的多重分形时变性及实证分析

行业指数相关性对行业配置非常重要,是分散资产组合风险的核心,故以上证综合指数和三个行业指数为研究样本,运用多重分形去趋势相关分析法(MF-DXA)分析其指数日收益率序列的相关性特征。实证结果显示:各指数自身表现出多重分形特征,指数间相关性也呈现出多重分形时变性。此结论不仅从行业层面上验证了分形市场理论,而且也为构建有效的行业资产配置策略提供了理论指导。     

基于动态Copula的社保基金投资风险测度

考虑到现阶段社保基金主要投资于股票和债券,以“社保重仓”和国债指数构建投资组合代表社保基金投资组合,基于GARCH-时变copula模型测度社保基金投资组合的动态风险。实证研究发现：“社保重仓”和国债指数间的相关性具有较强的持续性,两者间相关性的变化与股市的波动具有一致性;时变Copula模型的VaR预测效果优于非时变模型,时变t-Copula的建模效果最好;以经风险调整的收益率（R-vaR）为判断标准,若4％的社保基金投资于股票,96％的投资于债券,社保基金投资达到了最优组合。     

融资约束下CPPI策略风险分析

在融资约束之下,通过定义三种资产状态,文章计算出投资组合价值在三者之间的转移概率矩阵,并推演出各概率值与风险乘数、资产波动率、期望收益率、无风险收益率和投资者风险偏好诸要素之间的增减关系.以沪深300指数作为风险资产,在四类典型波动的市场,推算出融资约束下不同调整周期与风险乘数对应的期末组合价值以及各状态的期初期末转移概率,并阐述了市场状况与投资组合保险策略的选择关系以及风险头寸与组合保险失败的联系.     

基于ARFIMA-FIGARCH模型的利率市场风险度量

随着中国利率市场化改革的加速,利率市场的风险管理问题引发了广泛的关注,作为筹集短期流动性资金的主要工具,同业拆借利率(Shibor)逐渐成为各金融机构决策参考的基准利率。在传统的ARMA-GARCH模型的基础上,引入Hurst指数捕捉Shibor的分形特征,使用扩展后的ARFIMA-FIGARCH模型对Shibor的隔夜和7日利率收益率的VaR进行度量和回测检验。结果显示:隔夜和7日利率收益率都具有反持续性,即收益率过去是上升趋势,则未来倾向于下降;考虑分形特征的ARFIMA-FIGARCH模型,比原模型对Shibor的度量更准确;在同业拆借市场中,Ged分布是解释多头VaR的理想选择,而正态分布是解释空头VaR的理想选择。     

基于Copula-GARCH模型的公司债与股票收益率相关性分析

文章从微观角度出发,利用Copula-GARCH模型解释公司债和股票收益率之间的时变和相关关系.结论表明,公司债收益率和股票收益率序列之间具有负相关关系,说明存在“安全资产转移”现象.通过观察相关参数p进一步研究股债收益率之间的时变关系,发现以往的股票收益率变化对股债相关关系影响较大,ρ会随着收益率绝对值的增加而增大,股债投资组合市场风险随之加大.     

VaR-GARCH模型下的最优投资决策

文章根据股票收益率的历史数据建立了相应的ARMA-GARCH模型;利用该模型预测下一阶段股票的收益率和波动率.在此基础上建立了关于最优投资策略的选择均值-VaR模型,即在VaR风险水平限制下最大化期末的期望收益;求解模型得到最优投资策略的解析表达式,并且还得到了最优投资策略下期末的期望收益以及有效边界的表达式.     

CPPI、TIPP动态资产配置策略比较与绩效研究

一、引言动态资产配置是指在股票、债券、现金等不同类型资产之间进行分配资金,并且在投资期间不断调整各类资产配置比例的过程,其优点在于能够锁定投资组合整体价值的下跌风险,同时保留继续分享市场上涨收益的机会,从而有助于实现在风险控制为前提下投资组合的利润最大化。我国的保本型开放式基金已经开始运用CPPI、TIPP动态资产配置策略作为其基本投资策略。南方保本增值基金以参照优化后的CPPI机制对风险资产上限进行动态调整,以实现避险目的。银华保本基金和天同保本基金都强调以时间不变性投资组合保险策略对股票资产进行动态调整…     

机会约束下风险最小的投资组合选择模型研究

文章在投资组合收益率服从正态分布的前提下,用CVaR作为度量风险的标准,建立了以投资风险最小为目标且具有投资机会约束的组合策略选择模型.利用优化理论,证明了模型最优解的存在唯一性,得到了最优解的解析表达式.并利用Matlab给出了求解该问题的最优解、最优解的均值以及CVaR的计算程序,最后通过算例予以说明.     

无模型隐含波动率的信息含量与定价能力——基于上证50ETF期权的实证研究

本文从上证50ETF期权价格中提取无模型隐含波动率并检验其信息含量,基于随机折现因子理论推导波动率风险的系统性与正负性判定公式,从波动率风险溢酬和相关性两方面验证波动率是否为系统性风险,进而基于A股市场的个股数据检验波动率风险在股票截面收益上的定价能力。研究结果表明：无模型隐含波动率包含BS隐含波动率中的所有信息和历史波动率中的大部分信息,是未来已实现波动率的有效估计;市场波动率为系统性风险因子且存在显著为负的风险溢酬;组合分析表明,对市场波动率暴露较大的股票组合在未来的收益较低,且暴露最大与最小股票组合的收益率之差显著为负,该结论在控制经典风险因子和改变交易策略之后依然稳健;Fama-MacBeth两步法结果表明波动率风险被定价且风险价格显著为负。     

基于CVaR风险度量的投资组合优化决策

投资组合优化问题依赖于风险度量方法和投资组合收益率分布函数的选取。针对收益率通常不服从多元正态分布以及均值—方差模型低估了投资组合发生重大损失的风险,文章利用多元广义双曲线分布来拟合投资组合收益率,从而更加灵活地捕捉收益率数据的偏态和尖峰厚尾特征;使用CVaR代替方差和VaR来度量金融资产重大损失风险,进而建立均值—CVaR投资优化模型。实证研究结果表明,相对于均值—方差模型,均值—CVaR能够更好地反映投资组合收益率分布,提高投资者控制投资风险的能力。     

基数约束下基于CVaR度量的投资组合优化模型

文章基于条件风险价值CVaR风险计量技术,在整数规划意义下,建立了以最小化风险为目标,带有基数约束的投资组合优化模型。针对该模型运用差分进化法进行求解,利用罚函数方法处理模型中的不等式约束,并选取沪市和深市的十六种股票作为备选股票进行实证分析,数值结果表明了模型的合理性和算法的可行性。     

基于SKT-ARFIMA-HYGARCH模型的开放式基金投资风格漂移收益及其波动分形研究

以往大量文献研究表明基金经常发生风格漂移现象,但资本市场呈分形特征违背了有效市场假说,对传统的实证研究方法提出了巨大挑战。以2005年上半年成立的5只开放式基金为研究样本,利用3个信息准则确定ARFIMA（1,d1,1）-HYGARCH（1,d2,0）为最优模型,引入SKT分布结合该模型来探索研究基金投资风格漂移所带来的收益及波动过程的分形特征。实证结果表明：该模型能够较好刻画投资风格漂移日收益序列的双长记忆性分形特征,其波动过程均存在显著的长记忆性,但收益过程存在长、短记忆性不统一现象,这进一步说明基金投资风格经常发生无序漂移现象,也折射出其背后存在着巨大的漂移风险隐患。最后,Person吻合度检验证实了SKT分布能较好地拟合基金投资风格漂移日收益序列的分布。     

国内外原油市场的交互相关性分析——基于多重分形的统计测度

以国内和国际代表性原油市场价格收益率序列为研究对象,运用交互相关统计量和多重分形分析法,研究国内和国际原油市场价格波动的交互相关关系及市场风险大小。实证结果表明:国内外原油市场价格收益率序列之间存在交互相关关系,且这种关系具有多重分形特征;收益率序列之间的交互相关关系有多重分形性的强弱;小波动和大波动的长程相关性及收益率序列的胖尾分布均是形成多重分形性的原因。     

基于机器学习的基金收益预测

文章基于已有文献构建了30个具有预测能力的基金异象因子，以2005—2021年的普通股票型与偏股混合型基金为样本，分别使用线性多因子模型以及机器学习模型来尝试对基金未来业绩进行预测，并通过分组排序以及Fama-Macbeth回归来检验模型的有效性。实证结果表明，机器学习模型具备对基金未来业绩进行预测的能力，通过构建投资组合，可以获得20.256%的年化收益率，并且其表现要优于传统的线性模型。     

收益率曲面预测及其在信用债投资组合管理中的应用

收益率曲线是信用债投资者的重要参考。在市场套利活动的作用下,跨期限和信用等级的债券收益率具有很强的内生联系,其变动规律具有整体性和连续性。以往研究将信用债收益率曲线拆分成无风险利率曲线和信用利差两个部分,前者关注期限的影响,后者关注信用等级的影响,但很少同时考虑两者的共同影响。本文在收益率曲线的基础上增加信用等级维度,将AAA+级到AA级收益率曲线视为一个相互关联的整体,定义为信用债的收益率曲面(Yield Surface)。相比收益率曲线,收益率曲面包含了跨等级的系统性预测信息,通过预测收益率曲面能够构建具有较高收益的投资管理策略。本文以中期票据市场为例,采用卷积神经网络模型预测1周后的收益率曲面,在此基础上计算债券的预测理论价格,发现该价格对未来交易价格的预测有显著作用。基于预测价差,本文提出了信用债投资管 理策略,应用该策略的投资组合能够获得显著的正收益。业绩归因分析发现,该策略取得的收益同时来 自投资组合在信用风险和久期风险上的暴露,预测价差可以刻画债券市场的“风险前沿”。本文采用了中债估值价格进行稳健性检验,主要结论均保持一致,具有较强的稳健性。     

高阶矩组合投资的M-V-S-K分析与效用函数分析的比较

为分散高阶矩风险的影响,文章讨论高阶矩组合投资选择模型的构建.首先,给出高阶矩风险的简化计算;其次,基于M-V-S-K分析和效用函数分析分别建立了带有非负权重约束的高阶矩组合投资模型;最后,对两类模型从理论和实证两个层面上进行了比较.结果显示,高阶矩风险已经成为组合投资决策中不可回避的重要影响因素.     

互联网金融与传统金融市场风险联动性研究

文章从互联网金融和传统金融之间相依性结构以及风险传染两个角度对市场间的联动性进行了探索。采用时变t-Copula-GARCH模型对互联网金融与股票、银行以及债券等传统金融市场之间的相依性进行了测定,并利用BP结构突变点检验的方法对互联网金融和传统金融间的风险传染进行验证和分析。通过实证分析发现,互联网金融、股票、银行市场以及债券市场的收益率均具有“尖峰厚尾”的特征。相对而言,互联网金融与股票市场间联动性最强,与银行市场间的联动性一般,与债券市场间的联动性最弱。互联网金融市场与股票以及银行市场间的联动性均为正向联动,也就是说互联网金融市场的兴起在一定程度上可以推动股票以及银行市场的发展。互联网金融市场与债券市场的相关程度相对较弱,并且相关方向不够稳定。结构突变点检验显示,互联网金融和传统金融中的股票、债券以及银行市场间存在明显的风险传染效应。     

股市量化投资策略与实证检验

文章通过多个反映市场动态的因子模型,构造出可以根据市场变动做出自适应调整的平滑系数,建立了看涨和看跌市场动态自适应指数平滑模型,并且给出了基于模型的量化投资策略.以沪深300指数为样本,使用Bootstrap方法和ARCH族模型进行实证检验,从均值差异、流动性和信息不对称等角度分析市场动态自适应指数平滑模型投资策略对于股票市场收益率的预测能力.检验结果证明了策略具有较强的预测能力和对市场变化的适应能力.