基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

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.     

不完全金融市场下基于二次效用函数的动态资产分配

为了研究不完全市场条件下的连续时间动态投资组合选择问题,首先应用降维方法将不完全市场转化为完全市场,然后在转化后的完全市场条件下应用鞅方法得出二次效用函数意义下的最优投资策略.进而应用转化后的完全市场和原不完全市场下各参数的关系得到二次效用意义下不完全市场环境里最优投资策略的解析表达式,并分析风险厌恶因子对最优投资策略的影响.最后为了说明不完全市场和完全市场条件下投资者最优投资策略的变化,给出算例进行分析.     

存在相关性风险的资产组合策略

经典金融理论的资产配置策略没有考虑相关性风险, 而现实中,各种市场和各种资产之间的相关性是变化的, 从而使投资组合风险上升.与传统金融理论基于完全市场条件下的组合选择不同, 通过SJC-Copula刻画金融市场间不对称的尾部相关性,用CVaR方法求出存在相关性风险的资产组合有效前沿及策略.通过沪港市场的实证研究, 发现忽略上下尾相关性均会影响投资组合风险的估计, 会使投资组合遭受极端的负收益;量化并有效地控制不对称的尾部相关性能够改善资产组合的表现.     

基于G-H分布的copula-SMR方法

将阿基米德copula应用于谱风险度量（SMR）,提出了一种新的风险度量方法（copula-SMR方法）。选取G-H分布对边缘分布进行建模,采用极大似然估计对给定的阿基米德copula进行参数估计,选择能更好拟合实际数据的copula函数,运用二次规划方法,计算相应的谱风险值,确定了在不同期望收益率下最优投资组合。     

在约束条件下考虑红利提前退休的最优投资组合

分别研究了在退休期限和借贷约束条件下提前退休的最优投资组合问题,其中考虑风险资产派发红利的情形;退休期限和借贷约束条件会使代理人相应地改变投资策略;运用了随机控制等方法,得到了代理人在约束条件下最优消费投资组合策略显示解.     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值(VaR)约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

单指数模型的最优风险投资组合研究

根据威廉·夏普的单指数模型（Diagonal Model）构建最优风险投资组合,选取2005年6月至2010年5月间上市交易的股票型基金13只和债券型基金9只进行实证检验．发现选取的22只基金与上证综合指数构建的最优风险投资组合的收益率比上证综合指数的收益率要高．同时,使用样本数据中具有正a值的基金进行对比分析,发现正a值的基金构建的最优风险投资组合的收益率无法战胜基于22只基金构建的组合的收益率．这说明基于a值的积极组合管理无法获得超额收益,虽然它的收益超过同期的上证综指的收益．因此,得出结论,单指数模型构建的最优风险投资组合能够获得超过大盘指数的收益,但是基于正O／值的投资策略无法对单指数模型进行改进．     

可打断项目组合选择问题局部敏感性分析

项目组合中各个项目的投资和收益等数据往往通过预测和估算得来,数据的不准确性会给企业决策带来很大风险.因此,企业需要分析参数变化情况对项目组合经济效果的影响,为企业风险防范提供依据.文章首先提出了一个考虑参数变动的可打断项目组合新模型,在其基础上,又提出不考虑可打断项目组合选择模型,然后给出一个算例,通过GAMS/BARON对模型求解,并进一步计算敏感性系数,对参数进行局部敏感性分析,并对各参数的敏感性大小进行了比较,进而对比考虑可打断与不考虑可打断情况下参数不同变动幅度下的敏感性大小.研究结果表明:不同参数变动相同比例时,各参数的敏感性系数大小不同.此外,可打断会对敏感性系数大小产生较大影响.通过敏感性系数大小比较能够确定各参数的重要程度,该结果对企业预防风险和决策具有很好的现实意义.     

基于模糊回归分析的投资组合选择模型

近年来,在存在模糊性的金融市场中如何进行有效的投资组合管理吸引了学者们的关注,本文利用模糊线性回归对不同市场上长度不一致的股票数据进行了刻画和分析,并在改进的收益和协方差矩阵基础上构建了投资组合选择模型.算例结果表明,在股票数据长度不一致时,基于模糊回归分析的投资组合选择模型比截断数据的投资组合模型以及基于普通最小二乘回归的投资组合模型有更好的表现.