基于随机矩阵理论我国股票投资组合噪声分析及风险控制

受"维数灾祸"影响,金融收益相关矩阵往往包含噪声。从预期的角度,本文分析了金融相关噪声对马克维茨资产组合风险影响的机制。理论上讲,基于随机矩阵理论(RMT)的降维技术能够通过去除相关噪声而对投资组合风险进行控制。在证实我国股票收益相关矩阵存在大量噪声的前提下,为验证RMT去噪法用于我国股票投资组合风险控制的有效性,采用bootstrap方法,对已有三种RMT去噪法即LCPB法、PG+和KR法在我国股票投资组合构建中的应用进行了实证研究。得到两个结论,第一,这三种RMT去噪法都能通过股票收益相关矩阵去噪而带来我国股票投资组合风险的下降。且噪声越大,对组合风险的控制作用就越大。第二,KR法对组合风险的控制效果比其他两种方法更好,是一种更适合于我国股票市场的组合风险控制方法。     

集成有限个专家意见的在线投资组合策略

基于弱集成算法的在线学习特征,该文探讨了它在在线投资组合选择中的应用,考虑了根据有限个专家意见进行决策的情形.首先将弱集成算法应用到投资于单只股票的专家意见,得到了在线投资组合的单一集成策略,并给出了该策略的竞争性能分析,证明了单一集成策略能够追踪最好的股票,实际投资决策中,投资者可能会选择多只股票进行组合投资,进一步将弱集成算法应用到投资于不同股票数目的专家意见,得到了在线投资组合的混合集成策略;证明了混合集成策略实现的累积收益与最优专家意见实现的累积收益相当.在长期投资组合上的数值算例表明了该文给出的单一集成策略能够实现与最好股票相当的收益;混合集成策略能够实现与最优定常再调整策略相当的收益,且与泛证券投资组合策略相比,能够获得更多的收益,具有较好的竞争性能.     

基于线性矩阵不等式的动态投资组合鲁棒策略

考虑证券市场股票期望收益和协方差矩阵的不确定性,研究了基于线性矩阵不等式的动态投资组合鲁棒策略问题.在跟踪误差投资组合模型和鲁棒优化方法的基础上,提出了一种动态投资组合鲁棒策略和求解算法,采用上海证券市场交易数据,运用线性矩阵不等式进行了实证分析.结果表明,基于线性矩阵不等式的动态投资组合鲁棒策略是有效、可行的.     

考虑现实约束的模糊多准则投资组合优化模型

针对模糊环境中资产收益和换手率均为模糊变量的投资组合问题, 考虑了资产组合的基数约束、投资比例的边界约束、资产的流动性以及分散化程度约束, 建立了一个以资产组合收益、偏度最大, 同时资产组合风险、不确定性以及模糊性最小为目标的多准则投资组合优化模型. 然后, 利用加权极大-极小模糊目标规划方法将所提出的模型转化为单目标规划问题, 进而设计了一个遗传算法来对其进行求解. 最后, 通过一个实例来阐明所提出模型的实用性以及算法的有效性. 研究结果表明: 本模型能够有效地刻画不同投资者的投资意图, 所设计的算法是有效的.     

股票-债券投资组合问题的数学模型及算法

针对股票一债券的最优投资组合策略问题,定义了股票一债券的半绝对偏差风险函数,建立了考虑不允许买空、不允许卖空、交易费用及交易单位等实际约束的股票一债券投资组合问题的数学模型,提出了一种基于布谷鸟搜索算法的改进算法,该算法不仅加快了最优鸟窝位置的搜索速度,同时增强了最优解的稳定性,并对该算法的复杂度进行了分析.最后通过数值算例验证了模型及算法的正确性及有效性.     

基于粒子群的状态反馈控制特征向量的配置

状态反馈控制特征结构的配置分为特征值的配置和特征向量的配置,在特征值已经确定的情况下,特征向量矩阵的条件数对于系统鲁棒稳定性有着直接的影响.因此以减小特征向量矩阵的条件数为直接目的对特征向量进行配置,是提高系统鲁棒稳定性的最直接的办法.由于在状态反馈控制中特征向量的配置存在自由度,因此以特征向量矩阵的条件数为适应度函数,采用粒子群算法进行优化.同时针对粒子群算法中存在的后期收敛速度慢,搜索精度不高,并可能陷入局部极值的缺陷,对粒子浓度进行调节以保持粒子的多样性,防止算法陷入局部极值.同时建立优秀粒子记忆库,克服粒子群算法后期收敛速度慢的缺点.最后通过实例将改进后的粒子群算法与其它算法进行了比较,验证了本算法对于减小特征向量矩阵的条件数和提高系统鲁棒稳定性的优越性.     

基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普>500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10以外,该投资组合策略在其他标度下均能取得更高的收益和夏普比率、詹森指数、特雷诺指数,并弱化系统性风险的影响。     

股票-债券投资模型实证研究

利用均值方差MV模型与绝对偏差MAD模型,分别选择股票,国债与企业债,在无摩擦市场与有摩擦市场下构建投资组合的最优策略,并利用国内股票市场与债券市场的数据进行实证分析,比较两种风险模型的投资效果.结果发现:加入债券后,与单纯的选择股票组合相比,投资组合的风险极大的降低,且收益更加稳定.     

投资组合保险价值分析

投资组合保险策略利用期权、期货或模拟期权等衍生金融工具对冲和转嫁风险,金融衍生工具以风险资产作为标的物,因此风险资产价格波动对投资组合保险产生极大影响.本文利用动态复制模拟期权的方法,讨论风险资产价格波动与投资组合保险价值、投资组合保险收益、投资组合保险成本之间的关系,并进行相应的数据实证分析,为投资保险者提供一定的技术支持.     

考虑投资者心理的模糊多目标投资组合模型及交互式算法

考虑证券市场的模糊不确定性和投资者的不同风险偏好特征,将资产收益率及换手率视为模糊变量,以投资组合的收益、风险及流动性为投资目标,构建考虑投资者风险态度的模糊多目标投资组合模型。进一步,考虑投资者损失厌恶及参照依赖等心理特征,设计基于累积前景理论和TOPSIS法的交互式算法(CPT-TOPSIS交互式算法)求解模型。最后,采用实证方法检验模型及算法的有效性。结果表明:CPTTOPSIS交互式算法和考虑投资者风险态度的模糊多目标投资组合模型不仅能够反映投资者的风险偏好、损失厌恶和参照依赖的心理特征,满足不同风险态度投资者的投资需求,且能获得超过市场的收益,可以作为投资者实际决策的依据。     

Optimization Model of Incremental Loan Portfolio based on Risks Overlap of Incremental and Existing Portfolio

This paper establishes the non-linear functional relationship of risk overlap of incremental and existing portfolios. The decision-making model for incremental loan portfolio is based on how total loan portfolio optimization is built. The contributions and characteristics lie in three aspects. The first contribution is to put forward the scientific problem of controlling total portfolio risk based on risk overlapping of incremental and existing portfolios while putting out an incremental portfolio. The whole control of incremental and existing portfolios is the top issue, which not only exploits new idea about optimal allocation and control of financial assets but also alters traditional idea merely considering the risk of incremental portfolios. The second contribution is to establish the non-linear function relation of overlap between incremental and existing portfolios. Based on the theory of non-linear overlap of total portfolio, the function expression connecting total portfolio with incremental and existing portfolios is built. The third contribution is the controlling of total risk after overlapping between the existing and incremental portfolios risk. It solves the problem of how to control and optimize total portfolio risk while allocating an incremental portfolio.     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

不确定离散时滞系统的鲁棒H∞滤波与仿真

研究了一类不确定离散时滞系统的鲁棒H∞滤波问题，其中不确定性存在于系统的状态矩阵和输入矩阵当中，且满足范数有界条件，对于所有容许的参数不确定性，构造一个线性滤波器，使得滤波误差系统渐近稳定且满足一定的H∞性能指标，给出了滤波器存在的充分条件，并通过矩阵变换得到了设计滤波器的LMI方法。 为了使得滤波器具有良好的稳态性能，本文考虑了LMI的优化问题。通过求解一组LMI，可以得到最优滤波器。最后，仿真结果很好地说明了本文方法的有效性。     

考虑背景风险的均值-半方差投资组合优化模型

在投资决策过程中，投资者不仅面临金融市场风险，还将面临金融资产价格波动以外的背景风险.针对现有考虑背景风险投资组合模型大部分都是以方差作为风险度量的不足，本文用半方差代替方差作为风险度量，研究同时考虑金融市场风险和背景风险的投资组合选择问题，提出考虑背景风险的均值-半方差投资组合优化模型.然后，给出临界线算法对所构建的模型进行求解并分析其有效前沿.最后，借助数值分析验证了本文所提出模型较现有均值-方差模型的优越性.     

基于特征值检测的多天线盲频谱感知算法的研究(英文)

在多天线感知场景中噪声不确定和信号相关现象可能同时存在,经典的基于能量检测(ED)感知性能将急剧恶化。利用多天线接收信号存在的相关特性,提出一种基于取样协方差矩阵(SCM)特征值的盲频谱感知方法。新方法无需噪声方差、主信号和无线信道的信息参与感知过程。与经典的能量检测方法相比,由于无需噪声方差参与感知节点的判决过程,新方法的感知性能对噪声不确定性具有良好的鲁棒性。利用多元统计理论和随机矩阵理论(RMT)获得了相应的理论判决门限。仿真结果表明新算法比基于ED的感知算法具有更好的误警性能和更可靠的检测性能。     

Mean-variance model based on filters of minimum spanning tree

This study aims to reduce the statistical uncertainty of the correlation coefficient matrix in the mean-variance model of Markowitz. A filtering algorithm based on minimum spanning tree (MST) is proposed. Daily data of the 30 stocks of the Hang Seng Index (HSI) and Dow Jones Index (DJI) from 2004 to 2009 are selected as the base dataset. The proposed algorithm is compared with the Markowitz method in terms of risk, reliability, and effective size of the portfolio. Results show that (1) although the predicted risk of portfolio built with the MST is slightly higher than that of Markowitz, the realized risk of MST filtering algorithm is much smaller; and (2) the reliability and the effective size of filtering algorithm based on MST is apparently better than that of the Markowitz portfolio. Therefore, conclusion is that filtering algorithm based on MST improves the mean-variance model of Markowitz.     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

基于CVaR和改进熵的全贷款组合优化模型

贷款组合的配置优化是商业银行资产管理的核心问题。针对该问题，从全部贷款组合整体风险和风险分散度两个角度，构建了基于CVaR和改进熵的全贷款组合优化模型。通过在比例熵中引入调整系数构建改进熵来衡量全部贷款组合的分散化程度，改进了比例熵约束必须给予每个企业一定贷款权重而造成过度分散化的弊端，使得全部贷款组合分散化的衡量更加合理。通过控制存量组合和增量组合叠加后的全部组合风险的情况下建立多目标规划模型，得到增量资产的最优配置。改变了流行研究仅仅控制增量风险的不足。在贷款收益率服从Laplace分布假定的基础上对全部贷款组合进行风险控制，符合金融资产收益率“尖峰肥尾”的特性，使得风险可以准确评估，改进了以正态分布为基础进行研究，不能准确拟合贷款收益率实际分布，进而无法合理估计风险的弊端。     

高维稀疏低秩的多目标矩阵回归模型及其组合管理策略

本文通过双因子随机过程表征资产价格的长短期运行趋势，选择具有重要影响力的市场指数构建有效市场组合，采用稀疏低秩的多目标回归方法深度挖掘市场特征，并自适应地捕捉市场趋势，最终利用预配权稀疏分散再优化方法获得矩阵回归的最优投资策略.研究发现高维稀疏低秩策略不仅可以实现全局和局部降维、低秩和稀疏约减的统一，还可以选择性地降低高维资产数目，更好地捕捉资产的非线性特性，更容易抓住资产间的关联关系.多目标稀疏分散回归策略具有集中配置资源、稀疏分散风险和稳定提高投资组合整体绩效的能力，组合管理成本更低，优越性更明显.实证结论对量化投资组合管理、资产配置优化及投资分析具有重要指导意义.