投资组合风险价值分解方法研究

提出了两种分别对组合损失和极端损失进行线性近似的投资组合风险价值(VaR)分解的新方法——非对称响应模型估计法和局部线性近似估计法,两种方法均可用于分解参数法与非参数法计算出的投资组合风险价值,弥补了现有分解方法只能分解部分参数法计算出的投资组合风险价值的不足,实证研究结果表明：非对称响应模型法比局部线性近似估计法更为简单、快捷,适用于当组合回报不对称现象明显时;而当组合回报具有显著的厚尾现象时,后者更为准确,两者都具有一定的实际应用价值。     

条件风险价值度量方法在银行投资组合优化中的应用

将一种新的风险度量方法——CVaR方法引入银行投资组合优化问题中,由此建立了期望收益最大化的优化模型．并利用我国债券市场价格数据进行了实证分析．     

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。     

基于风险价值的证券投资组合

在风险价值(VAR)模型一种计算方法--德尔塔正态法的基础上,采用了投资组合比例随机搜索的方法,即对于一个投资组合,利用随机数搜索和变换步长搜索两种方法调整其权重,以得到最小的VAR值,从而为投资者降低风险,并在VAR计算方法上做出新探索.     

高等教育投资组合收益与风险优化模型研究

针对高等教育投资效益的特点,提出了教育投资组合的收益与风险的概念,参照教育部对高等教育一级学科的分类,建立了教育投资组合收益与风险优化模型,对教育投资组合收益与风险进行了定量分析。     

基于CVaR的投资组合优化

由VaR模型的非一致性风险度量缺点引出CVaR模型,分析了CVaR的计算方法,并利用遗传算法对我国股票的实际数据求出了投资组合的最优解。     

引入风险价值约束的投资组合理论

风险价值(VaR)是近年来最为流行的风险管理工具．本文在无风险证券情形下,将VaR约束引入到传统的均值一方差投资组合理论中,考察了此时投资组合的有效前沿以及投资组合选择的变化,并指出了VaR约束对证券投资基金组合管理的意义．     

房地产组合投资风险最小模型

房地产业的迅猛发展对房地产投资理论提出了新的要求.借鉴西方发达国家成熟的现代组合投资理论和成功的房地产投资经验,以风险-收益为核心思想,在房地产投资组合中引入了系统风险和非系统风险的概念.通过分析预期收益下,寻求风险最小的房地产组合投资模型,讨论了该模型的有关假设、模型中有关参数的确定,并进行实例分析,最终得出预期收益下,投资者通过调整投资组合策略,可使组合投资风险远远小于单项投资的结论.     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

基于离差-熵度量风险的组合投资优化模型研究

针对证券组合投资中存在的随机性,在投资收益达到一定水平下,综合考虑收益率的平均绝对离差和信息熵作为投资组合的风险度量,建立了数学模型。并用该模型进行了实例分析,结果表明,在投资收益不变的前提下,多方面的考虑风险,使得投资方案更安全。     

基于分形分布的VaR与CVaR计算

用stable软件对上证指数进行稳定分布拟合,并做了x2和Dn检验,依此,给出分形分布下的vaR与CVaR水的计算公式,实证及检验结果表明,与正态分布下的CVaR及CVaR计算相比,利用分形分布计算VaR与CVaR更谨慎,合理。     

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.     

Monte-Carlo模拟在VaR与CVaR中的应用

建立边缘分布为t-EGARcH分布连接函数为多元正态Copula函数的概率分布模型,利用MonteCarlo模拟估计金融变量资产和组合的VaR与CvaR．     

CVaR的灵敏度分析

是对CVaR于投资组合的灵敏度进行分析，得到CVaR关于投资组合一阶、二阶偏导数的解析表达式，通过对CVaRh的灵敏度的仿真，验证了CVaR的凸性并为寻求最优投资比例提供了一种方法。     

CVaR约束下最优投资组合

提出了在CVaR约束下,投资组合优化模型,在收益向量服从正态分布的条件下,讨论了不含无风险资产和含无风险资产两种情况下最优解和可行解存在的条件,给出了最优解的解析表达式.     

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.     

基于CVaR保险基金投资模型

基于CVaR这一风险度量方法,构建了一个考虑个体风险限制、交易成本以及投资比例约束的均值-CVaR保险基金投资组合优化模型,并进一步地讨论具有承保风险的模型,文章最后给出一个算例对模型进行了实证分析.     

基于分数布朗运动的脆弱欧式期权的风险值分析

本文在股票价格、公司价值和公司负债均服从分数布朗运动条件下,初步探讨欧式股票期权的VaR（Value at Risk）CVaR（Conditional VaR）的计算问题,推导了该期权VaR和CVaR的计算公式。     

基于VaR的无卖空投资组合分析及实证研究

简单介绍了投资组合分析技术的发展现状;然后在传统的证券投资组合中加入VaR约束条件,并结合我国股票交易市场不允许卖空的前提,运用树形算法得出确定最大预期损失的证券投资组合;在此基础上提出了对我国股市发展的建议.     

基于ARMA-GARCH 模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.