具有熵约束的多阶段均值—半绝对偏差投资组合优化

考虑投资者面临金融市场随机不确定性,将证券收益率视为随机变量,文章运用半绝对偏差度量风险,采用投资组合的熵度量分散化程度,同时,考虑交易成本和借款限制,提出多阶段投资组合模型。由于投资过程存在交易成本,上述模型为路径依赖性的动态优化问题。文章运用离散近似迭代法求解,并证明了该算法是线性收敛的。最后,通过实证研究得出熵的取值越大,投资组合的最终财富越小。     

基于相对财富效用的多阶段投资组合博弈模型

现有投资组合优化模型普遍假设投资者之间是相互独立的，然而在实际投资过程中投资者往往是相互影响的，尤其是对于机构投资者而言，考虑这种相互影响显得尤为重要。本文基于多阶段投资组合理论和纳什均衡思想，考虑投资者决策之间的影响关系，以每个投资者自身终端相对财富的期望效用水平最大化为目标，构建了多阶段投资组合博弈模型，并给出了纳什均衡投资策略和相应值函数的解析解。最后，采用累计经验分布函数和确定性等价等指标，对纳什均衡投资策略与传统策略进行了比较，结果表明纳什均衡策略更具优越性。     

效用函数意义下投资组合有效选择问题的研究

我们知道,每个投资者在进行投资过程中,都有自己对收益与风险的偏好程度,即投资活动要遵循一个关于收益与风险的效用函数。按照古典经济学的分析,这个效用函数称为无差异曲线 (IDC),它是用均值 -方差来表现风险 -回报率相互替换的大小和形式的。每个投资者都拥有一条无差异曲线来表示他对于预期回报率和标准差的偏好。那么投资者如何确定他的一条无差异曲线,使他的最佳资产组合位于这条无差异曲线上 ?本文运用自己独创的一种几何方法解决了这个难题。本文首先把Markowitz模型的有效前沿用投资组合的权重向量表示出来,然后将无差异曲线也用抽资组合的权重向量表示出来,再由资产组合的有效选择原则就求出这个无差异曲线了。     

基于半离差风险收益的投资组合管理优化模型研究

本文在对投资组合管理理论分析的基础上,利用半离差法计算组合投资的风险与收益,克服了H. Markowitz提出的均值一方差模型研究的不足以及半方差模型的烦琐,提出了基于半离差风险收益的多目标优化模型;假设投资组合一般包括三种资产形式:股票、债券、现金。引进了机会成本概念在投资选择中的重要性,更加符合我国投资者的实际,便于操作,这为证券投资组合优化提供了一种新的方法,并有一定的参考借鉴价值。     

最佳投资组合的稳定性及其实证分析

建立组合投资的多目标决策模型,将投资者的收益-风险偏好程度量化,提出一种从品种选择、参数确定、模型建立到确定最佳组合的系统的投资方法.实证研究了最佳投资组合关于投资者的收益-风险偏好程度的稳定性,由此证明,对于不同投资风格的投资者,相应的最佳投资组合的调整直观且简便易操作.     

基于动态损失厌恶投资组合模型的最优资产配置与实证研究

从行为金融学的角度考虑投资者损失厌恶的心理特征,建立预期效用最大化的动态损失厌恶投资组合优化模型。以我国股票市场为依托,将市场分为上升、下降和盘整三种状态,研究动态损失厌恶投资组合模型的最优资产配置和绩效表现,并与静态损失厌恶投资组合模型、M-V投资组合模型和CVaR投资组合模型进行比较。最后,在具有交易成本的条件下对动态模型进行稳健性检验。得出结论：不同情况下,动态损失厌恶投资者具有不同的最优资产配置比例,且动态损失厌恶投资组合模型明显优于静态模型、M-V投资组合模型和CVaR投资组合模型。     

资产收益序列相依下的多阶段投资博弈模型

现有投资组合优化研究普遍假设投资者之间相互独立,且假定标的资产在不同阶段的收益序列不具相关性.然而在实际投资过程中,投资者往往是相互影响,资产收益序列也存在相依特征.基于多阶段投资组合优化和纳什均衡理论,利用相对绩效来刻画投资者之间的博弈现象,以每个投资者的相对终端财富的期望效用水平为目标,构建多阶段投资组合博弈模型.在资产收益序列相依情形下,给出了纳什均衡投资策略和相应值函数的解析表达式,以及纳什均衡投资策略与传统策略的关系.采用累计经验分布函数和夏普比率等指标,对纳什均衡投资策略与传统策略进行仿真比较,分析了纳什均衡投资策略随投资者反应敏感系数的变化趋势.结果表明:相比于传统的投资策略,当考虑竞争对手的相对绩效时,纳什均衡策略投资者更愿意冒高风险去追求高收益;并且投资者的反应敏感系数越大,其对风险的偏好程度也越高.     

具有VaR约束的跟踪误差投资组合鲁棒优化模型

本文在跟踪误差投资组合优化模型基础上,考虑投资组合的风险价值VaR和收益的不确定性,建立了具有VaR约束的跟踪误差投资合鲁棒优化模型。以国内证券市场为背景,运用线性矩阵不等式(LMI)方法进行了实证计算,并与基准组合、跟踪误差投资组合模型和无VaR约束的跟踪误差投资组合鲁棒模型的投资结果进行了比较。实证结果表明,在给定证券集的条件下,具有VaR约束的跟踪误差投资组合鲁棒优化模型优于其它模型。     

具有灵活时间期限的混合投资组合优化模型

在经济全球化和金融一体化背景下,投资者资产配置需求变得越来越多元化。如何构建合理的多元化投资组合已成为金融理论研究的热点问题之一。为此,本文考虑由项目、股票及无风险资产组成的混合投资组合选择问题。假定在资产组合的投资期限由所选中项目执行期灵活确定的前提下,投资者同时考虑项目间依赖与排斥关系、交易成本及破产风险控制等现实因素,提出以终端财富净现值最大为目标的混合投资组合优化模型。然后,设计改进的多策略融合人工蜂群算法对所构建模型进行求解。最后,借助算例分析来阐明所提出模型的实用性及算法有效性。研究结果表明：灵活时间期限的混合投资组合策略较现有的灵活时间期限的项目投资组合策略更为有效。     

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。     

基于非对称主动风险测度的增强型指数追踪模型及应用

本文以下方追踪误差测度非对称主动风险，构建了可以折衷超额收益和下方追踪误差的增强型指数追踪模型，给出了求解模型的广义最小角度回归（generalized least angle regression，简称GLARS）算法，并基于上证50进行了实证。GLARS算法可以给出超额收益在合理区间变化时，使得下方追踪误差最小的组合系数解路径，刻画投资组合的"超额收益—下方追踪误差"有效前沿。将模型应用于中国证券市场上证50指数，与基于"超额收益—追踪误差"的增强型指数追踪模型相比，得到如下实证结论：控制组合股票支数，本文组合的超额收益、单位风险收益更高，在承担相同风险的情况下，得到了更高的平均收益补偿；正下方离差中位数、最大回撤更小，右偏程度更高，表现出"守住下限，放开上限"的特质。本文组合在稀疏性要求下，样本外可以获得高于基准指数的累积收益，对机构和个人投资者具有参考价值，丰富了现有指数追踪研究。     

一个非对称风险度量模型及组合证券投资分析

在分析Jia&Dyer的风险-价值理论基础上,给出了一个基于预先给定的目标收益的非对称风险函数。该风险函数是低于参考点的离差和高于参考点的离差的加权和,它利用一阶"上偏矩"来修正二阶下偏矩,进一步建立了在此非对称风险函数下的二次规划组合证券投资模型;并证明了该模型与三阶随机占优准则的一致性;最后通过上海证券市场的实际数据验证了该模型的有效性和实用性。     

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。     

Risk‐Based Sampling: I Don't Want to Weight in Vain

Recently, there has been considerable interest in developing risk‐based sampling for food safety and animal and plant health for efficient allocation of inspection and surveillance resources. The problem of risk‐based sampling allocation presents a challenge similar to financial portfolio analysis. Markowitz (1952) laid the foundation for modern portfolio theory based on mean‐variance optimization. However, a persistent challenge in implementing portfolio optimization is the problem of estimation error, leading to false “optimal” portfolios and unstable asset weights. In some cases, portfolio diversification based on simple heuristics (e.g., equal allocation) has better out‐of‐sample performance than complex portfolio optimization methods due to estimation uncertainty. Even for portfolios with a modest number of assets, the estimation window required for true optimization may imply an implausibly long stationary period. The implications for risk‐based sampling are illustrated by a simple simulation model of lot inspection for a small, heterogeneous group of producers.     

考虑下偏矩约束的增强指数模型

增强指数模型旨在用少量的成份股构建指数跟踪组合，以期在跟踪指数趋势的同时获取高于指数平均收益的超额收益.当市场指数下跳时，跟踪组合会跟随指数趋势而产生巨额损失，因此有必要在传统的增强指数模型中加入下端风险约束，以阻止跟踪组合随指数下跳的风险.下偏矩(lower partial moment,LPM)作为下端风险度量工具，具有良好的理论性质且涵盖了损失概率、期望损失、下半方差等经典度量方法，因此本文构建LPM约束下的增强指数模型.该模型有三个特点:第一，具有更加一般的目标函数且允许投资者根据自身的目标设置参数，通过调节模型中的权衡参数，模型可以退化到传统的指数复制模型和超额收益最大化模型;第二，加入非参数LPM约束，以控制跟踪组合的下端风险;第三，得到目标函数和非参数1-阶LPM的凸性，证明了基于非参数1-阶LPM约束的增强指数模型是凸优化问题.模拟和实证结果表明，本文的模型能够控制下端风险并获得超额收益.     

基于模糊综合评判收益约束的贷款组合优化模型

贷款组合优化是商业银行信贷管理中最常见的决策。本文分析了现有的贷款组合优化模型的特点和弊端,以组合风险最小化为目标,以模糊数学中的综合评判关系为约束条件,建立了贷款组合的模糊优化模型。在组合收益率的综合评判目标和评判矩阵已确定的前提条件下,利用二次规划的方法解出各类贷款额占总贷款额的比重,解决了银行各类贷款的组合决策问题。通过进一步的实例分析,又从实证角度说明了该方法的合理性和可行性。     

A heuristic framework for the bi-objective enhanced index tracking problem

The index tracking problem is the problem of determining a portfolio of assets whose performance replicates, as closely as possible, that of a financial market index chosen as benchmark. In the enhanced index tracking problem the portfolio is expected to outperform the benchmark with minimal additional risk. In this paper, we study the bi-objective enhanced index tracking problem where two competing objectives, i.e., the expected excess return of the portfolio over the benchmark and the tracking error, are taken into consideration. A bi-objective Mixed Integer Linear Programming formulation for the problem is proposed. Computational results on a set of benchmark instances are given, along with a detailed out-of-sample analysis of the performance of the optimal portfolios selected by the proposed model. Then, a heuristic procedure is designed to build an approximation of the set of Pareto optimal solutions. We test the proposed procedure on a reference set of Pareto optimal solutions. Computational results show that the procedure is significantly faster than the exact computation and provides an extremely accurate approximation.     

惯性因子跟踪策略的有效性：来自中国股票市场的证据

基于惯性/反转效应普遍存在的现象以及中国股票市场上不能直接实施惯性/反转投资策略的事实,提出能灵活抓住惯性/反转效应的惯性因子跟踪策略。通过建立和求解惯性因子跟踪策略模型,我们发现,在允许卖空的条件下,最优惯性因子跟踪组合满足两基金分离定理,两基金分别是惯性因子模仿组合和最小方差组合。选择沪深300十大行业指数作为风险资产的代表,实证考察惯性因子跟踪组合的业绩,并与等权组合和最小方差组合的业绩进行比较。结果发现：惯性因子跟踪组合可以在保持和等权组合、最小方差组合风险水平相当的情况下带来更高的收益水平和夏普比率,平均而言,惯性因子跟踪组合的年化超额收益率(8.88%)比等权组合的年化超额收益率高出3.7%,夏普比率(0.42)高出0.18;即便在考虑交易成本的情况下,惯性因子跟踪组合的净夏普比率仍然高出等权组合0.16;综合上方获利和下方风险控制两个方面看,惯性因子跟踪组合优于等权组合。惯性因子跟踪策略的有效性相对于惯性因子的计算方法和样本数据选择区间具有稳健性。