基于多期动态优化的银行资产组合决策模型

以银行各项资产组合收益最大化为目标函数,以VaR风险收益率为约束,以法律、法规和经营管理约束为条件,运用多期资产分配的逆向递推原理和非线性规划方法,建立了多期银行资产组合动态优化模型.一是通过逆向递推,使本期资产的最优配给建立在下一期资产的最优配给的基础上,解决了现有研究只是在单期里求解而忽略了各期之间的联系与影响的问题.二是考虑到本期的贷款收益率期望值将受到上一期贷款信用等级迁移的影响,利用不同等级贷款收益率期望值和一年期迁移概率矩阵,计算出各类企业各年份的相应的贷款收益率期望值及标准差,更加客观地反映了贷款的真实收益和风险,解决了现有研究只是简单求解各笔贷款收益率期望值或将其设为常数的问题.三是用贷款组合的VaR控制多期贷款的组合风险,解决了现有多期研究中对银行风险承受能力和资本监管的客观要求考虑不足的问题.     

证券投资基金的风险资本确定研究

研究基金管理人如何配置风险资本以抵御来自资产组合收益风险的问题。建立基金管理人确定风险资本的模型，给出关于投资组合收益率分布函数的最小风险资本比率。用跳跃一扩散过程来描述市场收益率，在此基础上建立基金的投资组合的收益率模型，并给出模型参数的估计方法。利用随机模拟方法获得投资组合收益率的模拟样本．可以获得投资组合收益率的经验分布，进而计算最小风险资本率。用模拟方法获得的投资组合收益率的经验分布可以克服用常方差正态分布假设的误差。本文的结果对基金管理人的风险管理具有指导意义。     

基于信用风险迁移条件风险价值最小化的贷款组合优化模型

把企业信用风险迁移引入贷款收益率的计算中,引入条件风险价值(CVaR)来度量贷款组合风险,建立了组合贷款优化决策模型.本模型的特色:① 用CVaR代替VaR,控制了贷款组合极端损失的发生;② 反映了企业信用等级迁移对企业收益率波动的影响,更加客观地反映了贷款的真实风险,解决了现有研究仅简单求解各笔贷款的收益率标准差而忽略信用风险迁移的问题;③ 通过现行法律法规为约束条件,在约束条件中,控制了流动性风险,避免了资产配置的流动性危机,保证了银行资产配给的合法性与合规性.     

基于高阶矩风险控制的贷款组合优化模型

以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险, 以峰度来控制贷款组合收益率分布出现极端情况的双侧风险, 建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上, 增加了偏度和峰度参数, 建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束, 控制了组合收益率偏离均值的离散程度: 通过偏度约束, 控制了组合收益率总体分布向损失一侧偏离的程度: 通过峰度约束, 控制了组合收益率出现极端损失或收益的可能性. 模型从多个角度控制了贷款组合的风险, 拓展了经典的均值-方差优化组合思路.     

基于Monte Carlo 模拟和VaR 约束的银行资产组合优化模型

在Monte Carlo模拟和CreditMetrics方法的基础上,以银行各项资产组合收益最大化为目标函数,以VaR风险限额为约束,以法律、法规约束和经营管理约束为条件,建立了基于Monte Carlo模拟和VaR约束的银行资产负债管理优化模型.其特点一是利用Monte Carlo模拟预测出贷款期限内各年度的收益率及标准差,将其平均值作为该项贷款总体的年平均收益率及其标准差,从而考虑了各项贷款期限不同的因素,可以对不同期限贷款的收益率进行同等的比较,在总体上对信用风险的不确定性有了较可靠的把握.二是利用VaR技术建立约束条件,使贷款配给的风险限定在银行的承受能力和贷款准备金的范围之内.三是直接利用各企业贷款收益率的历史数据求解各贷款之间的收益率相关系数,进而求解资产组合的方差,而不是利用企业资产的相关系数求解,更直接反映了贷款收益率之间的相关性.四是运用资产负债管理比率建立约束条件,通过巴塞尔协议内容和众多国际惯例的法律、法规和经营管理约束控制流动性风险,使贷款的分配决策满足行业监管和银行经营的实际要求.     

动态投资组合风险控制策略

从股市上采集的大量股票收益率数据表明,前后相邻的股票收益率数据呈现出一定程度的依赖关系,即前期收益率呈现出大的波动幅度,紧接着后期收益率也呈现出大的波动幅度,这样的波动特点被称之为"波动聚集性","风险传染性",在金融计量上,通常用收益率的方差来定量刻画收益率的波动幅度的大小和相应收益率风险的大小,因此本文选用能准确拟合金融资产收益率方差的GARCH模型来刻画金融资产收益率的这种"风险传染性",在此基础上应用协同持续思想构建了投资组合的风险优化控制模型,并求得了相应最优投资组合权重.选取6支股票作了实证检验.检验结果表明,按该模型配王的投资组合收益率长期被控制在较小的风险范围,在统计上亦表现出较高的夏普比.     

随机最优证券投资组合模型

讨论了当投资的预期收益率和风险损失率为随机变量时 ,证券投资组合模型的优化问题 .并分别建立了证券投资组合决策系统的期望值模型及机会约束规划模型 .最后设计了基于随机模拟的遗传算法 ,该方法有效地解决了证券投资组合模型的优化问题.     

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。     

非正态稳定分布条件下的投资组合模型:均值2尺度参数模型

针对风险证券收益率的经验分布所具有的偏态和过度峰态等非正态分布特征,提出在非正态稳定分布条件下研究投资组合模型.通过拟合优度检验发现我国的股票收益率与非正态稳定分布的拟合效果非常好;研究了非正态稳定分布条件下投资组合收益和风险的度量,建立了均值-尺度参数投资组合模型;通过实证分析发现均值-尺度参数模型能够解释资产配置之谜.     

基于WCVaR风险控制的投资组合

将基于WCVaR风险控制问题转化为一个最小-最大-最小的投资组合问题,改进传统目标函数仅对投资期末风险水平进行控制的方法,建立对整个投资过程进行风险控制的目标模型以及动态投资组合优化模型.利用向量 自回归和蒙特卡罗模拟方法给出计算最优投资策略的计算步骤.最后结合我国金融市场历史数据进行实证研究和 敏感性分析. 结果表明,该投资组合模型具有实用性. 此外, 通过敏感性分析得出,在进行投资组合时需 根据资本市场态势指标(如股票指数)设定合理的目标财富值, 同时加以适当的风险约束,可实现资产组合最优化.     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

多元混合正态分布情形下的外汇期权组合非线性VaR模型

提出了一种多元厚尾分布情形下的外汇期权组合非线性VaR模型.用多元混合正态分布来描述汇率回报分布厚尾特征,推导出多元混合正态分布情形下的反映外汇期权组合价值变化的矩母函数;在此基础上, 利用特征函数和矩母函数关系,进一步将概率分布的Fourier-Inversion方法和数值积分近似计算的迭代算法------自适应Simpson法则发展到多元混合正态分布情形下的外汇期权组合非线性VaR模型中,估计出期权组合的VaR值. 数值结果表明:使用Fourier-Inversion方法得到的VaR值与使用Monte Carlo模拟方法得到的VaR值相差不大,但使用Fourier-Inversion方法的计算速度明显快于Monte Carlo模拟方法.     

尾部相关性对投资组合VaR的影响分析

通过随机模拟,研究两种不同的风险度量(VaR和方差)与相关性之间的关系.当用方差度量风险时,资产收益率之间的线性相关性越小,资产组合的风险就越小.当用VaR度量风险时,收益率间的尾部相关性对VaR也有显著影响.如果资产收益率之间的线性相关性较小,而尾部相关性较大,则风险可能较大.     

机会约束下基于混合整数规划的均值-VaR证券投资基金投资组合选择模型

研究机会约束下基于整数规划的均值-VaR（Value-at-Risk）证券投资基金投资组合选择问题。在验证了股票收益率服从Scaled-t分布的条件下,基于非参数方法且以历史观测数值为序次统计值,结合均值-VaR方法和混合整数规划理论,以收益绝对离差作为目标函数建立了机会约束下基于混合整数规划的均值-VaR证券投资基金投资组合选择模型。它是以VaR收益率阈值与置信水平为导向的。该模型还考虑了证券投资基金中的投资比例限制,使其更具有一定的实际应用价值。     

信用危机下可违约债券组合风险集成度量:基于三因子强度定价模型

可违约债券一旦一个信用违约事件突发后,可导致一系列的可违约债券的相续违约,通过对可违约债券组合风险集成度量进行研究,为金融机构进行金融应急管理和科学决策提供理论依据,同时有利于金融机构完善金融系统在这方面应急处置机制.针对可违约债券组合中的信用-市场风险相关性和各债务人信用相关性,可从不同风险类型识别出的共同的风险驱动因子出发构建风险整合框架.假设债券的违约强度仿射地依赖于系统市场风险因子、系统信用风险因子、特质信用风险因子等组成的基础状态向量,推导出了基于三因子仿射强度的可违约债券价格,把可违约债券双因子强度定价模型拓展为三因子强度定价模型.在此基础上,建立了可违约债券组合风险集成度量的Monte Carlo方法,得出同一个风险计算期下反映市场风险和信用风险这两类风险的损失分布,进而能求得组合的VaR值,在同一个框架下同时捕捉可违约债券的两类风险.最后运用提出的基于三因子仿射强度的风险集成度量模型对短期融资券组合的风险进行数值计算,并与基于双因子仿射强度的风险集成度量模型得到的VaR值进行比较分析.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

一种新型的VaR计算方法:g-h VaR法

根据g-h分布的统计特性,提出了基于金融资产损失的V aR计算方法——g-h V aR法。这种方法结合了分析方法、历史模拟方法和极值理论方法的优点,能够很好地处理组合回报的不对称现象和厚尾现象。在证券市场上的实证研究表明,该方法优于现有的D elta-正态方法。     

时变条件t-copula蒙特卡罗方法的外汇储备收益风险度量

在给定我国主要储备货币为美元的基础上,使用英镑、日元、欧元兑美元每日汇率,应用时变条件t-copula函数描述主要储备币种对美元汇率收益序列之间的时变相依结构,建立了用于描述包含时变自由度在内的所有时变相依模型参数的演化方程。采用蒙特卡洛仿真方法计算了各种币种组合的VaR,并对结果进行后验测试,时变条件t-copula函数仿真估计VaR可以覆盖最大损失风险,并分析了主要储备货币组合兑美元汇率风险演化趋势,作为调整外汇储备结构的参考依据。