VaR及投资灵敏度分析

VaR是一种处理非线性问题、概括证券组合市场风险量化的工具,它解决了传统风险定量化工具对于非线性的衍生金融资产适用性差、难以概括证券组合的市场风险缺点,有利于测量和管理金融风险.通过简要介绍VaR的概念、性质及特点的基础上,对VaR关于投资组合的灵敏度进行了深入分析,给出了VaR关于投资组合一阶、二阶导数的解析表达式,进而说明了VaR的凸性利用.     

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。     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

成份VaR(Component VaR)在投资组合风险控制中的应用

本文简要介绍了VaR和成分VaR在投资组合风险管理中的应用,使管理者更加清晰的看出投资组合中各个成分的风险结构,并且用成分VaR方法对一组假定的投资组合的风险进行风险的度量与分析,并说明如何根据风险情况对组合成分进行调整以降低风险。     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

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VaR风险测度的投资组合优化模型及应用

以VaR作为投资组合风险的衡量尺度,在马柯维茨框架下建立均值-VaR投资组合优化模型,并采用蒙特卡罗模拟与遗传算法相结合的方法求解该模型．通过该模型在中国股市的实证研究,从资产收益率分布的假设与VaR置信水平的假设两方面对投资决策的影响进行了讨论,发现如果资产收益率分布的尾部越厚、VaR置信水平越高,那么投资策略越保守．     

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。     

D-G正态模型在VaR计算上的改进

对于包含期权等非线性头寸的投资组合来说,其VaR计算,通常是利用二阶或高阶泰勒展开式来近似投资组合在特定时期内相对于市场变量的价值变化,即D-G正态模型,然后针对这个模型来进行VaR计算.本文在分析这个模型缺陷的基础上,设法通过调整置信参数α,来提高风险预测的准确度.     

基于VaR控制下的动态优化投资组合

本文应用的动态优化投资组合模型是在VaR的约束下,调整投资组合的配置,使期望收益达到最大.基于投资组合中每一种资产的收益率序列,模型在不断变化的数据窗口下,首先估计模型参数,然后求解优化模型,得到每日投资组合中风险资产在VAR约束下的最优配置和借贷比率.这种方法对构筑新的风险资产投资组合的决策,以及对已有投资组合中资产配置的优化具有重要的指导意义.选取中国A股市场的4只股票,在收益率服从正态分布的假定下,确定投资组合中的资产配置以及借贷比率,并且讨论了模型参数的敏感性.     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

动态均值-LEL投资组合选择模型

运用优化方法研究动态投资组合选择问题.在标准Black-Scholes型金融市场下,以受限期望损失(LEL)度量投资组合的风险,建立了动态均值-LEL投资组合选择模型,得到了最优投资组合策略和均值-LEL有效前沿的显式表达式.最后,结合算例说明了模型的求解方法,并得到以下结论:在相同的期望终端财富和投资组合策略下,在险价值(VaR)约是LEL的2~10倍.     

风险估值在沪深股市风险测量中的应用研究

以中国沪、深股市的风险测量为研究对象,收集了近5年的沪深股市每日指数收盘价;运用风险估值(VaR)常用的方差-协方差法和历史模拟法,通过对单一金融产品和资产组合的风险测量,论证了利用VaR技术计算股市风险的可行性.与传统的风险测量方法相比,方差-协方差法和历史模拟法在精确量化投资风险方面具有简捷易行的显著优势.利用指数加权移动平均方法考察了VaR对股市收益率波动性的描述能力,结果表明VaR计算值基本涵盖了绝大部分交易日的损失,有效降低了"幽灵效应",并且捕捉了波动的聚集性.从资产组合的VaR小于单个金融产品的VaR的结果看,VaR技术在股市风险测量上符合现代投资组合理论的基本思想.     

次贷危机前后资产组合的风险度量

为了研究次贷危机对中国股市的影响,本文选取三只股票,分别选用单一的EVT模型和Copula-EVT模型计算资产组合的VaR和CVaR,通过对长期数据和短期数据的计算,总结出次贷危机对中国股市的影响.实证分析表明,次贷危机在短期内会对中国的证券业和房地产业产生一定的影响,但对制造业的影响不大;同时还能看出,引入Copula函数计算的组合风险要优于单一的EVT模型计算的组合风险.     

基于风险价值的投资决策分析

在Markowitz证券组合理论的框架下,通过对基于风险价值的投资决策问题进行分析,采用收益率的历史数据模拟N种场景,构建了基于风险价值的投资决策模型,并提出了具体的算法．最后利用算例演示了算法的简洁有效性.     

基于粒子群优化算法的均值-VaR投资组合选择

在现实市场中,①为防止由卖空交易引起市场操纵等问题的出现,即使在发达的证券市场,交易仍受到一定的卖空限制;②由于市场相关规定与投资者自身风险控制的需要,在某些资产上的投资比例受到一定限制;③交易过程中需支付印花税等交易成本。故结合这三方面,采用Value-at-Risk(VaR)度量风险,在收益率服从正态和非正态分布两种假设下,构建了带有限卖空约束、投资比例约束和交易成本的均值-VaR投资组合模型。首先,给出了该模型的粒子群优化(PSO)算法;其次采用A股市场的实际数据进行了数值实验;最后分析了有效前沿的特征及有限卖空约束对投资决策的影响。     

基于数据挖掘的VaR测量算法研究

提出了将数据挖掘中分位数图的思想应用于VaR测量的新方法，为风险控制和投资决策探索了一种新思路．从设定时间区间内的证券组合对数收益率序列里，求出给定置信水平下不同时间段的分位数，得到分位数序列，由此建立回归方程，预测组合未来特定一段时间内收益率序列的分位数，然后再根据组合的市值大小，直接计算出VaR值．该算法能够有效地处理纽合收益非正态分布和非线性纽合的情况，在社保基金投资管理系统中得到应用，在国内证券市场数据上进行实验，并采用失败频率检验法来验证算法的精确性，结果表明，该算法是可靠的，有较好的鲁棒性、     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.