共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
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。 相似文献
4.
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. 相似文献
5.
基于VaR和CVaR风险控制下的M-V投资组合优化模型 总被引:1,自引:1,他引:0
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。 相似文献
6.
7.
8.
投资组合风险管理中VaR模型的缺陷以及CVaR模型研究 总被引:7,自引:0,他引:7
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. 相似文献
9.
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。 相似文献
10.
11.
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。 相似文献
12.
13.
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. 相似文献
14.
资产数量减少情形下CVaR投资组台的灵敏度分析 总被引:1,自引:0,他引:1
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. 相似文献
15.
16.
选取CVaR作为风险度量指标,在可信性理论的基础上构建Mean-CVaR投资组合模型,采用Markov过程预测作为模糊变量的预期投资收益率,并设计基于模糊模拟和遗传算法的混合智能算法以求解;选取上证50成份股2013—2014年的日度历史交易数据,将该模型应用到中国证券市场,结果发现该投资组合模型与中国证券市场的环境具有一定的适应性,能够为投资者的投资决策提供依据。 相似文献
17.
改进粒子群优化算法及其在CVaR模型中的应用 总被引:1,自引:1,他引:1
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. 相似文献
18.
基于多维t-Copula函数的投资组合的CVaR分析 总被引:2,自引:0,他引:2
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. 相似文献
19.
文章在考虑非线性交易费用情形下构建M-CVaR模型,并利用滤波历史模拟法生成收益率情景数据,用二次函数近似实际的交易费用函数,通过分支界定算法对M-CVaR组合选择模型进行实证分析.研究发现,交易费用的存在会减少投资组合的收益,在给定的收益水平下,VaR是小于CVaR的,随着风险的增大,CVaR和VaR差会变小.随着置信度的增大,无论是VaR还是CVaR值都会增大. 相似文献
20.
在数据驱动时代,变量选择广泛应用于投资组合,如何从众多资产中挑选恰当的资产并进行配比,对稳定收益、控制风险非常关键。现有选择资产的方法未考虑到控制错误发现率(FDR),不利于作出稳健的投资决策。为此,本文在Lasso分位数回归下基于Knockoff方法控制FDR,并用于求解条件风险价值(CVaR)投资组合决策模型。其中,用Lasso惩罚实现变量选择,用Knockoff方法通过模仿解释变量的相关结构构造Knockoff变量,将变量选择的FDR控制在给定水平。模型在两步迭代算法下采用线性规划求解,模拟分析从不同的误差分布、变量分布和维度下多角度展开。结果显示,与已有模型相比,基于Knockoff的Lasso分位数回归模型能良好地控制FDR且呈现出最好的预测效果。最后基于上证50指数成分股进行实证分析,利用滚动建模技术进行投资组合决策分析,发现新模型在收益指标和风险指标上均具有一定优势。 相似文献