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。     

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。     

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．     

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.     

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。     

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.     

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．     

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。     

均值—CVaR优化模型在投资组合中的应用

本文从CVaR风险度量方法的理论出发,建立了符合我国证券市场的均值—CVaR投资组合优化模型,并对模型进行了理论分析.本文还通过实证研究得出了均值—CVaR模型的有效边界,结果证明了CVaR模型控制风险的有效性.     

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.     

均值-方差-峰度资产组合优化模型

基于对峰度风险的考虑,提出了均值-方差-峰度资产组合优化模型;用蒙特卡罗法求解模型的最优解;结合一个具体的例子,对模型做了灵敏度分析.     

利用PGARCH-M模型估计Value-at-Risk

建立一种新的度量风险值(VaR)模型PGARCH-M (Power GARCH-M),并利用该模型,通过对工业指数和地产指数的VaR计算,得出基于GED分布的PGARCH-M模型估计VaR极端值更为精确,优于基于正态分布的PGARCH-M模型和PGARCH模型.     

证券组合投资选择模型的模糊优化

以证券组合的期望收益率及风险损失率为目标函数，研究了在这两个目标下证券投资组合的模糊模型及其优化问题，并利用S型隶属函数将模型转化为普通线性规划模型进行求解，最后给出了一个具体的例子来阐述方法的有效性．     

带有流动性的模糊投资组合优化模型

用三角模糊数描述证券的收益率,同时基于流动性与证券收益之间存在的负相关关系,设置流动性的效用函数,从而建立一种考虑流动性的多目标投资组合优化模型,再将多目标模型转化为单目标模型,用Lagrange乘子法求解并进行数值试验.     

相对风险价值——一种新的一致风险度量

提出了一种新的风险度量指标——相对风险价值(RVaR)。它在风险控制、保险、最佳估计等方面都有明确的直观意义,并且满足一致性、风险回避性以及与多种常见序相容的合理性要求,较好地弥补了风险价值的理论缺陷。本文提出的确定RVaR的准则,保证在正态条件下所确定的RVaR与VaR相同。此外还给出并证明了RVaR的表示性公式,讨论了RVaR在风险交换和资本分配等问题上的应用。     

基于信息熵的投资组合模型

本文用信息熵来代替协方差矩阵度量投资的风险,大大简化了模型的计算。在模糊环境下对模型进行求解,将投资者的愿望反映在投资组合中。     

基于线性矩阵不等式的贷款组合鲁棒优化模型

运用线性矩阵不等式方法,研究了商业银行贷款组合选择的鲁棒优化问题.在Markowitz均值-方差理论基础上,建立了贷款组合鲁棒优化模型,并用多个期望收益向量和协方差矩阵描述未来贷款收益的不确定性,给出了线性矩阵不等式的求解方法.用数值仿真验证了模型的有效性.由于模型考虑了未来贷款收益的不确定性,得到了可靠性较高的结果.研究结果表明,该模型具有鲁棒性,可以有效降低贷款风险,并可为商业银行提供贷款决策依据.