Applying the Partitioned Multiobjective Risk Method (PMRM) to Portfolio Selection

The analysis of risk-return tradeoffs and their practical applications to portfolio analysis paved the way for Modern Portfolio Theory (MPT), which won Harry Markowitz a 1992 Nobel Prize in Economics. A typical approach in measuring a portfolio's expected return is based on the historical returns of the assets included in a portfolio. On the other hand, portfolio risk is usually measured using volatility, which is derived from the historical variance-covariance relationships among the portfolio assets. This article focuses on assessing portfolio risk, with emphasis on extreme risks. To date, volatility is a major measure of risk owing to its simplicity and validity for relatively small asset price fluctuations. Volatility is a justified measure for stable market performance, but it is weak in addressing portfolio risk under aberrant market fluctuations. Extreme market crashes such as that on October 19, 1987 ("Black Monday") and catastrophic events such as the terrorist attack of September 11, 2001 that led to a four-day suspension of trading on the New York Stock Exchange (NYSE) are a few examples where measuring risk via volatility can lead to inaccurate predictions. Thus, there is a need for a more robust metric of risk. By invoking the principles of the extreme-risk-analysis method through the partitioned multiobjective risk method (PMRM), this article contributes to the modeling of extreme risks in portfolio performance. A measure of an extreme portfolio risk, denoted by f(4), is defined as the conditional expectation for a lower-tail region of the distribution of the possible portfolio returns. This article presents a multiobjective problem formulation consisting of optimizing expected return and f(4), whose solution is determined using Evolver-a software that implements a genetic algorithm. Under business-as-usual market scenarios, the results of the proposed PMRM portfolio selection model are found to be compatible with those of the volatility-based model. However, under extremely unfavorable market conditions, results indicate that f(4) can be a more valid measure of risk than volatility.     

尾风险度量与定价能力分析

经典资本资产定价模型假设资产收益服从正态分布或者投资者效用函数是二次型,然而实际中资产收益的分布呈现尖峰厚尾特征,因而无法在均值-方差框架下分析风险与收益的关系。与资产收益正常变化相比,极端变化带来的尾风险会对市场风险和投资者的决策行为产生更为显著的影响,因此研究尾风险的度量方法和定价能力具有一定理论和实践意义。 依据极值理论,基于Fama-French的3因子模型无法解释的收益残差构建尾风险度量模型。选取中国股票市场沪深A股作为研究对象,以历史滑动窗估计尾风险,投资组合分析和横截面回归分析的结果都表明尾风险可以稳定地负向预测股票收益,在控制规模、交易量、非流动性、短期反转、中期动量、特质波动率、特质偏度等股票特征后,尾风险的负向预测能力依然显著。引入融资融券交易,发现融资融券标的股票的尾风险显著低于非融资融券标的股票的尾风险,而且可以消除尾风险的负向溢价,因而中国资本市场尚未完全开放融资融券交易机制可能是产生尾风险负向溢价的主要原因。 通过买多-卖空组合构建尾风险定价因子,发现尾风险因子比投资因子和盈利因子有更高的风险价格,而且并不是相对于Fama-French的5因子的冗余因子。与Fama-French的3因子模型和5因子模型相比,Fama-French的3因子或5因子基础上包含尾风险因子的定价模型对股票横截面收益有更好的解释能力,因而有更高的定价效率。 2008年全球金融危机爆发后,对尾风险定价能力的忽略使已有资产定价模型受到广泛批评。因此,探究尾风险的度量方法以及分析尾风险的定价能力,不仅有助于完善和拓展资产定价理论,而且有助于降低投资者对股票价格的认知偏差,提升市场资源配置效率和维护市场稳定性。     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

增长期权的执行、创造与资产风险溢价——企业生命周期的视角

增长期权的执行和创造共同推动着企业的生命周期进程,二者对资产相对构成的影响力量对比决定了资产风险溢价随企业生命周期的变化特征。本文在连续时间框架下利用实物期权方法和定价核技术,理论上揭示并比较增长期权执行和创造对资产风险溢价的影响,以及二者共同作用下资产风险溢价随企业生命周期的变化规律。结果表明：增长期权的执行和创造分别会降低和提升风险溢价,且二者分别对年轻和成熟阶段资产风险溢价的影响更大;进一步,增长期权的不断执行使得资产风险溢价随企业生命周期进程呈现下降趋势,增长期权的持续创造则可使成熟企业"再焕新生"而进入新的生命周期。     

基于波动持续性的最优组合构建与分散化研究

构建恰当资产组合来减少风险, 是投资组合理论研究的重要目标.由于金融时间序列的波动往往会伴随着持续性特征, 该种特性会增大组合未来收益的风险.本文通过构建随机波动模型序列持续性最优投资组合模型, 以降低金融资产波动的持续性特征对组合收益波动的影响;并通过研究其分散化水平, 考察该投资组合构建方法的有效性与稳健性.研究发现:与均值方差的组合模型相比较, 序列持续性组合的风险分散化水平更好.此研究在资产组合选择方面, 具有较为重要的理论价值及实践意义.     

EXPECTATIONS‐BASED REFERENCE‐DEPENDENT PREFERENCES AND ASSET PRICING

This paper explores the quantitative asset‐pricing implications of expectations‐based reference‐dependent preferences, as introduced by Koszegi and Rabin (2009, American Economic Review, 99(3), 909–936), in an otherwise traditional Lucas‐tree model. I find that the model easily succeeds in matching the historical equity premium and its variability when the preference parameters are calibrated in line with micro evidence. The equity premium is high because expectations‐based loss aversion makes uncertain fluctuations in consumption more painful. Additionally, loss aversion introduces variation in returns because unexpected cuts in consumption are particularly painful, and the agent wants to postpone such cuts to let his reference point decrease. This variation generates strong predictability. However, it also causes counterfactually high volatility in the risk‐free rate, which I address by allowing for variation in expected consumption growth, heteroskedasticity in consumption growth, time‐variant disaster risk, and sluggish belief updating.     

股价暴涨的风险:基于中国股市的实证

股价暴涨直观上带来高收益，激发市场正面情绪，那么为什么暴涨被视为风险?本文利用2006年至2016年中国A股上市公司数据，通过计量建模对暴涨股票的特征和日后的市场表现进行刻画。实证发现：（1）股价暴涨频度高的股票，呈现低资产收益率、高市值账面比、多散户持股、少沪深300成份股等特点；（2）易发生暴涨的股票其长期超额收益率更低，未来有更大的暴跌风险和更高的收益率波动率；（3）对于运营基本面较差、市场过于乐观、信息披露质量较低的股票，暴涨后的暴跌风险更加明显。研究结论在不同代理变量选择、多种计量模型设定下均稳健成立。本文揭示了暴涨不仅仅是极端价格波动，而且更容易发生在高风险股票中，未来蕴含着更大的潜在损失。暴涨是实实在在的风险。     

A Rational Theory of Mutual Funds' Attention Allocation

The question of whether and how mutual fund managers provide valuable services for their clients motivates one of the largest literatures in finance. One candidate explanation is that funds process information about future asset values and use that information to invest in high‐valued assets. But formal theories are scarce because information choice models with many assets are difficult to solve as well as difficult to test. This paper tackles both problems by developing a new attention allocation model that uses the state of the business cycle to predict information choices, which in turn, predict observable patterns of portfolio investments and returns. The predictions about fund portfolios' covariance with payoff shocks, cross‐fund portfolio and return dispersion, and their excess returns are all supported by the data. These findings offer new evidence that some investment managers have skill and that attention is allocated rationally.     

基于半鞅过程的中国股市随机波动、跳跃和微观结构噪声统计特征研究

本文基于半鞅过程和非参数统计推断方法,利用已实现幂变差的渐进统计特性,构造检验统计量,在统一的分析框架下,对金融资产价格中随机波动、跳跃和微观结构噪声等问题进行全面系统的研究。并根据上海证券交易所不同行业的股票,上证50 股票指数及其成分股的高频数据进行实证研究。结果表明,我国A 股市场中,噪音交易显著;约43%的风险来源于资产收益过程的随机波动风险,可用股票期权交易对冲;不同来源风险的重要性程度依次为:随机波动的风险、系统性跳跃风险以及异质性跳跃风险;流动性越好的股票越显示出跳跃、尤其是无限小跳的证据。     

“特质波动率之谜”与估计模型有关吗？

以CAPM、Fama-French三因子和五因子模型为均值方程,分别采用无条件标准差,以及GARCH、EGARCH条件方差为基准计算出中国股票市场的特质波动率,研究了特质波动率与股票收益率之间的关系。研究发现,关于高特质波动风险对应低预期收益的定价异象来源于特质波动率估计模型的差异。具体地,当使用无条件标准差方式估计特质波动率时,存在定价异象,而使用GARCH、EGARCH等条件方差模型估计特质波动率时,则不存在定价异象。该结果在改变残差估计均值方程以及控制规模、流动性等其它变量后依然稳健。本文的研究有助于解释长期困扰在资产定价领域的“特质波动率之谜”。     

中国股市与周边股市波动风险传导效应研究

由于金融资产收益的条件波动率不仅是金融市场风险度量的重要指标,而且呈现出明显的杠杆效应。因此,本文运用能够刻画波动率杠杆效应的LGARCH(Leverage GARCH)模型对金融市场条件波动率进行建模分析,进而运用Granger-Causality检验分析了中国股市与周边股市波动风险的传导效应。实证结果表明,在整个样本区间,上海股市与周边重要股市的联系比较微弱,仅与香港股市存在一定的风险传导关系,而与东京、新加坡股市却不存在传导关系。然而,在我国股市对境外合格机构投资者(Qualified Foreign Institutional Investors,QFII)开放后,中国股市与周边股市的波动风险传导关系明显异于对QFII开放之前和整个样本期的风险传导关系,上海股市与香港、东京、新加坡股市间的波动风险传导关系均显著增强。     

时变风险厌恶下的期权定价——基于上证50ETF期权的实证研究

传统的随机波动率（SV）期权定价是在投资者具有常数风险偏好假设下进行的.但近年来越来越多的研究表明,市场参与者具有时变风险厌恶特征.基于此,本文对时变风险厌恶条件下的期权定价问题进行深入研究.首先,对传统的（非仿射）常数风险厌恶SV（CRA-SV）期权定价模型进行扩展,构建时变风险厌恶SV（TVRA-SV）期权定价模型对期权进行定价,并分析时变风险厌恶对期权价格的影响;其次,采用标的资产与期权数据信息,建立基于连续粒子滤波的极大似然估计方法,对定价模型的客观与风险中性参数进行联合估计;最后,采用我国期权市场上的上证50ETF期权数据,对构建的定价模型进行实证检验.结果表明：TVRA-SV期权定价模型相比传统的CRA-SV期权定价模型具有更好的数据拟合效果,能够更充分地刻画标的上证50ETF收益率在客观与风险中性测度下的波动性;TVRA-SV期权定价模型相比传统的Black-Scholes（B-S）期权定价模型和CRA-SV期权定价模型都具有明显更高的定价精确性。     

基于通货膨胀和风险偏好视角的资产配置研究

不确定条件下的资产配置问题无论对于学术研究还是投资行为都具有重大的理论和实际意义。本文选取广义范围上的现金、股票、债券作为投资者进行资产配置的产品,在CRRA(Constant Relative Risk Aversion)和HARA(Hyperbolic Absolute Risk Aversion)两种偏好假设下,分别求出了投资者效用最大化时的最优财富以及最优资产组合中各资产的权重,并比较分析了两种偏好假设下通货膨胀、风险偏好、投资期限三种因素对资产配置的影响。研究结论表明:通货膨胀会影响股票和债券的风险溢价,进而影响最优资产组合中各资产的权重;股票的权重不会受投资期限的影响,在通货膨胀率和风险偏好不变时,其值始终为一常数,但债券和现金的权重则由投资期限、通货膨胀和风险偏好共同决定;此外,在CRRA和HARA偏好假设下,以上三种因素对资产配置的影响存在较大差异,特别是在HARA框架下存在买空行为。     

基于前景理论的跨市场状态转移多阶段资产配置研究

在行为金融前景理论框架下研究跨市场间的状态转移资产配置问题,构建隐Markov——混合正态分布模型描述股票、债券和商品混合市场间的状态特征,用Baum-Welch算法估计模型参数,并利用状态转移思想进行情景生成建立多阶段随机优化模型。进一步,以我国股票、债券和商品混合市场的实际数据为背景,利用滚动窗口方法实证分析基于状态转移的多阶段随机模型的表现,并与忽略状态转移特征的基准模型、等权重组合、沪深300指数的结果进行对比。结果表明,与其他组合相比,基于状态转移的投资组合有助于规避风险,且混合市场间的状态转移信息能够对前景理论投资者的最优投资决策产生影响。     

显性激励和隐性激励对基金风险承担行为的影响

通过假设基金管理者的报酬合同为PBF合同,研究了显性激励和隐性激励对开放式基金的风险承担行为的影响.然后,以一个存在混合策略的博弈模型为基础,发现隐性激励使年中业绩领先的基金其下半年持有高风险资产的概率要高于年中业绩落后的基金.最后,分析了风险资产与市场组合的收益率之差、2个基金年中业绩之差、资产收益的波动率和2种激励的强度对基金选择高风险资产的影响.     

基于SV-SGED模型的动态VaR测度研究

本文针对金融资产收益展现出“有偏”及“厚尾”分布特征,引入有偏广义误差分布（SGED）来描述资产收益,继而提出SV-SGED模型对资产收益波动率建模,并以此来测度动态风险值（VaR）,进而采用后验测试技术对风险测度模型的精确性进行检验。同时,为了估计SV模型的参数,提出基于有效重要性抽样（EIS）技巧的极大似然（ML）估计方法。最后,给出了基于上证综合指数的实证研究。结果表明,SV-SGED模型比正态分布假定下的SV（SV-N）和广义误差分布假定下的SV（SV-GED）模型具有更好的波动率描述能力,SV-SGED模型展现出比SV-N和SV-GED模型更优越的风险测度能力。     

中国股票市场的高阶矩波动特征研究

最近的研究表明,除资产收益二阶矩外,高阶矩(包括三阶矩和四阶矩)同样是反映金融资产波动行为的重要方面.以中国股票市场最具代表性的两种股价指数--上证综指和深证成指 10 年的股价数据样本为例,通过构建可以刻画时变高阶矩的自回归条件方差-偏度-峰度模型,实证研究中国股票市场的高阶矩波动特征.研究表明,中国股票市场收益的偏度、峰度具有显著的时变性和波动聚类性;中国股市不但存在二阶矩(方差)风险,还存在显著的三阶矩(偏度)风险和四阶矩(峰度)风险,并且三阶矩风险和四阶矩风险具有同步性;将偏度方程和峰度方程引入波动模型会抵消原有方差波动的杠杆效应.初步提出将高阶矩波动模型运用于金融风险管理的思想.     

指令驱动市场中非知情交易者的最优交易策略

在非对称信息下,综合非知情交易者对资产价值的预期、私人估值及资产价值波动,构造指令驱动市场价格形成的动态模型,给出非知情交易者指令提交策略的解析解,并依此描述了非知情交易者对资产价值预期的动态更新过程.研究发现:私人估值和资产价值波动通过影响非知情交易者最优策略,使得市场进入不同均衡状态;在每个均衡状态下,非知情交易者根据资产价值的预期变化更新交易策略,进而引起知情交易者策略调整,特别地,使得知情交易者被挤出市场成为可能.进一步分析表明,私人估值、资产价值波动及知情交易者比例对市场流动性的影响依赖于每个均衡中限价指令执行风险的差异.     

Modeling and Forecasting Realized Volatility

We provide a framework for integration of high–frequency intraday data into the measurement, modeling, and forecasting of daily and lower frequency return volatilities and return distributions. Building on the theory of continuous–time arbitrage–free price processes and the theory of quadratic variation, we develop formal links between realized volatility and the conditional covariance matrix. Next, using continuously recorded observations for the Deutschemark/Dollar and Yen/Dollar spot exchange rates, we find that forecasts from a simple long–memory Gaussian vector autoregression for the logarithmic daily realized volatilities perform admirably. Moreover, the vector autoregressive volatility forecast, coupled with a parametric lognormal–normal mixture distribution produces well–calibrated density forecasts of future returns, and correspondingly accurate quantile predictions. Our results hold promise for practical modeling and forecasting of the large covariance matrices relevant in asset pricing, asset allocation, and financial risk management applications.     

期权“净购买压力”的隐含信息

使用50ETF期权的高频数据,研究“净购买压力”指标对指数方向性和波动性变化的预测能力,并比较不同加总方法、看涨看跌、不同在值程度的期权以及非对称的“净购买压力”指标隐含信息的差异性.本文发现,50ETF期权“净购买压力”指标隐含着标的指数方向性和波动性的变化信息.在预测指数变化方向时,Delta加总的“净购买压力”隐含的信息已包含在简单加总的指标之中,看涨、看跌期权以及不同在值程度的期权在信息含量上存在差异性.在预测指数波动性时,使用简单加总和使用Gamma、Vega加总的“净购买压力”指标均隐含着未来市场的波动率信息,平值和虚值期权的“净购买压力”指标对波动率具有更强的预测能力.同时,“净购买压力”的隐含信息存在非对称特征.