基于一致性风险价值的投资组合优化模型研究

证券市场上收益率分布存在严重的偏峰厚尾现象;同时风险价值方法本身不符合次可加性．这使得进行组合优化时它的局部最优解并非全局最优．针对这些问题,我们从一致性风险度量理论出发,提出了一种新的风险度量技术——一致性风险价值——来度量投资组合的信用风险,在此基础上建立了一致性风险价值的投资组合优化模型,并运用线性规划技术进行组合优化．最后我们通过实证研究,发现运用基于一致性风险价值的优化模型进行投资组合的结果,优于运用基于风险价值的优化模型．     

基于时变pair-copula的多资产投资组合VaR分析

在对资产组合的研究中采用pair-copula法构建了反映多个资产收益实际分布和相依性的联合分布函数,对每个pair-copula用二元时变copula替换原先的二元静态copula得到时变pair-copula,并结合蒙特卡洛模拟技术,给出投资组合的风险价值VaR的计算方法,最后通过实证分析验证了该模型的有效性和优越性.     

基于风险价值的证券投资组合

在风险价值(VAR)模型一种计算方法--德尔塔正态法的基础上,采用了投资组合比例随机搜索的方法,即对于一个投资组合,利用随机数搜索和变换步长搜索两种方法调整其权重,以得到最小的VAR值,从而为投资者降低风险,并在VAR计算方法上做出新探索.     

Copula函数在风险价值中的应用

为了解决投资组合中风险价值的计算问题,常规的方法是假设多个资产收益序列或风险因子的联合分布服从多元正态分布,然后用Var方法来解决这个问题．而这种假设经常与实际相违背,为了更好地解决这个同题,基于Copula函散从结构上能较好的拟合随机变量的联合分布,将利用阿基米德Copula函散的性质来对传统Var方法进行改进．通过实例来说明选取最优Copula函散的方法,从而可以更好地规避风险。     

基于ARMA-GARCH模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.     

投资组合风险价值分解方法研究

提出了两种分别对组合损失和极端损失进行线性近似的投资组合风险价值(VaR)分解的新方法——非对称响应模型估计法和局部线性近似估计法,两种方法均可用于分解参数法与非参数法计算出的投资组合风险价值,弥补了现有分解方法只能分解部分参数法计算出的投资组合风险价值的不足,实证研究结果表明：非对称响应模型法比局部线性近似估计法更为简单、快捷,适用于当组合回报不对称现象明显时;而当组合回报具有显著的厚尾现象时,后者更为准确,两者都具有一定的实际应用价值。     

基于VaR风险测度的投资组合优化模型及应用

以VaR作为投资组合风险的衡量尺度,在马柯维茨框架下建立均值-VaR投资组合优化模型,并采用蒙特卡罗模拟与遗传算法相结合的方法求解该模型．通过该模型在中国股市的实证研究,从资产收益率分布的假设与VaR置信水平的假设两方面对投资决策的影响进行了讨论,发现如果资产收益率分布的尾部越厚、VaR置信水平越高,那么投资策略越保守．     

时变AR模型阶数确定与系数估计的方法

研究了用时变自回归(TVAR)模型对非平稳信号建模的方法.对该模型进行详细分析,探讨了参数模型辨识存在的2大问题:模型阶数的确定和基函数的选择.基于现定阶准则只适用于短时平稳信号的分析,所以利用具有时变特性的信息理论准则(information theoretic criteriaI,TC)来确定模型的阶数.通过引入基函数,利用最小二乘算法对模型系数进行估计,从而将非平稳信号的时变模型转化为线性时不变模型,并比较了几种基函数的拟合性能.证明了由于墨西哥草帽小波基函数具有良好的时频特性并且在使用时无需预知信号的先验信息,从而优于其他传统的基函数.     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

风险价值法的金融市场风险测度探析

本文以风险价值（VaR）法为工具,建立了风险价值法的金融信用风险测度模型,针对金融市场的金融风险测度进行了实证分析。     

动态投资组合中的VaR分析

VaR是学术和商业界一个重要的风险测量方法。近年来 ,学术领域中指出了VaR的一些严重不足为一是用不同模型求解存在不一致性 ;二是VaR不能解释此风险测量本身在贸易行为中的反馈效应。通过用模拟汇率模型来研究VaR方法 ,分析外汇交易者的动态行为 ,进一步研究风险测量对交易行为的影响。     

一种VaR度量下基于OWGA算子的区间数组合投资模型

本文建立了VaR度量下基于OWGA算子的区间数多目标组合投资模型.通过引入乐观系数将区间数组合投资模型转化为确定型组合投资模型,利用目标函数偏好水平将多目标组合投资模型转化为单目标组合投资模型,并引入0-1变量对模型进行求解.最后通过算例分析了OWGA加权向量,置信水平及目标函数偏好水平对决策结果的影响,并说明了模型的可行性和有效性.     

基于pair copula函数的资产组合风险分析

通过构造pair copula-GARCH-VaR模型来度量金融资产组合的风险,其中,用GJR-GARCH模型估计单个资产的分布,用pair copula函数来描绘组合中两两资产之间的相关结构,再通过Monte Carlo模拟的方法计算资产组合的VaR值.在实证分析中,取四支股票构成资产组合,用构造出的模型计算组合的风险价值,并将传统的n维copula方法与pair copula方法进行比较,证实了pair copula方法有更高的灵活性和准确性.     

基于极端损失的投资组合VaR方法

根据g-h分布的统计特性,提出了基于投资组合极端损失的VaR计算方法——g-h VaR法,该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,能够较好地处理组合回报的不对称现象的厚尾现象．证券市场的实证研究表明,该方法优于常用的δ-正态方法．     

Copula度量投资组合VaR的应用研究

本文主要研究Copula理论在投资组合风险管理中的应用．简要的介绍了Copula定义和Sklar定理的一些性质，重点介绍了Gaussianl-Copula、t-Copula以及Gumble Copula函数的形式，选取上证综指和深证成指作为研究对象，在等权重投资组合的假设下，结合Copula函数，计算出在不同置信水平下的VaR值．     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

引入风险价值约束的投资组合理论

风险价值(VaR)是近年来最为流行的风险管理工具．本文在无风险证券情形下，将VaR约束引入到传统的均值一方差投资组合理论中，考察了此时投资组合的有效前沿以及投资组合选择的变化，并指出了VaR约束对证券投资基金组合管理的意义．     

具有VaR约束和无风险贷款的证券组合选择方法

在Markowitz证券组合理论的框架下，当证券贷款存在并且贷款的收益率服从正态分布时，提出了具有VaR约束和无风险贷款的证券组合的优化模型，并在证券收益率服从正态分布的前提下，给出了有效投资比例及有效边界的解析形式．它是均值-方差模型及有效前沿的推广．