基于参数估计风险的拟合有效证券组合方法

研究了当投资者在某个证券子集上存在一定约束时,其构建的证券组合在证券全集上的有效性问题。将参数估计风险融入到投资组合决策过程,提出了拟合有效证券组合的概念,并且得到了拟合有效证券组合的判定条件及统计检验方法,最后,结合我国股票市场数据,进行了一些实证研究。研究结果表明,当在某个证券子集上增加投资约束时,虽然原来的证券组合未必有效,但通过选择合适的证券集划分仍然可以实现其拟合有效性,并且可以得到基本相同的样本外业绩表现。     

基于不确定性测度相对熵的资产组合优化

假设投资者是风险规避型,运用相对熵测度均值-方差模型参数不确定性程度,研究投资者在最坏情境下的资产组合优化问题.基于均值-方差模型,在相对熵某一正常数约束下构建描述资产组合优化问题的最小-最大化模型;运用拉格朗日法获得模型相应最优解,分析模型参数不确定性对资产组合优化的影响;最后,基于不同类型资产组合样本数据做对比性实...     

不相关资产组合投资优化模型及实证分析

研究了不相关资产组合投资的优化问题。根据无风险资产的存在情况,分别建立了各种投资约束条件下不相关资产组合投资优化模型,给出了有效组合集及相应的投资比例计算公式,讨论了有效组合投资期望收益率的变化对资产投资比例的影响。最后选取上海证券交易所不同行业的部分股票进行了实证分析。结果表明本文的投资决策方法易于操作且有效。     

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.     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

基于学习行为的动态资产组合选择

在不完全信息下,研究了风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响.在连续时间下假设资产的价格服从随机扩散过程,引入参数不确定性,利用随机动态规划方法推导出风险资产最优配置的封闭解,使投资者的终期财富期望幂效用最大;在离散时间下假设风险资产的连续复合月收益率服从独立同分布的正态分布,通过贝叶斯学习准则,以上证综合指数不同区间段的两个样本做实证研究.研究表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;收益一阶矩的不确定性影响较其二阶矩强.研究突出了参数不确定性在动态资产组合选择过程中的重要性.     

基于多特征子集组合分类器的企业财务困境预测

为了更加有效地进行企业财务困境预测,利用t检验、单因素方差分析、逐步判别分析、逐步逻辑回归和邻域粗糙集5种特征提取方法,结合支持向量机、多元判别分析、Logistic回归、分类和回归树等多种分类学习算法构造备选基本分类器。在此基础上,提出了基于精度前向搜索和后剪枝的多特征子集组合分类器财务困境预测方法。该方法无需计算单分类器之间的差异性,首先以系统预测精度最大化为原则进行前向搜索,然后通过后剪枝策略选择精度最高或满意的系统作为最终结果。实证研究中以中国上市公司为研究对象,以十折交叉验证精度为评价标准,结果表明,该方法构建的组合系统的分类预测精度明显高于个体最优模型,最优组合系统和最简洁组合系统为财务困境预测提供了更多的灵活性。     

组合证券资产选择模糊最优化模型研究

提出了考虑收益和风险偏好的更为一般的组合证券资产选择模糊最优化模型。给出了最优投资比例的计算公式。并研究了以风险偏好,固定利率为参数的组合证券的有效边界的变动。最后以释例说明了方法的应用。     

基于多期动态优化的银行资产组合决策模型

以银行各项资产组合收益最大化为目标函数,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,运用多期资产分配的逆向递推原理和非线性规划方法,建立了多期银行资产组合动态优化模型.一是通过逆向递推,使本期资产的最优配给建立在下一期资产的最优配给的基础上,解决了现有研究只是在单期里求解而忽略了各期之间的联系与影响的问题.二是考虑到本期的贷款收益率期望值将受到上一期贷款信用等级迁移的影响,利用不同等级贷款收益率期望值和一年期迁移概率矩阵,计算出各类企业各年份的相应的贷款收益率期望值及标准差,更加客观地反映了贷款的真实收益和风险,解决了现有研究只是简单求解各笔贷款收益率期望值或将其设为常数的问题.三是用贷款组合的VaR控制多期贷款的组合风险,解决了现有多期研究中对银行风险承受能力和资本监管的客观要求考虑不足的问题.     

含有无风险资产的情绪最优投资组合

基于投资者情绪构建了含有无风险资产的投资组合模型,并给出了模型的解析解及有效边界方程。研究表明,投资者情绪是影响投资组合各资产权重及组合有效边界斜率的重要因素。投资者对风险资产的情绪高涨(低落),将导致最优投资组合中无风险资产的份额下降(上升)及投资组合有效边界的斜率增大(减小)。最后,通过人民币储蓄存款与投资者情绪进行回归分析,实证检验了本文模型的结论,投资者情绪与无风险资产投资负相关,进而从投资者情绪角度有效解释了资金搬家这一中国金融市场的重要现象。     

收益率为模糊数的加权证券组合选择模型

Markowitz基于概率理论建立了有名的均值方差证券组合模型，文章则基于模糊理论建立了一类具有权系数的均值方差证券组合模型，首先对证券市场上的收益与风险特性重新进行度量和刻画，提出了一类新的具有加权的可能性均值、方差及协方差的概念，类似于概率论中均值方差的分析讨论了这些概念的性质．其次基于该文定义的均值方差，建立了以收益率为模糊数的加权可能性证券组合投资模型，并给出了相应的加权可能性有效证券组合及有效前沿概念，通过求解两个相对应的优化模型得到了一个具有带状投资区域的有效前沿．尤其当资产收益率具有线性或分段线性隶属函数的模糊数时，该证券组合选择模型实质上为一个线性规划问题，因此有效前沿可化为一个具有折线段的带状投资区域。     

用遗传算法直接搜索证券组合投资的有效边界

基于遗传算法，提出了一种全球新的直接搜索证券组合投资有效边界的方法，相比于Markowitz方法，它不需要计算协方差矩阵，而且能够适应更复杂的情况，最后，应用上证30指数股票对该算法进行了实证检验，结果良好。     

基于高阶矩风险控制的贷款组合优化模型

以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险, 以峰度来控制贷款组合收益率分布出现极端情况的双侧风险, 建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上, 增加了偏度和峰度参数, 建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束, 控制了组合收益率偏离均值的离散程度: 通过偏度约束, 控制了组合收益率总体分布向损失一侧偏离的程度: 通过峰度约束, 控制了组合收益率出现极端损失或收益的可能性. 模型从多个角度控制了贷款组合的风险, 拓展了经典的均值-方差优化组合思路.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

基于线性学习函数的泛证券投资组合策略

最优定常再调整策略所产生的收益随时间成指数速度增长, 寻找与最优定常再调整策略的收益具有相同指数增长率的在线序贯投资组合是近年来投资组合研究的一个 热点. 首先提出了基于线性学习函数的在线投资组合策略, 其中线性函数的系数是一个与股票相对价格和收益有关的区间的中点. 用相对熵函数定义两个投资组合向量之 间的距离, 进一步证明了基于线性函数的在线投资组合策略是泛证券投资组合. 最后, 分别在两支股票和三支股票组成的多个投资组合上进行了数值计算, 并 与Cover等人提出的泛证券投资组合策略进行了比较. 结果表明这种基于线性学习函数的在线投资组合策略能获得更多的收益, 从而为投资者提供了新的 在线序贯投资组合决策的方法和依据, 具有重要的现实指导意义.     

基于战略一致性的新产品开发项目组合选择

针对新产品开发项目的特点,考虑项目与企业战略的匹配程度及项目间的相互依赖关系研究项目组合选择问题. 首先提出战略一致性的概念来衡量项目与企业战略的匹配程度,并进行定量化描述;然后考虑项目的战略一致性对组合收益的影响,对仅考虑项目间相互依赖性的项目组合选择模型进行改进,建立基于战略一致性的新产品开发项目组合选择模型;从可变邻域构造方面设计改进的模拟退火算法求解模型;最后以轿车整车开发企业为背景进行实例分析,验证了模型和算法的有效性.     

基于代表性偏差的行为投资组合模型及实证

代表性偏差这一心理特征分为横向代表性偏差和纵向代表性偏差,将其分别引入投资组合模型, 研究了它们对投资者投资组合决策的影响. 提出了代表性收益概念, 从期望效用最大化的原则出发,把投资者的效用表示为期末收益和超额代表性收益的函数,建立了基于纵向代表性偏差的最优投资组合模型(横向类似), 实证分析表明这一模型能够得到投资组合的有效前沿.     

考虑行为特征的多期鲁棒投资组合模型及实证研究

考虑投资者的行为特征以及模型参数的不确定性,构建考虑行为特征的多期鲁棒投资组合模型.在前景理论的基础上,引入动态损失厌恶系数和动态财富参考点,建立动态前景理论价值函数.为了满足投资者的安全性要求,在模型中考虑机会约束,调整模型的保守程度.针对模型多期规划的特点,设计两阶段初始化策略.进一步地,在标准粒子群算法的基础上,根据种群性能的反馈信息,设计多频振动变异操作,提出改进的粒子群算法.实证结果表明:改进的粒子群算法能够有效提高算法的求解精度;考虑行为特征的多期鲁棒投资组合模型能够满足投资者的心理预期,且在实际投资决策中具有可行性.     

基于vine copula方法的股市组合动态VaR测度及预测模型研究

以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结构对投资组合的VaR预测能力的优劣.实证结果显示:不论是在等权重还是在mean-CVaR约束条件下,R-vine对投资组合的VaR预测效果是最好的.特别在高分位数水平下,其表现得更为突出.另外,D-vine的预测精度总体上要高于C-vine和R-vine all t的,而节点间全为t copula的R-vine all t表现相对较差.     

基于最小扰动相关去噪法股票投资组合风险优化

金融相关矩阵的计算是构建金融投资组合的基础.为解决金融相关矩阵的“维数灾祸”问题,进而促进金融投资组合风险的优化,受基于随机矩阵理论(RMT)和特征向量的Krzanowski稳定性的KR去噪法的启发,对收益相关矩阵特征值增大时的特征向量最小扰动进行了数学推导,并将以该扰动衡量的特征向量的Krzanowski稳定性引入到RMT去噪法中,进而建立对金融收益相关矩阵去噪的KRMIN方法. KRMIN法对KR法的算法进行了两方面的优化.一方面, KRMIN法对KR法的特征值设定方法进行了扩展; 另一方面, KRMIN法采用模拟退火算法计算特征值.理论研究表明,由于在收益相关矩阵特征向量的稳定性和特征值算法准确性上的优势, KRMIN方法将获得比KR法更好的组合风险优化效果.通过bootstrap方法,开展了将LCPB法、PG+法、KR法和KRMIN法用于不同数量股票的投资组合优化的实证研究.结果表明: LCPB法、PG+法、KR法和KRMIN法都能通过股票收益相关矩阵去噪而带来投资组合风险的优化;基于收益相关矩阵特征向量的Krzanowski稳定性的KR法和KRMIN法的组合风险比其他两种方法更低;由KRMIN法得到的收益相关矩阵的特征向量稳定性和组合风险优化效果好于KR法.