基于系统性风险角度的基金资产配置策略分析

为从系统性风险角度分析基金资产配置策略,首先利用ARMA模型预测股票价格,并构建线性规划模型确立最优的股票投资组合策略。其次综合考虑每家公司配置资产时的收益和风险,构建马科维茨投资组合模型和投资效用-VaR平衡模型,给出最优投资组合策略下的投资效用以及风险价值。最后建立了基于聚类分析的相似性度量模型分析其公司间资产配置的相似性。     

最小收益约束下的最优投资问题

在最优投资问题的约束条件为收益不低于市场组合收益(随机收益)与固定保本收益最大者的情况下,采用Black-Scholes期权定价框架,构造等价鞅测度求解得到该优化问题的最优投资策略,同时在HARA效用函数下分析该投资问题的性质,发现在不同条件下,该投资策略可以退化为无约束最优投资策略、基于欧式看跌期权及两资产交换期权的套期保值策略．     

基于跳扩散模型带负债的最优资产选择

构造了一个基于跳扩散带负债的最优资产选择模型,假设风险资产价格和累积负债的变动均由布朗运动与Poisson跳所驱动,利用均值-方差分析方法和随机线性二次型控制理论求出最优投资组合策略和有效前沿.     

基于n周期CVaR风险控制下log最优资产组合模型

基于条件风险价值(CVaR)风险理论,建立了n周期最优资产组合的风险控制模型.证明了n周期投资风险模型最优解的存在性与唯一性,为n周期投资策略优于连续单周期投资策略及其风险控制提供模型分析,并进行了实例计算与分析.     

带转移机制且股票价格服从几何Levy过程的连续时间均值-方差投资组合选择

 研究了带转移机制且股票价格服从几何Levy过程的均值-方差投资组合选择模型。 用一个连续时间平稳马氏链表示市场所处的状态,文中主要参数,比如资产收益、Levy测度等均依赖于所处的市场状态。 分析了最优投资组合策略的存在性,用动态规划方法得到了最优投资组合策略、最优目标函数和有效前沿。     

随机利率和通货膨胀下DC养老金的鲁棒最优投资策略

针对通货膨胀、随机利率、随机薪酬和模型不确定性影响下的确定缴费(Defined Contribution,DC)型养老金的鲁棒最优投资策略问题,首先假设市场是由无风险资产、滚动债券以及股票3种资产组成,给出这3种资产以及随机薪酬的动力学公式;然后通过消费者价格指数刻画通货膨胀的水平,应用伊藤公式,得到通货膨胀环境下3种资产价格以及随机薪酬的动力学公式;接着应用Girsanov定理,得到新测度下随机利率、3种资产以及随机薪酬的动力学公式,并得到养老金账户的财富过程;最后在期望效用最大化的原理下,应用随机控制理论求解HJB方程(Hamilton-Jacobi-Bellman equation),得到了DC养老金的鲁棒最优投资策略;通过数值分析得出通货膨胀对鲁棒最优投资策略的影响。     

基于系统性风险角度对基金资产配置策略的计量分析

为解决基金投资收益与系统性风险之间矛盾,首先通过层次聚类分析建立综合评价模型,其次通过时间序列分析建立二次规划以及多目标规划模型,分别求解出基于效用最大化的股票投资组合策略,基于投资效用最大化、风险价值最低的投资收益与系统风险平衡策略.研究得出:不同基金公司之间资产配置策略相似性的度量;最优的股票投资组合策略;度量每个基金公司2020年在95%置信水平下的风险价值;构建了投资效用与风险价值平衡下的双目标优化模型.     

带交易费的社保基金投资组合模型

为了研究社保基金投资证券的问题,在借鉴了现代投资组合理论的基础上,引入β系数区间量化资产风险,通过修改隶属函数刻画投资收益率及流动性水平。考虑其安全性特点的前提下,构建了带有交易费的社保基金证券投资组合模型,并且设计了改进的遗传算法对模型进行求解。采用2012年上证所的实际数据,应用此模型求得各风险资产和无风险资产的最佳投资比例,通过修改参数值,得到了不同情况下的最优投资策略,验证了模型的有效性和灵活性,得到了合理的结论。     

老龄化背景下居民资产配置研究

本文基于生命周期投资理论,根据历史数据进行参数校准,分析引入了生存概率背景风险后的居民最优风险资产配置情况,建立最优消费效用投资组合模型,并使用Carroll提出的数值解法进行模型求解。模型得出了在不同财富水平下、不同劳动收入增长率以及遗赠影响下居民随着年龄增长其最优风险资产配置比例情况。     

证券市场中最优投资组合及消费问题的一种直接方法

Merton提出的连续时间下投资组合及消费模型标志着连续时间投资组合理论的真正开始,通过把随机控制理论应用到最优投资组合问题中,得到了一些特殊情形下的显示解。讨论了在一类证券市场中可以投资于两种期望收益和风险均不相同的股票情形下的最优投资组合及消费的最优控制问题。首先给出了股票的价格模型,与投资组合及消费策略有关的资产过程满足的随机微分方程和值函数的定义。在影响股票价格的随机干扰源相互关联的情形下,利用伊藤规则,采取一种直接构造的方法,针对一类典型的效用函数"常数相对风险厌恶(CRRA)"情形,给出了最优投资组合及消费的显示解。     

随机变量的Kendall相关系数的推广

多维随机变量之间常常存在着复杂的相依关系，而度量相依关系指标大多只刻画二维随机变量之间相依程度。借助Copula工具及利用Kendall相关系数是和谐概率的线性变化的特点，将二维Kendall相关系数推广到n维，并在此基础上探讨其性质以及不同维度的Kendall相关系数之间的关系。     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

机会约束下不允许无风险借入的均值-VaR投资组合模型的再研究

文章在投资组合回报率服从正态分布的前提下,建立了允许无风险借出但不允许无风险借入的具有投资机会约束的均值-VaR投资组合模型,讨论模型最优解的存在唯一性,并指出最优解的位置.     

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。     

通胀风险和激励方案下DC型养老金的最优投资

随着我国养老金制度的逐渐完善,近年来已批准了一项绩效费用安排,作为DC养老金管理计划的管理激励措施,旨在激励管理人员;为了促使管理者们在投资方面做出更多努力,在金融市场中加入了通胀风险的因素,研究了在激励方案下的DC型养老金的最优投资策略;对于动态的资产组合,应用伊藤引理得到资产组合的动力学公式,通过增加一个辅助的劳动...     

基于节点相似性有偏游走的多层时序网络节点重要性评估

时序网络中关键节点的挖掘引起了社会广泛的关注。针对时序网络建模中存在忽略时间信息、未考虑时间切片间的交互关系进而影响关键节点识别的准确性和科学性的问题,构建了多层时序网络模型,并提出了一种基于节点相似性有偏游走的关键节点识别算法：多层时序有偏PageRank（MTB-PR）。本文中网络模型的构建引入多层网络分析方法,完整涵盖了时序网络的结构演变。同时,基于所构建的网络模型,综合层内相邻节点间相互作用及其层间影响的双重因素来区分节点的不同影响力;通过数据分析,探讨了一些偏差参数变化对节点重要性能指标的影响。最后,将模型和算法应用于真实网络中,通过实验数据验证了该方法的合理性和有效性。     

改进的非正定方差阵下证券组合投资模型

为了更全面的研究各类方差阵下的证券组合投资模型,在分析非负定方差阵下的证券组合投资模型[1]的基础上,利用线性代数的二次型及对称阵的相关理论知识,提出了非正定方差阵下证券组合投资模型的改进方法,使得模型中的方差阵最终转化成正定阵.此模型对于研究协方差矩阵为非正定的证券组合投资模型的最优投资比列系数有一定的参考价值.     

证券组合模型系数的凸二次规划求解方法

证券组合问题是二次规划问题,在证券组合模型中的协方差矩阵为正定的条件下,利用矩阵理论将其转化为等价的无约束优化问题.并且建立了原问题的K-T点与等价无约束问题的稳定点之间的关系.为证券组合投资的最优化提供科学依据和有效的计算方法.     

时序超网络上重要节点挖掘方法研究

在如何识别时序超网络上的重要节点方面取得了一定的进展。定义了该类网络上度量节点重要性程度的8个中心性方法及随机移除节点的基线方法，分别侧重于网络不同的拓扑结构性质和时间特征，从多个角度综合考虑了该类网络上节点的重要性。同时，构建了时序超网络上的SI传播模型，基于该模型提出了新的评估方法来衡量所提出的中心性方法的有效性。研究表明，在时序超网络上，基于最快到达路径的介数中心性方法是评价该类网络上节点重要性的良好指标。此外，基于时间分辨率的度和超度中心性方法通过寻找网络的最佳时间分辨率，可以进一步优化普通的度和超度中心性方法，弥补了普通方法不能有效考虑网络时间信息的缺点，且在多个真实网络上表现出与介数中心性方法相当的性能。