机会约束下基于混合整数规划的均值-VaR证券投资基金投资组合选择模型

研究机会约束下基于整数规划的均值-VaR（Value-at-Risk）证券投资基金投资组合选择问题。在验证了股票收益率服从Scaled-t分布的条件下,基于非参数方法且以历史观测数值为序次统计值,结合均值-VaR方法和混合整数规划理论,以收益绝对离差作为目标函数建立了机会约束下基于混合整数规划的均值-VaR证券投资基金投资组合选择模型。它是以VaR收益率阈值与置信水平为导向的。该模型还考虑了证券投资基金中的投资比例限制,使其更具有一定的实际应用价值。     

多元混合正态分布情形下的外汇期权组合非线性VaR模型

提出了一种多元厚尾分布情形下的外汇期权组合非线性VaR模型.用多元混合正态分布来描述汇率回报分布厚尾特征,推导出多元混合正态分布情形下的反映外汇期权组合价值变化的矩母函数;在此基础上, 利用特征函数和矩母函数关系,进一步将概率分布的Fourier-Inversion方法和数值积分近似计算的迭代算法------自适应Simpson法则发展到多元混合正态分布情形下的外汇期权组合非线性VaR模型中,估计出期权组合的VaR值. 数值结果表明:使用Fourier-Inversion方法得到的VaR值与使用Monte Carlo模拟方法得到的VaR值相差不大,但使用Fourier-Inversion方法的计算速度明显快于Monte Carlo模拟方法.     

基于随机模拟和VaR模型的投资组合优化研究

投资组合的优化旨在对资金进行分配组合,得到各项资产的最优分配权重,并在权衡投资收益和风险的基础上使投资达到期望效用最大化.在研究过程中,首先运用Monte Carlo随机模拟方法预测各资产的收益率期望值,计算出收益率标准差和各资产间的相关系数,进而求解资产的组合风险.然后将VaR(Value at Risk)条件引入到模型中,建立以资产组合收益为最大目标,以资产组合的VAR为约束条件的投资组合优化模型,计算出资产分配比重.最后通过实例分析资产价格走势和检验分布假设,验证模型的合理性和可行性,为投资者的决策提供理论和应用依据.     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.     

尾部相关性对投资组合VaR的影响分析

通过随机模拟,研究两种不同的风险度量(VaR和方差)与相关性之间的关系.当用方差度量风险时,资产收益率之间的线性相关性越小,资产组合的风险就越小.当用VaR度量风险时,收益率间的尾部相关性对VaR也有显著影响.如果资产收益率之间的线性相关性较小,而尾部相关性较大,则风险可能较大.     

基于Copula-TARCH的开放式基金投资组合风险的实证分析

以华夏基金的前10支股票为例,建立了AR(1)-TARCH-t(1,1)模型。分别采用正态Copula函数、t-Copula函数完成单个资产收益的边缘分布到资产组合联合分布的过渡。并结合Monte-Carlo模拟技术计算基金组合的VaR。比较实证结果得出Copula函数的选取影响投资组合风险值;由t-Copula函数仿真得到的VaR更保守。     

CVaR在金融工具复制上的应用

RockafellarRT,SUryasev将CVaR应用于金融工具的复制,其结论是CVaR能有效地改善复制的组合.本文在他们研究的基础上,对其方法进行了改进,并将其应用于对中信指数的复制,探讨CVaR的理论意义与实际效果.在对中信指数进行复制的过程中采用了样本区间内模拟和样本区间外模拟,并将两种方法进行了比较.计算结果表明,可以通过一个线性优化问题将CVaR约束考虑到复制的组合中,CVaR的值可以直接由一个线性函数确定,不用先计算VaR的值.而且,当CVaR约束有效时VaR是确定组合的副产品.最重要的发现是,CVaR中损失函数对于控制复制组合的偏离方向有直接作用,RockafellarRT,SUryasev的方法对于样本区间外的模拟是不起作用的;改进的方法对于样本区间外的模拟中CVaR约束是起作用的.     

VaR模型的计算方法及其评析

常用的风险价值（Valueat Risk，VaR）模型可分为三类：得尔塔-正态法、历史模拟法和蒙特卡罗模拟法，三种模型计算方法各不相同，在反映金融资产的风险情况、对资产收益实际分布的拟合优劣等方面各有千秋。在实践中往往需根据具体的投资组合和管理者的意图选择合适的计算方法。     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

基于局部线性近似的投资组合VaR分解

提出了投资组合VaR分解的局部线性近似估计法,该方法是一种在组合VaR附近取线性近似的局部估计方法。对于使用不同方法(参数法、模拟法等)计算出的投资组合VaR,均可使用局部线性近似估计法来分解。实证研究表明,该方法简单、准确,具有一定的实际应用价值。     

VaR限制下的最优保险投资策略选择

以VaR作为保险公司整体风险的测度,建立均值-VaR模型,讨论保险公司最优投资策略的选择问题.为保证保险公司在投资期内的安全,引进一个安全投资比例,保险公司以安全投资比例的资金用于投资.求解模型,得到保险公司的最优投资策略和有效边界的解析形式,讨论了保费、索赔对最优投资策略以及有效边界的影响.最后,用实际数据对保险公司如何选择安全投资比例,如何分配投资资金进行了模拟.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

信用危机下可违约债券组合风险集成度量:基于三因子强度定价模型

可违约债券一旦一个信用违约事件突发后,可导致一系列的可违约债券的相续违约,通过对可违约债券组合风险集成度量进行研究,为金融机构进行金融应急管理和科学决策提供理论依据,同时有利于金融机构完善金融系统在这方面应急处置机制.针对可违约债券组合中的信用-市场风险相关性和各债务人信用相关性,可从不同风险类型识别出的共同的风险驱动因子出发构建风险整合框架.假设债券的违约强度仿射地依赖于系统市场风险因子、系统信用风险因子、特质信用风险因子等组成的基础状态向量,推导出了基于三因子仿射强度的可违约债券价格,把可违约债券双因子强度定价模型拓展为三因子强度定价模型.在此基础上,建立了可违约债券组合风险集成度量的Monte Carlo方法,得出同一个风险计算期下反映市场风险和信用风险这两类风险的损失分布,进而能求得组合的VaR值,在同一个框架下同时捕捉可违约债券的两类风险.最后运用提出的基于三因子仿射强度的风险集成度量模型对短期融资券组合的风险进行数值计算,并与基于双因子仿射强度的风险集成度量模型得到的VaR值进行比较分析.     

信用风险优化中的期望短缺模型及基于非数值算法求解

期望短缺是一种新的风险量度和优化工具,它能够反映损失分布的尾部信息,从而有利于防范小概率极端金融风险;它能同时调整组合中所有头寸以优化期望短缺,同时得到相应受险价值.Fredrik给出了能同时优化组合期望短缺和受险价值的线性规划模型,但该模型存在维数障碍.为了克服这一障碍,本文将其重新变为一个非线性规划模型,并利用带约束的遗传算法和模拟退火算法求其近似最优解.实证研究表明:这两种方法都能够在很少改变期望收益的情况下,同时减少标准差、受险价值、期望短缺等重要风险衡量指标,但模拟退火算法对期望短缺指标优化效果更佳.     

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.     

两种外汇期权市场风险非线性VaR计算方法

引入金融参数Delta、Gamma、Theta，将外汇期权近似表达式拓展成Delta-Gamma-Theta模型(简称DGT模型)，分别运用了Cornish-Fisher方法、Fourier-Inversion方法来计算外汇期权组合的风险度，并且对各自估计出的结果进行了比较分析，结果表明Comish-Fisher方法计算简单，且能很快地计算出结果，而Fourier-Inversion比Cornish-Fisher方法更合理地度量VaR值，是一个较好的度量外汇期权风险的方法。     

一种新型的VaR计算方法:g-h VaR法

根据g-h分布的统计特性,提出了基于金融资产损失的V aR计算方法——g-h V aR法。这种方法结合了分析方法、历史模拟方法和极值理论方法的优点,能够很好地处理组合回报的不对称现象和厚尾现象。在证券市场上的实证研究表明,该方法优于现有的D elta-正态方法。     

考虑广义多维空间效应的S-VaR测算

VaR(value at risk)的测算精度一直是业界和学术关注热点问题.本文应用定义的经济测度距离和引力空间权重矩阵,建立广义多维空间计量模型捕捉金融系统的空间效应信息,构造S-VaR(saptial-value at risk),提高VaR的测算精度.以SP亚洲50指数作为股票资产组合替代变量进行实证分析,结果表明:广义多维空间效应S-VaR能捕捉金融市场存在的多维空间相关性和风险的空间溢出效应,提高了VaR模型在风险预测中的精确性.     

基于极差VaR的股票组合质押率评估方法

将VaR方法应用于股票质押率的估计中，讨论股票组合的质押率与风险的关系。并将这种方法用于计算我国上海股票市场的股票组合7天贷款的质押率。实证研究表明，这种基于VaR的股票质押率评估方法具有动态评估、较高的质押率和较低风险的优点。     

基于Delta-Gamma-Theta-Fourier-Inversion 模型的外汇期权风险度量

本文引入金融参数Delta、Gamma、Theta,将外汇期权近似表达式拓展成Delta-Gamma-Theta (DGT)模型,运用Fourier-Inversion方法计算外汇期权组合的风险度,估算出VaR值并与基于Delta正态分布模型、Cornish-Fisher模型进行了比较,结果表明,该模型是一种较好的度量外汇期权风险的方法和工具.