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。     

均值-CVaR投资组合有效边缘的灵敏度分析

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增加时投资组合的均值-CVaR有效边缘.探究了其经济含义,并与方差风险下的均值一方差边界进行了对比研究.可以发现,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.     

CVaR 方法在投资组合中的应用

文章以CVaR为风险的度量工具并且在此基础上建立了基于CVaR模型的投资组合优化模型。最后通过实证研究表明,基于一致性风险价值的优化模型进行投资组合的结果优于基于风险价值的优化模型的结果。     

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。     

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CVaR风险控制下的多阶段投资组合优化模型

文章研究以条件风险价值CVaR为约束的多阶段投资组合问题。在不允许卖空的情况下,将风险控制在一定水平,以最大化终端财富为目标建立多阶段投资组合模型,并通过罚函数处理机制建立辅助问题,利用差分进化算法求解新模型,得到各阶段的最优投资组合策略。实证分析表明该模型合理,为投资者选择适合自己风险偏好的投资组合策略提供了思路。     

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。     

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.     

基于Factor-GARCH模型的动态VaR与CVaR度量及实证研究

动态CVaR作为投资组合的风险度量工具较动态VaR有很多优点,但同动态VaR的计算一样,随着投资组合资产数量的增加,计算难度迅速增大。通过改良Factor-GARCH模型,将其用于多种资产时变方差-协方差矩阵的估计,实现了降维的目的,克服了计算多元动态CVaR时的困难。实证研究表明,与动态VaR相比,动态CVaR作为一种更保守的风险度量工具,能准确反映投资组合的可能损失。     

考虑时间因素的投资组合模型

本文以投资收益率作为时间组合投资收益的量度,确立了时间组合中的不满足假设和回避风险假设,在此基础上建立了时间组合投资模型;通过求解数学模型论述了如何运用时间组合投资的方法降低投资风险,并确定了最优时间组合点是有效集与无差异曲线的切点。     

基于多维t-Copula函数的投资组合的CVaR分析

文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度与资产组成下的投资组合的CVaR(条件风险价值).实证说明,根据本文提出的模型度量资产的风险,可以使投资者选择的资产更加稳健;同时也有利于投资者对投资组合整体风险进行分散和监管.     

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.     

基于多维Copula函数的投资组合CVaR分析

目前国内有关Copula函数的实证研究主要以二种资产的相关性为主.根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上的优势,构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下投资组合的最小条件风险价值(CVaR).实证表明,根据所提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管.     

资产相对价值的VaR和CVaR风险

1VaR和CVaR简介本节将先给出原有的V aR和CVaR的定义,再引出风险资产相对价值这种非负指标的VaR和CVaR的新定义,然后两相比较说明新定义的合理性,最后给出了新定义下两种风险的性质。在现有介绍VaR和CV aR的文献中,我们了解到风险资产的VaR和CV aR可以从收益和损失两方面来定义     

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。     

考虑分段交易费用的CVaR投资组合优化

文章针对证券市场现存的各种交易费用,引入了分段交易成本函数,建立了更符合实际的CVaR风险度量投资组合优化模型;将此类约束中含有分段函数的优化问题转换为0-1整数线性规划求解;对沪市股票进行实证分析,结果验证了该模型及求解方法的有效性。     

改进粒子群优化算法及其在CVaR模型中的应用

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法.     

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。     

CVaR准则下基于损失厌恶的零售商订货决策问题

目前,多数学者在研究报童的利润最大化问题时,他们通常忽略了报童的风险偏好问题,或者是认为报童对于风险的偏好是中性的.然而,一些研究指出实践中的管理者在做订货决策时,其签订的订单会偏离于使利润最大化的最优订货量.一些学者通过引入行为偏好来解释这种决策偏见.文章在观察实际情形的基础下,引入报童的风险偏好和损失偏好.寻求的最优订货量需要满足两个目标:(1)零售商的剩余产品损失和缺货的机会成本之和最小;(2)零售商预期损失的条件风险最小.在一个给定的置信水平下,找到一个满足上述两个目标的最优订货量,帮助零售商优化订货决策.     

基于CVaR方法的工程投资组合优化模型与实证

文章采用CVaR方法测算工程投资风险,建立了风险最小化的工程投资优化组合理论模型.以南京市房地产工程历史数据为例进行实证研究,研究结果表明:基于CVaR和非参数核估计量的风险优化能够应用于投资组合的选择,能够对工程类企业起到风险管理和投资决策方面的指导作用.