基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10之外,该投资组合策略在其他标度下均能取得更高的收益以及夏普比率、詹森指数和特雷诺指数,并弱化系统性风险的影响。     

带有初始风险证券的最优组合投资

对带有初始风险证券的投资者如何进行投资以及当风险证券的收益率或者风险发生变化时如何调整投资策略的问题进行了研究，以最大最小化平均绝对离差作为风险测度建立模型，求解模型得到最优投资策略，着重讨论了当风险证券的收益率或风险发生变化时，最优投资策略的稳定性以及最优投资策略的调整，得到了当某个风险证券的收益率或其风险发生变化时，最优投资策略的稳定条件以及策略的调整方案，还刻画了有效边界的结构，并证明了有效边界是一条折线段，最后对含无风险证券的情形进行了讨论并得到了相应结论。     

基于收益序列相关的动态投资组合选择——动态均值-方差模型

以动态均值-方差模型研究基于收益序列相关的投资组合选择.利用嵌入法将动态均值-方差模型嵌入到二次效用模型当中,通过动态规划方法求得最优投资策略和有效边界的解析形式.还得到一个反映风险资产动态投资价值的指标,它能包涵序列相关性的影响,在静态情形下,该指标是夏普指数绝对值的单调递增光滑变换.风险资产投资价值影响最优投资,并决定有效边界斜率.最优投资策略使期望终期财富向目标值趋近,该目标值随风险资产投资价值递增.最后以收益服从AR(1)过程为例对最优投资策略进行数值计算,发现序列相关可以对最优策略造成显著影响.     

ML-TEA:一套基于机器学习和技术分析的量化投资算法

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.     

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。     

指数模型在投资分析中的应用

从资本资产定价理论和套利定价理论出发 ,研究了证券投资分析的收益率和风险问题。同时 ,运用以上两种理论讨论了单指数模型和多指数模型的特点及应用 ,具有较强的理论与实践意义.     

业绩-流动关系与预期收益率对基金动态投资策略的影响——基于损失厌恶型管理者的分析

在连续时间金融框架下,假设基金业绩与管理资金流动之间存在不对称凸关系,建立动态投资组合模型分析损失厌恶型管理者的投资策略.首先利用完全市场下的鞅方法求解模型,得到基金最优投资组合期末价值,分析业绩-流动关系与预期收益率对最优期末价值的影响.然后利用复制技术,求得基金动态最优投资组合策略的封闭解,发现资金流出系数对基金的动态投资策略无影响.数值分析发现,资金流入系数增加使得基金最优投资组合的风险暴露增加.预期收益率对管理者投资策略的影响与市场状态有关,在市场状态较好时,预期收益率的提高使管理者减少风险暴露,采取更保守的投资策略;而在市场状态较差时,预期收益率的提高使管理者增加风险暴露.     

基于VaR的风险平价投资策略及应用

结合风险测度方法 VaR,提出基于在险价值的风险平价投资策略,建立了相应模型,并给出有效的算法.最后使用中国股票、债券和商品期货市场数据给出数值算例,并与多种常用的投资策略进行了对比分析.结果显示,三种风险平价投资策略均优于全局最小方差组合等其它参照投资策略,其中基于在险价值的风险平价投资策略表现最优.     

基于信噪比的投资组合策略研究

采用收益率的协方差矩阵的特征根刻划投资的风险;用主成分综合反映证券市场的信息;用主成分的信噪比反映投资组合的期望收益率与风险之间的均衡关系,并以此作为投资组合收益极大化的指标;得到了不同与H.Markowitz的投资组合模型,并给出了具体的投资组合策略-卖空与非卖空条件下的投资组合的比例,文章最后给出了一个实例.     

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。     

基于投资者观点的多阶段投资组合选择模型

近年来,如何将投资者观点科学地纳入投资组合决策成为主动投资组合的研究热点之一.Black-Litterman模型因其基于贝叶斯方法将投资者观点和市场均衡收益率结合分析的特点而广受关注和应用.本文将Black-Litterman模型推广到多期框架下分析.文中首先克服了Black-Litterman模型无法纳入极端自信度观点的问题;之后本文通过设立新的.自信度矩阵,给出了Black-Litterman模型的多期框架形式;最后,本文建立了基于CVaR的多期投资组合模型,并将该模型与比均值-方差模型和等权重模型进行对比给出了数值算例.结果表明,基于多期Black-Litterman模型的投资组合有良好效果.     

国际证券投资最大风险极小化的多目标决策模型

本文以国际证券平均实际本币收益率作为其预期收益的度量指标，以实际本币收益率与平均实际本币收益率的量大绝对偏差作为其投资风险的度量指标，建立国际证券组合最大投资风险极小化，预期本币收益率极大化的多目标线性规划投资决策模型。     

Copula函数在多因子模型系数估计中的应用

主要研究用多因子模型刻画金融资产收益率时, 因子载荷系数的合理估计问题.以因子系数的金融意义为出发点,并结合Copula的相关理论,提出了一种新的因子系数估计方法.新方法用Copula函数描述各个因子与金融资产收益所服从的联合分布;从因子系数的正负及其发生的概率,金融资产收益率随因子波动的大小两方面来估计因子系数的值. 在此基础上,对因子系数新的估计公式做了进一步调整,强调了尾部相关性对因子系数取值的影响.基于中国证券市场的交易数据,对不同估计方法进行了实证研究.通过分别计算统计量R-square的值,随机误差项的均方偏差,尾部均方偏差以及投资组合的在险价值与条件在险价值等方法,实际论证了文中所提新的因子系数估计的改进方法优于因子系数估计的新的Copula方法,而后者又明显好于传统的线性回归方法.     

动态投资组合保险模型优化研究

基于Merton(1971)的最优消费和投资组合策略模型,利用无风险资产、风险资产复制卖权的方法,建立连续时间条件下的动态投资组合保险模型.在连续时间条件下,把投资者的个人跨期动态投资组合保险决策问题转换为一个静态的效用最大化问题,解出组合保险者最优财富水平对应的最优策略,比较其与Merton的最优投资消费模型投资策略的异同,结果显示参与保险的投资者最优策略与其所拥有的财富无关,与市场风险相关,即市场风险越高,对投资组合保险的需求越大.     

基于遗传规划的多源信号交易策略组合优化

将财经新闻事件转化为交易信号融入到策略组合中,提出基于遗传规划的多源信号股票交易策略组合优化模型.模型综合财经事件信息以及移动平均、动量等传统技术交易策略,利用遗传规划对多源信号交易策略组合进行整体优化.采用中国股市数据实验发现,典型财经新闻事件可以有效转化为交易信号并与技术交易策略融合;融合新闻事件信号与传统技术策略可以有效提升股票自动交易的收益率;基于遗传规划的组合优化模型可以生成有效的交易策略,其中新闻与指数移动平均组合的策略可以产生较高的收益率并具有较强的稳健性.     

基于成长性的我国中小上市公司价值投资策略

尝试在价值投资策略中加入企业成长性的考虑因素,以2003～2004年在深沪两市的中小上市公司为研究对象,将其划分为高成长性的价值股、一般价值股和非价值股三大类,并通过实证检验了三类公司在滞后考察期内(2005年5月～2007年1月)的市场表现,证明了基于成长性的价值投资策略在我国中小上市公司中的投资可行性.     

基于Copula-ASV-EVT的QFII和HS300指数相关性风险度量

以ASV-EVT模型为边缘分布函数,运用三种Copula簇方法研究了QFII和HS300指数之间的相关关系.研究结果表明:BB1 Copula较好地刻画了两指数尾部相关的非线性、非对称特征,且较好地拟合了相关结构,表明两指数在低迷时期的相关性明显高于其活跃时期的相关性.同时回测检验显示Copula-ASV-EVT模型能有效测度两指数组合的市场风险.进而,基于2006-2012年样本实证得出QFII一直坚持价值投资的有力证据.同时,随着QFII数量的增长和上市公司分红制度的完善,中国证券市场面临价值投资理性回归的极好机遇.     

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.     

考虑边信息的在线投资组合指数梯度策略

在线投资组合问题是计算金融领域的基本问题之一.金融市场瞬息万变,投资者需要根据各种资本市场信息动态地调整资产头寸.在不对资产价格做任何概率假设的前提下,研究了带边信息的在线投资组合策略.用相对熵函数定义两个投资组合向量之间的距离,提出了一种带边信息的在线投资组合指数梯度策略,并从理论上证明了它是一个泛证券投资组合策略,即与离线的最优状态定常再调整策略具有相同的渐近平均指数增长率.采用实际股票数据对该策略进行了测试,并分析了交易费用对策略的影响,结果表明其能获得更高的收益.     

基于信息扩散模型的上证指数定价和波动特征研究

本文针对上证指数构建了基于信息扩散的风险因子,检验了其与指数收益率之间的实证关系;并对比了传统ARCH-M类模型中条件方差对收益率的解释力度.结果表明,基于信息扩散的风险因子能够更好地解释上证指数在不同发展阶段的定价和波动特征,并且对股指收益率具有更好的解释/预测效果.本文的研究揭示了波动作为信息的载体是有价的,佐证了中国股市定价机制在股权分置改革后出现了从投机市、政策市逐渐向基本面回归的转变,同时也捕捉到了股市波动特征自2014年以来出现的一些新变化.