风险资产组合均值-CVaR模型的算法分析

CVaR是指损失超过VaR的条件均值,反映了损失超过VaR时可能遭受的平均损失水平,它克服了VaR的非一致性、非凸性等不足.本文基于CVaR风险计量技术,分析了风险证券的投资收益率在服从正态分布下的风险资产组合均值-CVaR模型,给出了该风险资产组合有解的条件,以及在该条件满足下,最小均值-CVaR组合的投资比例解析形式和最小值.     

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。     

基于组合投资的混合风险度量模型

对2种风险度量方法均值-VaR模型和均值-CVaR模型进行混合.首先对在险值(VaR)和条件在险值(CVaR)具有的性质如次可加性进行论述和比较,其中在计算条件在险值(CVaR)时,同时也能得到在险值(VaR),因此CVaR可对风险进行双限监管,比单纯的VaR更加保险;然后对均值-VaR模型和均值-CVaR模型赋予不同的权重,得出混合后的模型的相关性质,使混合后的模型在某种程度上优于单个模型的投资组合;最后对深市股票进行实证分析.     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

具有第三类功能反应特性的Rosenzweig模型的定性分析

<正> 前言一九六三年,Rosenzweig和MacArthur提出了生态学中的捕食者——食饵数学模型 x=f(x)-φ(x·y) y=-ey+kφ(x·y)其中x表示食饵的种群密度,y表示捕食者的种群密度,f(x)表示食饵不受捕食者影响时的增长率,φ(x·y)表示捕食者的捕食率,k叫做食饵转化成捕食者的转化效率。通常取(f(x)=ax-bx~2,φ(x·y)=yφ(x),其中φ(x)叫做捕食者的功能反应函数,则得到模型     

基于均值-CVaR- 熵的社保基金最优投资组合模型

为研究社保基金最优投资组合问题,在借鉴现代投资组合理论的基础上,从证券投资组合理论的风险度量着手,用条件在险价值（Conditional Value at Risk,CVaR）和熵来共同度量风险,提出新的风险度量模型：均值-CVaR-熵模型。在保证投资组合收益率的前提下,以 CVaR 和叉熵函数的线性组合为最小目标函数,在险价值（Value at Risk,VaR）为约束条件,构建考虑交易成本和政策约束下不允许卖空的基于均值 CVaR 熵的社保基金投资组合模型,探讨社保基金的投资方式及投资比例的分配问题,并利用实际数据求得该模型的最优解及各资产的分配比例。结果表明多元化投资是我国社保基金投资实现保值增值目的的必然选择。     

Hammerstein型非线性积分方程的固有值与固有元

本文讨论Hammerstein型非线性积分方程φ(x)=f_Gk(x,y)f(y,(y))dy=A_φ(x) (1)当核k(x,y)和f(x,y)为某些特殊函数时的固有值与固有元。这里G表示N维欧氏空间R~N中的有界闭城。在讨论方程(1)的解或算子A的固有值和固有函数时,许多文献都假定核k(x,y)非负或者f_Gk(x,y)dx>0     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

关于一类二阶双曲型微分方程的柯西问题

研究了一类二阶双曲型微分方程vxx-h(x,y)k(y)vyy a(x,y)vx b(x,y)vy c(x,y)v f(x,y)=0的柯西问题解的存在性,现在采用较为初等的方法,即通过构造积分方程的逼近解序列,把这个问题转化为一个积分方程组问题,然后再利用归纳法和迭代法,证明这类二阶双曲型微分方程在一定条件下的柯西问题有解且可导,并给出了解的积分表示式。     

定义在两个拟互素因子链上与算术函数相关联矩阵的行列式

对于任意给定整数x和y ,用(x,y)表示x和y的最大公因数,[x,y]表示x和y最小公倍数。设S={x1,…,xn}是由n个不同元素组成的正整数集合,f是一个算术函数。用(f(S))=(f(xi ,xj ))表示一个n×n的矩阵,其(i,j )项为f在(xi ,xj )处的取值,用(f[S])=(f[xi,xj ])表示另一个n×n的矩阵,其(i,j)项为f在[xi,xj ]处的取值。若存在集合{1,2,…,n}上的置换σ满足xσ(1)|…|xσ(n),则称S是一个因子链。若S能分解成S=S1∪S2,其中S1,S2都是因子链,且S1中最大的元素与S2中最大的元素的最大公因子等于集合S的最大公因子,则称S为两个拟互素因子链集。本文给出了定义在两个拟互素因子链上的矩阵(f(S))和(f[S])的行列式的计算公式。