投资组合中多目标规划最优化数学模型的应用

本文通过对证券组合投资的预期收益率和投资风险进行综合定量分析,建立了证券组合投资的预期收益率和投资风险进行综合定量分析,建立了证券组合投资的预期收益率和投资风险两个目标均达到最优的多目标规划模型,并对模型进行分析,最后通过案例给出了模型的最优解.     

投资组合中多目标规划最优化数学模型的应用

该文通过对证券组合投资的预期收益率和投资风险进行综合定量分析,建立了证券组合投资的预期收益率和投资风险两个目标均达到最优的多目标规划模型,并对模型进行分析,最后通过案例给出了模型的最优解。     

由中国联通风险回归分析研究其预期收益与发展趋势

撰写本研究报告的目的是通过研究上市公司的基础财务数据,分析研究对象在市场中面临的各种风险以及这些风险对收益率的影响,并根据分析结果计算研究对象的预期收益率,对其发展趋势进行预测。     

论风险项目终结阶段的退出渠道选择

在风险项目终结阶段,风险投资公司决定撤出风险资金选择相应的退出渠道,并进行风险项目的最终评价。通过对比分析各退出渠道的特点,并根据风险项目的投资额大小、平均年收益率、年收益率的变化趋势制定了可供不同风险项目选择退出的渠道。     

基于EGARCH-VaR模型的沪深股市风险分析研究

根据证券收益的基本特性,对上证指数和深证指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型及EGARCH-M模型.通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析.分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性.     

论风险项目终结阶段的退出渠道选择

在风险项目终结阶段，风险投资公司决定撤出风险奖金选择相应的退出渠道，并进行风险项目的最终评价。通过对比分析各退出渠道的特点，并根据风险项目的投资额大小、平均年收益率、年收益率的变化趋势制定了可供不同风险项目选择退出的渠道。     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。     

我国汇改后汇率波动的实证研究

本文通过ARCH族模型来对人民币/美元汇率收益率进行建模,并分析其波动的杠杆效应和风险溢价效应,结果发现汇改后外汇市场效率有所提高,外汇市场的风险可由过去的风险程度加以预测.由TARCH、EGARCH、EGARCH-M模型的研究显示人民币/美元汇率收益率存在杠杆效应,存在明显的非对称性,还不具备具有的高风险高回报的风险溢价效应特征.     

基于VaR风险控制和法规约束的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险，在既定的组合收益率下，以组合风险最小为目标，以VaR风险收益率为约束，以法律、法规和经营管理约束为条件，建立了银行资产负债管理优化模型．通过实例分析，说明了该模型的合理性和可行性．     

人民币汇率厚尾特征及VAR估计

针对人民币汇率收益率序列的厚尾性特征,基于EGARCH模型得到标准化的收益率序列,建立GPD模型对标准化收益率序列的尾部进行拟合,并得到相应的VAR估计值;结论证明:人民币收益率序列存在双厚尾特征,故对于人民币汇率的投资者,无论做多头还是空头,都面临着较大的自身风险和交易对手风险。     

基于 GARCH-EVT-VaR 模型的碳市场风险计量实证研究

对欧盟碳市场风险进行实证研究, 在分析碳市场价格波动特征基础上, 将条件方差和极值理论纳入 VaR 计量框架, 建立量化碳市场价格波动风险的GARCH-EVT-VaR 模型。应用该模型对欧盟碳排放交易市场(EU ETS)进行实证研究, 结果显示: 碳市场价格波动具有尖峰、厚尾、自相关、波动性聚类和条件方差等典型特征, EUA 和CER 价格波动呈现显著同步性; 碳市场存在显著的极端价格波动风险, GARCH-EVT-VaR 模型能够更准确地量化碳市场风险, 从而为应对极端事件预留充足的风险储备。     

金融危机中流动性风险与市场风险动态相关性

基于金融危机中流动性风险与市场风险同时增加的现象,定性分析了流动性风险和市场风险相关性的形成机制;选取上证综合指数为研究对象,采用时变条件方差方法对金融市场风险和流动性风险进行了测度;采用动态条件相关（DCC）法对两者时变的相关性进行了实证研究.结果表明,流动性风险和市场风险具有普遍的相关性,金融危机发生后,两者相关性显著增强.     

从资产组合角度分析混业经营的风险

Markowitz的资产组合理论认为,将相关性低的资产纳入同一资产组合可以降低风险．以此为出发点,将证券市场上的理论扩展到整个金融市场,借此分析了混业经营的风险．按照商业银行、投资银行和证券公司、保险公司等金融机构的不同业务来划分风险,并且研究了资本市场和货币市场的相关性．认为由于这些业务从属于不同的金融市场,相关性较低,如果金融机构同时从事不同的业务风险将降低,因而混业经营的风险必然小于分业经营的风险．     

我国资本市场发展对商业银行经营影响分析

介绍了资本市场发展与银行业转型基础理论,从宏观和微观两方面分析了资本市场发展对商业银行的影响,认为资本市场的快速发展将改变商业银行未来盈利模式,并使其面临不同的风险约束,这有利于改善商业银行资产结构和补充商业银行自有资本,指出商业银行应以资本市场为平台,积极开展金融产品创新,发展资本市场链条上的相关客户。     

水电参与电力市场的风险研究

本文以水电参与的电力市场为研究对象,从水电区别于火电的特殊性出发对市场风险进行分析,包括电价风险、竞价风险、来水不确定性风险、市场力风险等。通过分析,掌握水电厂利益在各种风险下的变化情况,及早采取必要的预防措施和规避措施,尽量避免和减少经济损失对水电来说是尤为重要的。     

基于EGARCH-CVaR的我国股市风险分析

根据我国股票市场收益的基本特征,对上证180指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型。通过计算三种不同分布下的CVaR值,对股市风险进行分析。并将EGARCH模型的CVaR值与GARCH模型的CVaR值进行比较。结果表明,基于广义误差分布的EGARCH模型(EGARCH-GED)能更好地刻画我国股市的市场风险。     

基于小波变换的多重分形谱研究及实证分析

为了探索期货市场中的非线性特征,选用大连和芝加哥期货市场中黄豆期货价格时间序列,借助配分函数分布图判定期货时间序列存在多重分形特征,并在此基础上利用多重分形谱对期货时序描述多重分形特征．结果表明,与芝加哥期货市场相比,大连期货市场的多重分形强度更大,风险更大．然后对时间序列进行小波变换,将处理后的时间序列的多重分形强度与原始序列进行比较,发现多重分形特征与时间序列中的噪声及长程相关性有关．     

石油市场和股票市场之间的尾部风险溢出效应——基于变分模态分解和动态Copula函数的研究

利用变分模态分解法将原始收益率序列分解为不同期限的子序列.基于动态Copula函数计算石油市场和股票市场之间的在险价值指标(VaR和CoVaR)，研究在极端下跌和极端上涨的市场情况下，国际石油市场与发达国家和新兴市场国家股票市场的短期和长期尾部风险溢出效应.实证研究结果表明，石油市场和股票市场之间存在双向的尾部风险溢出效应.首先在风险溢出的强度方面，石油市场对股票市场的尾部风险溢出效应明显比股票市场对石油市场的尾部风险溢出效应更强烈.其次在风险溢出的方向方面，股票市场对石油市场的尾部风险溢出效应均为正向，石油市场对大部分国家股票市场的上尾风险溢出效应为正向，且对全部国家股票市场的下尾风险溢出效应为正向.最后，石油市场和大部分国家股票市场之间的长期尾部风险溢出效应都比短期尾部风险溢出效应更强烈.研究结果有利于相关市场投资策略的制定和极端风险传染的防范.     

我国证券市场中的机构风险透视

伴随着科学技术领域的革命和通讯业的高度发展 ,资金在各国、各地区之间流动的速度大为加快 ,结果是在有利于提高资金融通效率的同时加大了金融风险管理的难度。在证券市场尚未发育成熟和金融管理制度尚不很健全的我国 ,证券经营机构目前存在相当大经营风险 ,本文力图对我国证券市场中的机构风险管理进行分析 ,并对建立我国证券机构风险管理体制提出一些建议。     

基于柔性神经树模型的股票市场风险预测

利用柔性神经树模型的改进结构优化算法对影响股票市场的过程参数进行筛选,在精确度较高的前提下在比较短的时间内找到影响股票市场风险的重要参数。在柔性神经树模型的学习过程中,该算法的进化代数不是一个固定值,而是以误差率来控制进化代数,试验证明此算法使模型最优,效率和精确度非常高。柔性神经树模型的结构和参数优化分别由概率增强式程序进化和模拟退火算法完成。研究结果表明该改进方法对预测股票市场风险是非常有效的。