基于深度学习的收益率预测与投资组合模型

在传统投资组合模型中,备选资产的预期超额收益率的预测误差将导致模型的投资绩效劣化。文章采用Transformer深度学习模型对备选资产的收益率进行预测,以提升预期收益率的准确度,进而提高投资组合模型的绩效。以中证800指数的成分股为备选资产,进行了72期投资,将实证结果与LSTM和SVR模型进行对比,验证了Transformer模型在提升预测准确度和提高投资组合模型绩效上的优越性。     

基于Copula理论的金融风险分析

本文介绍了Copula理论和性质以及其在金融风险分析中的一些应用.并实证基于Copula,结合具有不同边际分布模型来计算资产投资组合VaR显著优于基于多元正态分布假设的传统方法.     

项目投资组合收益与风险计量

项目投资获取收益的同时也蕴含着风险,通常收益和风险成正比.因此,面对众多的投资项目,投资公司的重要决策就是选择合理的项目组合和投资比例以满足其收益和风险偏好.盈亏平衡分析、敏感性分析和概率分析可以描述单项目投资的风险因素对收益的影响,但是不同项目的风险分析结果不能累加,使得项目组合的风险难以计量.本文将证券投资组合理论应用于实体项目投资组合,建立基于均值-方差分析的项目组合风险计量模型.     

基于分目标乘除法的双目标投资组合模型

基于马克维茨投资组合的均值-方差模型,文章构建一个投资组合预期收益率在一定范围的双目标混合投资组合摸型,并应用分目标乘除法来求解该模型。最后,给出一实际算例,对一具体投资组合模型进行分析,结果表明：所构建的模型和所采用的方法是可行的、有效的;同时,也得到了该模型的有效边界。     

单指数模型的稳健回归及实证

文章针对投资组合理论中经典的夏普单指数投资组合模型,引入了稳健统计的思想,将稳健回归方法应用到该投资组合模型,降低了证券市场中证券收益率历史数据中因短期内重大利好或利空导致的超高或超低收益率离群值对投资组合决策的影响,并结合我国证券市场的特点,对沪市A股市场进行了实证分析,得到了证券投资组合的有效前沿.     

证券组合投资的统计分析

证券组合投资是现代投资的重要形式。文章依据证券组合投资的特性 ,提出了进行证券组合投资分析的统计指标 ,并针对证券组合的不同情况 ,提出了投资者的不同心理预期的矩阵形式的数学模型及模型的最优解。并对β系数及其应用、以及进行证券组合分析的数学模型的优缺点进行了简单地讨论。     

基于状态空间图模型方法的投资组合优化决策

将lasso图理论合并到状态空间模型中,利用条件独立性且通过范数惩罚法对协方差阵进行估计。新方法兼具图模型和动态状态空间模型的优点。最后将该方法应用于欧洲股票市场进行投资组合优化决策,结果表明基于lasso图方法的状态空间模型的投资组合业绩要优于自回归和一般的状态空间模型。     

上海股市非系统风险分散的实证研究

本文采用了实证研究的方法 ,选取了两组不同投资组合 :任意投资组合、有选择的投资组合 ,对股票投资组合非系统风险的分散进行了实证研究 ,得出了定性和定量的结果 ,对套利定价模型的理论进行了验证 ,并对上海股市究竟多少支股票能够分散风险 ,不同投资组合对分散非系统风险究竟有何影响这两个问题做出了回答     

行业投资中的战略风险预算方法研究

本文将风险预算技术应用于机构投资者的行业投资战略风险管理中。为了准确地界定战略风险预算中的风险源,在国内基准证券组合比较少,不可能把战略风险源用可投资的战略基准证券组合进行刻画的情况下,引入多因素模型来刻画行业收益的风险源,建立了基于多因素模型的行业投资战略风险预算模型,并结合三因素模型进行了实证分析。在对行业战略风险进行预算的基础上配置风险,找到了一种能更好地控制行业投资战略风险的方法。     

证券投资组合理论和投资风险成因理论研究

一、Markowitz的均值方差模型1990年度诺贝尔经济学奖获得者Markowitz在1952年发表的经典论文《组合证券选择》奠定了证券组合投资理论的基础,标志着现代证券投资理论的开端,数量化分析方法进入了金融领域。他在这篇文章中提出的均值方差模型,使投资组合理论应用于整个经济学领     

VaR约束下均值-方差模型有解的充要条件研究

VaR约束下的均值-方差模型,可能因为VaR约束太强而无解.文章推导出了该模型有解的充要条件,并对上海股票市场五支股票组成的一个投资组合进行实证分析,同时改进了文献[1]中投资组合的选择范围.     

对Black-Litterman模型加入主观收益方法的改进

Black-Litterman模型是高盛公司提出的确定加入主观观念的资产组合模型,其显著特点是模型加入了投资者的主观观念。目前文献研究显示,模型加入投资人主观收益的方法依然是武断确定。这样加剧了主观投资组合模型使用的随意性,也必将影响其使用效果,会给投资造成巨大损失。由此本文提出使用BMA（贝叶斯移动平均法）模型预测投资者主观收益,文中利用中国上海A股市场数据,编写Matlab程序对主观资产组合模型进行了实证,实证表明预测效果得到了明显改善。该模型不但对Blackliterman模型有重要作用,而且对金融统计模型预测效果的提高也有很大启发。     

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Markov转换模型的前沿资产组合分析

文章将Markov转换模型与资产前沿组合理论有效地结合在一起,在应用Markov转换模型预测出股票下一时期收益率及其方差的基础上,根据马可维茨的投资组合理论得出股票市场的前沿资产组合,并以中国证券市场中的几支样本股票为例进行了实证分析.     

基于VaR约束的均值-绝对偏差投资组合优化模型及实证研究

文章在均值-绝对偏差投资组合优化模型中,加入风险价值约束,给出了基于VaR约束的投资组合优化模型,以增强对投资风险的控制能力,然后利用一个自适应的粒子群算法对这个模型进行求解,实证研究表明模型是合理且风险控制能力更强,能够更好地为投资者提供决策依据。     

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.     

风险投资组合的线性规划模型的建立及求解

当要对比市场上的无风险投资(如存入银行)与多种风险投资组合两种投资方式并进行组合投资策略时,要考虑两个目标,即尽可能获得最大总收益同时承担尽可能小的总体风险,但是这两个目标很难同时实现,因为高收益意味着高风险.文章通过设计一个有关于投资组合的线性规划模型来讨论这两个问题.通过选取合适的决策变量以化解风险函数的非线性性.通过对因子进行加权,我们求得了最佳方案并得到了有效投资曲线.投资者根据有效的投资曲线结合自己的偏好,选择自己的投资方向.最后通过非线性规划,说明线性规划的结果对于交易费收取的阈值有一定的容忍度.     

基于原对偶内点算法求解投资组合优化模型

研究了标准均值方差投资组合选择模型,针对目前求解方法不具有多项式算法复杂性,文章给出了求解均值方差投资组合优化模型的原对偶内点算法.该算法具有多项式复杂性,因此可以快速求解大规模的投资组合优化模型.仿真结果表明,原对偶内点算法可以较好地应用于投资组合问题,具有较广泛的应用空间和一定的推广价值.     

模糊随机环境下考虑交易费用的投资组合模型

文章对投资市场的随机性与模糊性两种不确定性因素共存的投资组合问题进行了研究,提出了一种新的模型和求解方法.模型用均值表示收益,用绝对偏差表示风险,并考虑了交易费用的因素,给出了将模糊随机空间下的投资组合模型等价地转化为概率空间下的非线性规划模型的方法,并利用差分进化算法来求解该模型.最后通过一个例子来说明所提出方法的可行性.     

统计方法在证券投资风险分析中的应用

文章探讨了对证券投资的收益率和风险进行估计的一般方法:通过分析收益率与风险存在着线性相关关系,得出了高收益必然伴随着高风险的结论;求出一种证券的收益率与整个证券市场收益率的线性回归直线,为投资者进行风险分析奠定了基础;探讨了通过组合证券投资的途径降低投资风险的一般方法。