基于斯坦规则的投资组合管理改进研究

根据斯坦规则原理,以均值-方差模型投资权重为样本信息,以市场证券组合的投资权重为非样本信息,研究了如何确定投资权重收缩估计量的最优收缩强度,实现了投资组合主动管理与被动管理的有机结合.实证结果表明,在投资组合管理领域运用斯坦规则进行预测,能够取得优于经典均值-方差模型的业绩.     

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.     

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。     

动态均值-方差资产组合的有效性:时变风险容忍度视角

尽管均值-方差模型在静态资产组合优化过程中得到广泛运用并证明是有效的,但在动态情景下,均值-方差模型运用于动态资产组合优化过程中的有效性问题引起人们的质疑：一是常风险规避系数的设定不符合事实;二是投资者偏好设定不符合动态情景下的主流效用函数族。鉴于此,本文假设投资者风险容忍度是资产组合投资期与投资者期望收益率的函数,研究动态均值-方差资产组合的有效性问题。基于均值-方差分析框架构建时变风险容忍度下的动态资产组合模型;运用伊藤定理和拉格朗日乘子法获得最优资产组合封闭解;基于二次效用偏好下的动态资产组合,从资产组合策略、夏普率、确定性等价收益率和有效前沿等视角验证动态均值-方差资产组合策略和业绩,并予以实证。结果表明：动态均值-方差资产组合不但具有同等业绩而且体现了其灵活性和风险对冲价值;尽管动态均值-方差资产组合表现出高杠杆性,但其确定性等价收益率较高,且随投资期的增加呈现倒U型趋势;动态均值-方差资产组合的投资期效应显著,强于投资者期望收益率。研究指出,时变风险容忍度下的动态均值-方差资产组合管理和优化策略有效,但在短投资期（低于12个月）和（或）低期望收益率下并不适用。研究不但拓展了均值-方差模型在动态情境下的应用,而且体现了投资者源于心理和（或）其财富变化的投资行为调整。     

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。     

用组合投资理论确定最优比例再保险的一个方法

运用组合投资理论的均值方差原则,分析了保险公司规避风险的问题;针对比例再保险的不同险种,建立了多目标规划模型并求解,确定了最优自留比例,并将实行再保险后的期望收益和方差与实行前进行了比较,认为结论适合于风险厌恶型的决策者;并对风险分散在证券市场与保险市场的差别进行了比较分析.     

具有资本结构因子和交易成本的证券组合投资模型

在介绍经典的Harry Markowitz均值-方差投资组合模型的基础上,建立了含有资本结构因子和交易成本的证券组合最优化模型,在组合中不含有无风险证券和含有无风险证券的条件下,分别给出最优投资比例及有效边界,并讨论了资本结构因子与交易成本对有效边界的影响.     

具有模糊收益的项目投资组合优化方法

基于可能性理论,研究了投资项目具有模糊收益的多项目投资组合的决策问题。在假设投资项目各年净现金流为三角模糊数的条件下,运用可能性均值和方差,建立了基于现值指数法的单投资项目模糊收益指标和模糊风险评价指标,同时,在此基础上建立了基于模糊可能性均值与方差的多项目投资组合优化模型,提出了最优项目投资组合的算法。最后,给出实际算例说明了方法的可行性和有效性。     

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.     

基于Copula-APD-GARCH模型的投资组合有效前沿分析

根据ES风险度量方法,拓展了马克维茨均值-方差资产组合模型,研究均值-ES准则下的资产组合问题.用APD-GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula-APDG-ARCH模型.利用该模型,借助Monte Carlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元Clayton Copula函数的风险资产组合的均值一ES有效前沿,并进行比较.实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元Clayton Copula函数时应的有效前沿表现最好.     

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。     

基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.     

Portfolio value-at-risk estimation for spot chartering decisions under changing trade patterns: A copula approach

Evolving geopolitical relationships between countries (especially between China and the United States) in recent years have highlighted dynamically changing trade patterns across the globe, all of which elevate risk and uncertainty for transport service providers. In order to mitigate risks, shipowners and operators must be able to estimate risks appropriately; one potentially promising method of doing so is through the value-at-risk (VaR) method. VaR describes the worst loss a portfolio is likely to sustain, which will not be exceeded over a target time horizon at a given level of confidence. This article proposes a copula-based GARCH model to estimate the joint multivariate distribution, which is a key component in VaR estimation. We show that the copula model can capture the VaR more successfully, as compared with the traditional method of calculation. As an empirical study, the expected portfolio VaR is examined when a shipowner chooses among Panamax soybean trading routes under a condition of reduced trade volumes between the United States and China due to the ongoing trade turmoil. This study serves as one of the very few papers in the literature on shipping portfolio VaR analysis. The results have significant implications for shipowners regarding fleet repositioning, decision making, and risk management.     

非对称Laplace分布下的均值-VaR模型

非对称Laplace分布可以描述分布的尖峰厚尾和有偏特征,被许多学者用来拟合金融资产的历史收益率数据,进而测算金融资产的尾部风险,然而非对称Laplace分布下的投资组合研究尚不成熟。因此本文在非对称Laplace分布设定下给出VaR的解析表达式,并建立均值-VaR模型研究投资组合选择问题。在理论上我们证明该模型是凸优化问题,可以转化为二次规划问题进行求解,从而可得到模型全局最优的解析解。进一步地,我们分别得到存在无风险资产和不存在无风险资产时投资组合前沿的解析式。最后基于上证50指数及其成份股的历史数据进行实证分析,研究结果表明本文构建的模型在实践中的投资表现良好。     

基于VaR收益率约束的贷款组合优化决策模型

本文以贷款的收益率为金融资产的收益,以贷款收益率的波动为标准反映贷款风险,在VaR约束下,以拉格朗日乘子法为工具求二次规划,建立了在既定组合收益范围内,组合风险最小的贷款组合优化决策模型。该模型的特点一是以收益率最大损失的形式、而不是收益额的形式来反应VaR,使组合决策分析更为方便。二是考虑了风险之间的相关性,用组合VaR的收益率最大损失来控制贷款收益率的风险限额;使贷款的分配直接反映了商业银行的风险承受能力。三是在合理的目标收益范围内,给定任意一个决策者期望的收益率,总能找到对应的风险最小的贷款组合,由此模型求出的有效边界,为组合贷款的优化决策提供了科学的方法。     

基于多元t-分布的外汇期权市场风险非线性VaR度量模型

主要研究当汇率回报呈多元t-分布时,对于外汇期权非线性头寸的VaR(Value at Risk)度量的问题.在推导出多个外汇期权的投资组合的二次近拟的矩母函数表达式基础上,本文使用傅里叶变换、切比雪夫不等式、数值转换计算求出投资组合的VaR的值,并和基于多元正态分布Comish-Fisher模型以及基于Delta-正态模型计算所得的VaR值了进行比较.这种方法克服了厚尾分布的VaR计算的困难.     

基于Copula的外汇投资组合风险分析

本文简要介绍了Archimedean Copula,并运用Archimedean Copula给出了确定两种外汇最小风险(VaR)投资组合的方法。并用这个方法,对欧元和日元的投资组合做了相应的风险分析,得到了二者的最小风险投资组合,并对不同置信水平下VaR和组合系数做了敏感性分析。     

基于Copula-AL法的VaR和CVaR的度量与分配

金融资产收益率的实际分布具有明显尖峰肥尾和不对称等特征,本文采用非对称拉普拉斯分布来刻画这些特征,结合Copula函数技术来描述资产间的相关性结构,研究了市场组合VaR和CVaR的度量和分配。选取上证指数和深圳成指的组合为例,计算了组合风险及其分配。结果表明,基于t-Copula-AL模型的VaR、CVaR法计算简单准确,且能方便地进行风险分配。     

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。     

Adjexpectile风险测度的性质、优化及资产配置的应用

金融风险的度量和识别是风险管理的重要内容,常用的风险度量工具是标准差、VaR、ES,但存在很多缺陷,expectile的提出弥补了这些不足,在理论界得到广泛的讨论和应用。本文扩展了expectile进行资产配置,提出Adjexpectile的概念,并讨论和分析了Adjexpectile的一致性风险度量、随机占优性、凸性,与标准差、VaR、shortfall的关系,风险贡献及风险分解的性质。通过对六个资产指数：上证国债指数、上证企业债指数、上证180指数、深圳100指数、深成长40p指数和黄金现货指数的复合周收益率数据进行组合优化配置,发现Adjexpectile在非对称性收益数据、组合前沿、风险分散方面具有一定的优越性。