投资组合动态VaR风险度量

投资组合的VaR风险度量依赖于投资组合中金融资产间联合分布函数的确定,随着投资组合规模的扩大,其VaR的计算难度也不断加大。利用ICA可以将多元联合概率分布函数转化为一元概率分布函数乘积实现简化计算的特点,基于ICA的投资组合动态VaR风险度量方法和计算步骤,克服了多元非正态条件下VaR测算上的困难。实证研究表明,与EWMA模型法、MGARCH模型法相比,ICA法能够准确地度量投资组合动态VaR。     

金融资产投资组合的风险度量研究

文章在运用TGARCH模型过滤金融资产的波动时变性和杠杆效应之后,利用半参数GPD模型刻画了每一个资产标准残差的边际分布函数,并用Copula函数连接各个边际分布函数建立了联合分布函数。样本内、样本外检验结果表明:该模型能够较好地度量市场风险,可达到理想的风险管理效果。     

基于Copula的投资组合均值-CVaR有效前沿分析

文章构建了基于Copula的投资组合均值-CVaR模型,并使用蒙特卡罗技术对模型进行了实证分析。在将该模型下的投资组合与多元正态假设下的组合进行了比较后,得出两点结论:其一,与Copula模型相比,传统多元正态分布假设下的投资组合会在收益一定情况下低估风险或在风险一定的情况下高估收益;其二,基于Copula模型下的投资组合的动态表现要优于多元正态假设的投资组合,在牛市,投资组合的总价值可以充分上涨;而在熊市则可以大大降低组合价值的下降幅度。     

投资组合选择的均值-风险价值模型研究

文章以风险价值(Value at risk,VaR)作为风险度量,建立了投资组合选择的均值-风险价值模型.在资产收益率服从联合正态分布的假设下,研究了置信水平对最优组合和有效边缘的影响,同时分析了持有期对它们的影响,给出了全局最小VaR组合存在时置信水平和持有期的阈值,从而得到了有效边缘存在的条件.进一步研究了全局最小VaR组合与全局最小方差组合的关系,结果表明如果全局最小VaR组合存在,则一定位于均值-方差有效边缘上,且位于全局最小方差组合的上方.     

基于VaR和CVaR风险控制下的M-V投资组合优化模型

文章以风险价值(VaR)和条件风险价值(CVaR)分别作为约束条件,结合均值-方差模型,得到了新的最优投资组合模型,并利用我国的股票市场进行了实证分析,验证了新模型的有效性,为制定合理的投资组合和控制风险提供了一种新的有效途径。     

基于q-高斯分布的投资组合实证分析

投资组合是一个复杂系统问题,选择合适的q-分布及其密度表达形式是应用中的一个重要问题。首先从含有噪声的线性随机微分方程中推导出q-高斯分布概率密度函数,其表达形式简单,参数对分布的影响非常直观;接着将q-高斯分布应用于投资组合理论的均值-方差模型和均值-VaR模型;最后结合沪市股票数据进行实证分析,结果表明两种模型在q-高斯分布假设下的实际收益均大于其在高斯分布假设下的实际收益。     

均值-WCVaR多阶段投资组合优化模型

在随机变量为非完全分布信息的情况下,以最坏情况的条件风险价值WCVaR代替CVaR为风险度量指标,对整个投资过程进行风险控制,并考虑到市场的不完备性,如不允许卖空以及交易费用的情况,建立均值-WCVaR模型.依据沪深证券市场的实际数据,运用遗传算法进行数值仿真,实验表明该模型能更有效地控制风险.     

基于遗传算法的单位风险收益最大投资组合模型研究

文章根据中国证券市场的实际要求,考虑了交易费用、交易量以及最大投资上限等实际因素,以投资组合的收益为分子,以投资组合的风险价值为分母,建立了一个单位风险收益最大投资组合的非线性整数规划模型,给出了该模型的基于整数编码的遗传算法.实证分析表明,该模型是合理的并且给出的算法是有效的.     

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.     

投资组合VaR分解及边际VaR的估计

0引言风险价值VaR(ValueatRisk)能对金融机构所面临的市场风险进行较准确的度量,是一种标准的新风险管理工具,它不仅在理论研究上取得了很大的发展,而且在风险管理中也得到了广泛的应用[1-2]。目前,国内外有许多金融学者投入于VaR方法的理论及应用研究中,并取得了很多成果,但这     

金融风险管理M-V方法的资产组合灵敏度分析

文章基于均值-方差(M-V)风险计量技术,分析了资产组合在资产品种减少的敏感性,通过引入协方差扰动,建立相关的M-V组合模型。同时和原模型进行比较,分析有效前沿的变化,探究其经济意义。     

基于风险价值约束的投资组合选择模型

把VaR风险度量和最优投资组合选择问题相结合,建立并求解了最优均值-VaR投资组合选择模型,实证检验所得到的结果中可以看出,以均值-VaR的模式来对资产进行优化配置具有较高效率,其效率超过以Markowitz均值进行的配置,通过-VaR的模式进行的配置,如果是在确定置信度的前提下,可以使个别偏好、共同偏好合为一体.在VaR的约束下M-V模型的特征,对于Markowitz均值方差的投资组合模型来说,是一种理论上得到的发展.     

基于投资者异质性的投资组合选择与证券市场价格

 马科维茨给出了风险规避型投资者最优投资组合的解,并论证了组合投资的风险分散功能。然而组合投资是否只是风险规避型投资者的“专利”呢？本文依据马科维茨均值-方差模型的研究范式,在充分讨论不同风险偏好投资者投资组合选择最优解的基础上,分别剖析了风险规避、中性、追求型三类投资者投资组合选择行为,以此为依据来探讨均衡条件下证券市场运行特征,并相应给出我国证券市场的经验证据。分析结果表明：无论哪类风险偏好型投资者,其都存在可供选择的最优投资组合方案,只是风险追求型投资者的最优解复杂一些罢了,风险中性型投资者将选择ETF工具代替市场组合,且他们的选择行为对市场运行不产生影响,市场运行完全由风险规避和风险追求型投资者的行为决定,虽然我们从投资组合选择的差异上无法区分个体投资者的风险偏好类型,但我国证券市场整体却表现出明显的风险追求型特征。     

基于极值视角的沪深股市收益率的风险度量

文章以沪深股市收益率为研究对象,分别运用收益率的极值分布、收益率的POT模型以及基于收益率序列GARCH模型残差的POT方法计算沪深股市的在险价值(VaR).实证过程发现沪深股市收益率序列均存在明显的尖峰厚尾现象,实证结果表明深市潜在风险高于沪市潜在风险,并且三种方法中基于收益率序列的POT模型计算的VaR精度最高,而对收益率序列应用GARCH模型描述其波动后再对模型的残差进行POT方法计算的VaR精度最低.     

基于时变相关的混合Copula模型的投资组合风险分析

由于金融时序数据具有时变非对称相关的特征,文章通过构建时变相关的混合Copula函数对金融时序数据的尾部相关和对称相关性进行捕捉,并以此为基础估计投资组合的VaR值,通过对比,发现基于时变混合Copula的函数能够更准确地捕捉投资组合的风险。     

CAPM下的组合证券投资决策与最小风险分析

一、引言　　组合证券投资决策模型是马柯维茨在1952年提出的,设投资者面对n种有价证券,第i种证券的收益率为ri,预期收益率为E(ri),风险为σ2i＝D(ri)、(i＝1,2,…,n),假定投资者在第i种证券上的投资比例为xi(i＝1,2,…,n),则x1 x2 … xn＝1,证券组合rp＝x1r1 x2r2 … xnrn,证券组合的预期收益率为E(rp)＝x1E(r1) x2E(r2) … xnE(rn),证券组合的风险为D(rp)＝(x1…xn)V(x1…xn)T,其中V为协方差矩阵,马柯维茨提出的模型为：(A)minD(rp)＝(x1x2…xn)V(x1x2…xn)Ts、tE(rp)＝rox1 x2 … xn＝1但由于此模型所需要的数据…     

资产数量减少情形下CVaR投资组合的灵敏度分析

文章基于CVaR的风险度量技术,考察了当投资组合的资产数量减少时投资组合的均值-CVaR有效边缘,探究了其经济含义,并与方差风险下的均值-方差边界进行了对比研究。我们发现,使用CVaR风险度量标准可以使投资者在资产选择时更加稳健,同时也有利于对风险进行分散和监管。     

投资组合风险管理中VaR模型的缺陷以及CVaR模型研究

本文对VaR和CVaR这两个风险度量进行了较充分的比较分析,参照了我国证券市场的实际情况,并考虑了交易成本,实际收益率的计算以及最小交易单位等因素,建立了CVaR资产组合优化模型,为如何制定合理的资产组合投资方案提出了新的思路.     

一种均衡风险条件下的证券投资组合模型

作为一个需要经常作出投资决策的机构或者个人,由于信息不对称、市场风险相对稳定等情况的存在,通过仔细的考虑风险因素往往会带来负面效果,导致投资迷茫,措施良机。因此首先对经典投资组合模型进行归纳总结,然后文章提出一种均衡风险下的证券投资组合模型,并进行实证分析,以便机构或个人能够简明实用的运用此方法在日常的证券投资中作出正确决策。     

多元外汇投资组合风险的测度

文章是将GARCH-EVT-COPULA模型用于美元、欧元、日元、港币四种人民币汇率的投资组合风险研究.研究发现,在所选定的时间内,无论是哪种类型的Copula还是哪种置信水平下的风险测度,最小风险的投资组合系数差别并不是很大,投资基本上集中在美元资产.由于t Copula和Clayton Copula比正态Copula能更好的刻画多个资产间的相关结构,在高置信水平下,我们更偏向于用这两种Copula来求组合投资的风险,给投资者提供外汇投资的最优比例参考.