跳跃-扩散模型框架下基于鞍点近似的信用组合一致性风险度量

在债务人资产价值的跳跃-扩散模型框架下,应用鞍点近似方法计算了信用组合损失的概率分布,并以算例具体说明了计算过程,得出了信用组合风险的VaR量度和一致性量度ES.然后,将鞍点近似方法得出的损失分布与蒙特卡罗模拟得出的结果相比较,得出了对于要求精度较高、资产数目较多的信用组合,基于鞍点近似方法计算一致性风险量度是信用风险管理的合适方法的结论.     

基于CVaR的RAROC对我国开放式基金绩效评价

将CVaR引入到常用RAROC模型中,以2006年到2009年的数据对我国开放式基金进行绩效评价.计算CVaR和VaR时都采用新的方法即运用GARCH,EGARCH,PARCH模型和残差服从T和GED分布的组合来计算,接着通过返回测试提高VaR和CVaR精度,并且将CVaR与VaR的结果都进行测试比较.经过实证检验,基于CVaR的RAROC更准确地衡量了风险,提高了精确度,为基金投资者提供了一个很好的业绩参考指标.     

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.     

离散界约束分布下的WCVaR风险分析及其应用

在随机变量分布为部分信息的情况下,提出了最坏情况下的条件风险(Worst-case conditionalvalue-at-risk,WCVaR)指标,并建立了风险-利润的三个鲁棒组合优化模型.该模型具有复杂的min-max多层优化结构.在随机变量服从离散界约束分布和损失函数为线性的条件下,运用对偶理论转化复杂的min-max优化模型为简单的线性规划问题,理论上证明了简化后的模型与原模型的同解性.该研究是条件风险(CVaR)分析方法的发展,可有效运用于随机变量分布为非完全信息下的市场风险-利润问题;是条件风险(CVaR)分析方法的发展;转化后的线性规划能高效地应用于实际问题的计算.应用该WCVaR模型和计算方法于电力系统的发电资产优化组合问题,数值仿真显示所提出的模型能真实地模拟发电商的商业行为,为发电商的投资组合和风险管理提供了新的方法.     

有交易成本的均值-CVaR有效前沿

基于由 Rockfeller 和 Uryasev 提出的条件风险价值-CVaR 的风险计量技术,构造了有交易成本并在正态假设下的 CVaR 风险的证券投资组合模型,给出了此证券投资组合的均值-CVaR 有效前沿曲线方程和最优投资策略的解析表达式.最后,利用理论结果对深市和沪市的证券投资组合的均值-CVaR 有效前沿作了实证分析.     

供应链中多产品组合采购与库存问题的条件风险决策模型

研究了供应链中单周期和多周期多产品组合采购与供应的CVaR模型,利用了条件风险值(CVaR)理论将多产品从多个供应商采购来分散需求不确定性带来的风险,以达到损失最小的目的.首先给出了单周期多产品组合采购与供应的CVaR模型,然后讨论了多周期多产品组合采购与供应的CVaR模型,最后给出了数值结果.     

CVaR与投资组合优化统一模型

VaR由于能够提供衡量市场风险的实用指标,不仅便于金融机构进行风险管理,而且有助于监管部门进行有效监管,目前已得到广泛应用.本文介绍一种VaR的修正模型CVaR,并且将其与Antonio Duarte提出的投资组合优化统一模型联系起来,分析它们之间的关系.     

考虑用户风险规避的V2G备用消费价格补贴CVaR模型研究

在单风险中性电网公司与单风险规避用户组成的V2G备用销售侧系统中,用户的风险规避及电网公司对其的消费价格补贴都会直接影响用户备用预订和消费行为.在CVaR风险度量准则下,构建了考虑用户风险规避的V2G备用消费价格补贴CVaR模型,并分别求解了一体化和分散决策下有、无消费价格补贴时的用户最优备用预订容量,以及有消费价格补贴下电网公司的均衡消费价格补贴.在此基础上,给出了利用消费价格补贴协调该V2G备用销售侧系统且达到Pareto改进时用户风险规避程度、电网公司备用预订合约价格以及消费价格补贴之间满足的解析关系.最后,将模型拓展到双方考虑用户风险规避信息不对称,分析用户隐瞒风险规避程度的动机及其对有消费价格补贴下的分散决策CVaR模型的影响.研究发现:在消费价格补贴策略下,风险规避型用户的最优V2G备用预订容量与其风险规避值负相关,而与备用预订的合约价格正相关;用户的风险规避值会对其均衡时的CVaR利润产生先负向后正向的影响;在电网公司与用户对后者风险规避程度存在信息不对称的情形下,用户为了提高获得的最优CVaR利润,具有虚假报高风险规避值的动机.数值算例也验证了所提出的模型与理论分析的可行性.     

带有市场搜索的供应链最优策略的分析与比较

考虑一个供应商服务于两个零售商的分销式系统,每个零售商只向该供应商订货及两个零售商面临不同的客户需求.使用“市场搜索”因子来度量各零售商处的客户因其当地零售商缺货而到另一个零售商处订货的比例.证明了零售商们在不同的风险 态度时订购量纳什均衡解的存在且唯一性.模型-I研究了两个零售商的态度均是 风险中立时零售商最优订购策略;模型-II研究了两个零售商的态度均是风险厌恶的且使用CVaR(ConditionalValue-at-Risk)风险度量准则下的 最优订购策略;模型-III研究了零售商1的态度是风险中立的,零售商2的态度是风险厌恶的且使用CVaR风险度量准则下的最优订购策略.进一步, 假定客户需求服从一个均匀分布, 对优化策略进行数值模拟,得出三种模型下的最优纳什均衡订购策略,并对其进行比较,同时分析“市场搜索”因子和风险厌恶程度对纳什均衡订购量的影响.     

新型线性规划解题器

阐述了线性规划鞍点算法原理,讨论了解题器各模块的设计方法,给出了软件流程图和实验结果.     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

考虑DNCVaR-利润-客户满意度的分销网络设计多目标优化模型

借鉴金融工程中条件风险价值理论, 提出了分销网络条件风险价值的概念和计算公式, 并用之度量分销网络风险水平. 构建了以DNCVaR、利润、客户满意度为目标的分销网络设计多目标优化模型, 该模型不仅能体现供应链核心企业风险偏好度, 而且还能解决分销网络风险水平-分销中心设立-分销中心购买量-分销中心服务对象-分销点购买量组合决策问题, 并应用多项式目标优化技术进行了多目标组合.这些工作为CVaR与分销网络设计优化决策类问题的结合研究作了有益的探索, 且算例的优化决策结果也说明了文中构建的模型能有效解决上述组合决策问题.     

一致性风险价值及其算法与实证研究

目前金融市场风险测量的主流方法是VaR方法,但其测量的风险值有时难以准确地反应投资者真实心理感受,而且缺乏投资组合分散风险特性所要求的次可加性.针对这些问题该文选择了一致性风险价值(CVaR)作为新的风险度量方法,通过构造一种混合分布来模拟收益率分布.提出CVaR的完全参数计算方法,并进行了实证研究.     

Risk Measure and Control Strategy of Investment Portfolio of Real Estate based on Dynamic CVaR Model

This article studies risk measure and control strategy of investment portfolio of real estate based on the dynamic condition value-at-risk (CVaR) model. A dynamic CVaR model is defined, which is a dynamic programming problem. It is shown that the dynamic CVaR problem is equal to another nonlinear programming problem. On the basis of dynamic CVaR model, a model of investment portfolio of real estate is built. The model is applied to compute investment proportion and risk losses of portfolio by using data of real estate of 10 cities in China. Numerical results show that the multistage investment has less risk of loss than the single-stage investment. The control strategy of risk is to choose investment proportion of portfolio according to low risk.     

基于动态CVaR模型的房地产组合投资的风险度量与控制策略

研究了基于动态条件风险值(CVaR)模型的房地产组合投资风险度量问题.定义一种动态CVaR模型,它是一个动态规划问题,证明了它可以等价一个非线性规划问题求解.据此,建立了一个基于动态CVaR的房地产组合投资优化模型,通过计算这个模型可以得到在一定置信水平下的房地产投资的风险损失值和组合投资比例.应用这个模型对全国10个城市的房屋价格数据进行了多阶段的风险值和投资比例数值计算,结果表明多阶段组合投资的风险值要比单个阶段更小.控制风险的主要策略是选择低风险的CVaR值的投资组合.     

供应链多产品产供销风险协调模型

基于条件风险值(简称CVaR)模型,研究了在单周期下供应链多产品产供销一体化模式的多产品产供销风险协调模型.首先,运用CVaR模型建立了供应链中销售商、生产和供应商的多产品产供销一体化风险协调模型.然后, 从供应链的终端市场需求出发,分别建立了零售商的订购风险决策线性规划模型、生产商的生产风险决策线性规划模型和供应商的供应风险决策线性规划模型,由此得到了多产品产供销一体化的风险协调线性规划模型. 最后,模型的数值实验结果表明所建模型得到的协调策略可以有效的减少供应链企业的经营风险和市场风险;同时,对模型的灵敏度分析表明可以通过控制供应链的成本结构、价格和资金等指标的变化来减少供应链风险.     

Production planning problem with pricing under random yield: CVaR criterion

In this paper, we address a basic production planning problem with price dependent demand and stochastic yield of production. We use price and target quantity as decision variables to lower the risk of low yield. The value of risk control becomes more important especially for products with short life cycle. This is because, the profit implications of low yield might be unbearable in the short run. We apply Conditional Value at Risk （CVaR） to model the, risk. CVaR measure is a coherent risk measure and thereby having nice conceptual and mathematical underpinnings. It is also widely used in practice. We consider the problem under general demand function and general distribution function of yield and find sufficient conditions under which the problem has a unique local maximum. We also both analytically and numerically analyze the impact of parameter change on the optimal solution. Among our results, we analytically show that with increasing risk aversion, the optimal price increases. This relation is opposite to that of in Newsvendor problem where the uncertainty lies in demand side.