多阶段资产组合选择均值-VaR模型和均值-方差模型的比较

本文建立了多阶段情形下的均值-方差模型和均值-VaR模型,并比较了两种模型的不同性质,给出了两种模型下的最小方差组合性质和在收益率的均值-标准差坐标下,不同的风险度量方法产生的不同的有效边缘以及VaR模型置信度趋于1时的极限性质,最后给出了分析的数值例子.     

引入无风险证券的均值——VaR投资组合模型研究

本文根据Markowitz均值-方差模型的研究发展过程,结合机会约束模型,引入无风险证券,建立了用VaR代替方差作为风险度量指标的机会约束下均值———VaR投资组合模型,讨论了模型最优解的存在性和唯一性,并得到了模型最优解的解析表达式。     

机会约束下的均值-VaR投资组合模型研究

本文在投资组合回报率服从正态分布的前提下,建立了具有投资机会约束的均值-VaR投资组合模型,讨论了模型最优解的存在唯一性,并得到了最优解的解析表达式;通过比较分析得出,具有投资机会约束的均值-方差投资组合模型只是本文讨论的模型的特款。     

不允许卖空情况下M-VaR和M-SA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,针对不允许卖空情况,文章分别研究了均值-VaR(M- VaR)和均值-半绝对偏差(M-SA)投资组合模型,并分别结合序列二次规划法和不等式组的旋转算法以及线性规划的旋转算法进行求解。文章选取1998-2000年沪市六只业绩比较好的股票,依据1998-1999年的数据作为样本数据,分别求出两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2000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,比较两个模型的绩效。最后,证明了两个模型对于中国证券市场是适用。     

不允许卖空情况下均值-方差和均值-VaR投资组合比较研究

文章提出了不允许卖空情况的均值-方差和均值-VaR两种投资组合模型,并运用不等式组的旋转算法或结合序列二次规划法进行求解.最后,以一个具体例子验证了上述算法的有效性.计算结果还表明,不允许卖空情况下,均值-VaR投资组合有效前沿为均值-方差投资组合有效前沿的子集;置信度越低,投资者越倾向于收益率大而风险也大的投资组合.     

不允许卖空情况下均值-方差和均值-VaR投资组合比较研究

文章研究了不允许卖空情况的均值-方差和均值-VaR两种投资组合模型,并运用不等式组的旋转算法并结合序列二次规划法进行求解。最后,通过实证研究验证了上述算法的有效性。计算结果还表明,在不允许卖空情况下,均值-VaR投资组合的有效前沿为均值-方差投资组合有效前沿的子集;置信度越低,投资者越倾向于选择收益率大而风险也大的投资组合。     

基于Expected Shortfall的投资组合优化模型

Expected Shortfall(ES)是目前市场风险估值的新型工具,被用来估计VaR(Value-at-Risk)的尾部风险.介绍了ES的概念,给出了MEAN-ES模型,并对基于ES的组合优化模型的特性进行了分析.结果表明,与均值-方差模型相比,MEAN-ES模型有着更多的优点.     

奇导协方差矩阵和任意收益率分布下均值-CVaR模型的有效边界特征

本文利用现代主流风险度量技术CVaR代替方差或VaR,建立了均值-CVaR模型,在任意收益率分布下,利用无套利均衡分析的方法研究了奇异协方差矩阵情形的投资组合问题,得到了模型有效边界的本质特征,最后作为结论的直接应用和说明,我们给出了一个具体的算例分析。     

基于Expectile回归的均值-ES组合投资决策

为解决均值-ES（Expected Shortfall）组合投资决策中的计算困难，通过理论证明将其转化为一个Expectile回归问题，进而给出其Expectile回归求解新方法。该方法具有两个方面的优势：第一，Expectile回归的目标函数为二次损失函数，具有连续、光滑等特性，其优化与计算过程简单易行，且具有很好的可扩展性；第二，优化Expectile回归目标函数得到Expectile，利用Expectile与ES之间对应关系，能够准确地得到最优组合投资的ES风险值。选取沪深300指数中具有行业代表性的5支股票进行实证研究，将基于Expectile回归的均值-ES模型与均值-VaR模型、均值-方差模型进行对比，发现前者能够很好地分散组合投资尾部风险大小，显著提高组合投资绩效。     

投资组合VaR及其分解

本文在简要介绍投资组合VaR的概念及计算方法后对组合VaR进行了具体的分解。在阐述了边际VaR、成分VaR和增量VaR之间相互关系的基础上给出了资产收益率为正态和非正态分布假设下这三种类型VaR的计算方法,从而为资产组合管理者提供了更多有关投资组合市场风险的信息。     

概率预期下在线报童问题的最小风险策略

报童问题是库存管理中一个基本模型。已有的报童模型主要利用均值-方差方法和期望效用目标方法进行风险的描述和度量。这些方法假设需求分布信息已知,而实际中需求分布信息往往难以完全刻画。本文使用概率预期作为刻画不完全需求分布信息的格式,基于在线风险补偿的思想,为需求分布信息不完全的报童问题建立了最小风险模型。使用该模型设计了最小风险策略,使报童可以根据自己设定的不同收益和未来概率预期选择最优订购量。     

风险资产组合的均值—M有效前沿及其实证分析

本文基于由Carlo Acerbi(2002)提出的一类一致性风险度量—谱风险测度M,给出了谱风险测度的一些性质及构造谱密度的一种具体形式;重点讨论了正态情形下风险资产组合的均值—M有效前沿,探讨了其经济含义,并与经典的均值—方差有效前沿进行了对比研究,获得了若干深入的结果。由于期望短缺ES是特殊的谱风险测度,因此其对应的有效前沿是本文结果的特例。最后,本文利用前面的结论对深市和沪市的风险资产组合的均值—M有效前沿作了实证分析。     

安全事故现状与趋势分析方法研究

包括安全生产事故预防、控制在内的安全生产监督管理工作需要客观把握安全生产的现状并准确地判断其总体发展趋势。本文基于我国安全生产事故快报数据,对近年安全生产现状做出季节性等分析,并为短期安全生产形势变化的预测与判断不仅提出了三个可行的ARIMA-BP、ARIMA-RBF以及ARIMA-GRNN非线性组合模型而且进一步基于RBF,对前述三个模型再次进行非线性组合,给出了一种新的双重非线性组合趋势分析方法。实证结果表明,双重非线性组合能够较为精确地预测安全生产事故的发展趋势,可以为安全生产事故的预防、控制和应对提供管理和决策支持。     

Linear solution schemes for Mean-SemiVariance Project portfolio selection problems: An application in the oil and gas industry

We study the Mean-SemiVariance Project (MSVP) portfolio selection problem, where the objective is to obtain the optimal risk-reward portfolio of non-divisible projects when the risk is measured by the semivariance of the portfolio׳s Net-Present Value (NPV) and the reward is measured by the portfolio׳s expected NPV. Similar to the well-known Mean-Variance portfolio selection problem, when integer variables are present (e.g., due to transaction costs, cardinality constraints, or asset illiquidity), the MSVP problem can be solved using Mixed-Integer Quadratic Programming (MIQP) techniques. However, conventional MIQP solvers may be unable to solve large-scale MSVP problem instances in a reasonable amount of time. In this paper, we propose two linear solution schemes to solve the MSVP problem; that is, the proposed schemes avoid the use of MIQP solvers and only require the use of Mixed-Integer Linear Programming (MILP) techniques. In particular, we show that the solution of a class of real-world MSVP problems, in which project returns are positively correlated, can be accurately approximated by solving a single MILP problem. In general, we show that the MSVP problem can be effectively solved by a sequence of MILP problems, which allow us to solve large-scale MSVP problem instances faster than using MIQP solvers. We illustrate our solution schemes by solving a real MSVP problem arising in a Latin American oil and gas company. Also, we solve instances of the MSVP problem that are constructed using data from the PSPLIB library of project scheduling problems.     

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。     

两种改进的超效DEA模型

对DEA有效决策单元不能排序是传统DEA模型的一大缺点。该问题也成为DEA领域研究的热点。AP模型是最常用的区分DEA有效决策单元效率值大小的超效模型,但在实际应用中却出现了无解或解不稳定的情况。国外学者新近提出的MAJ模型、LJK模型则有效解决了这两个问题,但却存在模型区分能力不强的缺点。本文分析了这两种模型缺点产生的原因、予以改进并给出理论证明。标准数据集的实验显示改进效果显著,尤其是改进后的LJK模型表现优异。     

投资组合均值-方差模型和极小极大模型的实证比较

本文针对传统的Markowitz均值-方差(MV)模型和Young(1998)提出的极小极大(Minimax)模型进行了实证比较研究。我们将2001年上证30指数的实际数据分成两部分,一部分作为样本数据进行优化组合分析,另一部分作为非样本数据进行模拟投资,检验绩效。结果发现:在同样的样本数据下,由两种模型的解描绘的风险-收益率有效前沿图非常相似;将两组模型的最优解分别进行模拟投资,Minimax模型的结果明显优于MV模型。本文的实证结果检验了Minimax模型的理论结论,表明其在实际投资中具有良好的可操作性和实用价值。     

基于投入产出系数矩阵的周期增长模型

在Goodwin和Brody周期增长理论的基础上,本文构造了基于投入产出系数矩阵的开放经济非线性经济周期增长模型,并在简化情况下,利用42部门投入产出表的基础数据,对中国经济增长的周期谱进行了分析。结果表明,模型对中国经济周期的结论是适当的和稳健的。在短周期谱中,中国经济1978年以来主要表现出6年左右的周期,且数据表明,主要周期向10年左右加长。     

The evolution and problems of model management research

Models are a key resource for organizational decision making. The diversity, complexity, and reusability of this resource result in the need for model management systems. The construction of a model management system involves a modeling task dimension and a design level dimension. The modeling task dimension consists of model formulation, model representation, and model processing. The design level dimension addresses the architectural requirements of a system from a user's standpoint and a computer system's standpoint.The numerous architectures suggested in the model management systems literature address isolated areas identified by these dimensions. The research surveyed in this paper indicates that the primary focus has been on the system view of model representation. Before model management systems can be widely used in organizations, model management researchers must explore systems that address all areas of the task and design level dimensions.In this paper, we identify and justify the necessary dimensions of model management research. Next, the existing model management research is critically reviewed. Finally, neglected research areas are discussed, and investigations necessary for the development of integrated model management systems are suggested.     

An Exact Analysis of the Multistage Model Explaining Dose-Response Concavity

The traditional multistage (MS) model of carcinogenesis implies several empirically testable properties for dose-response functions. These include convex (linear or upward-curving) cumulative hazards as a function of dose; symmetric effects on lifetime tumor probability of transition rates at different stages; cumulative hazard functions that increase without bound as stage-specific transition rates increase without bound; and identical tumor probabilities for individuals with identical parameters and exposures. However, for at least some chemicals, cumulative hazards are not convex functions of dose. This paper shows that none of these predicted properties is implied by the mechanistic assumptions of the MS model itself. Instead, they arise from the simplifying "rare-tumor" approximations made in the usual mathematical analysis of the model. An alternative exact probabilistic analysis of the MS model with only two stages is presented, both for the usual case where a carcinogen acts on both stages simultaneously, and also for idealized initiation-promotion experiments in which one stage at a time is affected. The exact two-stage model successfully fits bioassay data for chemicals (e.g., 1,3-butadiene) with concave cumulative hazard functions that are not well-described by the traditional MS model. Qualitative properties of the exact two-stage model are described and illustrated by least-squares fits to several real datasets. The major contribution is to show that properties of the traditional MS model family that appear to be inconsistent with empirical data for some chemicals can be explained easily if an exact, rather than an approximate model, is used. This suggests that it may be worth using the exact model in cases where tumor rates are not negligible (e.g., in which they exceed 10%). This includes the majority of bioassay experiments currently being performed.