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.     

行为驱动的仿真模型组合方法研究

针对目前海洋智能航行器仿真系统在开发过程中模型的动态行为很难验证的问题,给出了一个通用的基于行为的仿真系统开发框架,并提出了行为驱动的模型组合方法。首先在研究了仿真模型的行为特性的基础上,采用演算的进程表达式表示组合交互过程,描述状态转换和消息传递序列,利用其转换函数和进程推演验证组合过程的行为兼容性,然后通过水动力组合的应用实例具体描述了行为驱动的组合验证过程。最后给出了该方法在水下水下机器人和水面无人艇仿真试验中的应用情况,进一步证明了方法的可行性。     

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.     

一个基于极大极小风险价值的组合投资模型

风险价值理论能够很好地从心理和行为方面综合考虑收益与风险之间的决策。本文将风险价值指标引入组合投资领域,通过极大极小风险价值,建立了相应的组合投资模型(MMRV),并与其他模型(MMR、MV)进行了比较分析。     

多约束投资组合优化问题的实证研究

为克服经典MV模型假设条件过于苛刻,而已有相关文献在对其进行修正时仅考虑部分投资约束等不足,文章通过考虑现实经济活动中存在的各类投资限制条件,建立了带有多种投资约束的广义MV模型.在说明了如何有效求解所得投资组合问题之后,基于中国证券市场的交易数据对新模型进行了实证研究.结果表明所给模型不仅是合理、有效的,而且可较好地指导投资者选择最优而稳健的投资方案.     

组合证券投资的概率准则模型

从概率角度出发，提出一种概率准则的新型组合证券投资模型，在此模型中，把实现预期收益的概率作为目标函数，使之达到最大，在证券收益率服从正态分布的条件下，给出了概率准则证券组合投资模型的确定性等价类模型，研究分析了概率准则证券组合投资模型与已有的传统证券组合投资模型的区别。另外，给出了模型最优解的必要条件以及目标值的范围估计，并给出数值算例。     

证券投资基金的一种投资组合选择模型

以Markowitz组合证券投资模型为基础，在期望—半方差(E—Sv)风险测度条件下，针对带有交易费的投资组合优化问题进行了研究．提出了一种变形Γ—分布来描述股票的收益，给出了分布中参数的确定方法．根据中国证券投资基金的实际情况，建立了一种新的组合证券投资模型，为证券投资基金等机构投资者解决大型证券投资决策问题提供了一种方法．     

下偏矩方法在行为投资组合优化中的应用

在行为投资组合优化过程中,机会约束的转化是一个关键问题。本文运用下偏矩的方法将机会约束转化为线性约束,并将证券的未来期望收益率表示为区间数,建立了一个行为投资组合优化模型,并运用中国证券市场的实际数据进行了实证分析。通过区间数的设置,投资者的认知状态和专家的知识被有机地融入到模型中,并且下偏矩中的收益率参考水平通过样本由模型内生,因此本文所构建的行为投资组合优化模型具有很强的包容性和实用性。     

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。     

一个基于模糊决策理论的投资组合模型

对清晰和模糊两种情况下的组合投资问题进行了研究 ,提出了相应的模型和求解方法 .模型以绝对偏差和代替方差 ,假定交易费用函数为 V-型函数 ,给出了将目标函数中含有非线性项或含有非线性约束的优化模型转化为线性规划问题的一个简便方法 ,不仅大大地简化了模型的计算 ,更重要的是使得在线解决大型组合投资问题成为可能 .投资者的主观意见反映在模糊情况的组合投资模型之中 .最后通过一个例子来说明本文所提出的方法 ,并对文中两个模型进行了对比分析     

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.     

暧昧与国际资产组合选择

本文考察了当资产存在暧昧不确定性时的国际资产组合选择问题.本文以Maccheroni,Marinacci和Ruffino提出的模型框架为基础,对世界上26个主要国家和地区的跨国资产组合选择进行了实证情况的度量和判断,利用横截面和短面板存在异方差的OLS回归模型(包括混合OLS和加入固定与随机效应考虑的回归).可以发现,国内投资者更倾向于持有与国内资产相似、但纯风险更小,暧昧风险补偿为正的国外资本.另外,在选取的样本国中发现存在本地偏好的情况.     

基于稳定分布的多目标全部贷款组合优化模型

贷款业务是商业银行最主要的资产业务,其利息收入是商业银行最重要的利润来源,而贷款利息收入水平取决于商业银行贷款配置的合理性.本文针对贷款收益率具有的偏态、过度峰态及厚尾特性,建立了基于稳定分布的多目标全部贷款组合优化模型.本文的创新与特色一是在稳定分布情况下考虑收益和尺度参数的基础上,通过追求贷款组合的偏斜指数最大使分布向大于收益率均值方向偏斜来提高贷款组合的超额收益,弥补了现有研究忽略偏度的弊端.二是同时考虑了包括"存量"与"增量"在内的全部贷款组合的风险,改变了流行的现有研究对于巨额"存量"贷款风险缺少控制可能引发重大损失的弊端.三是将现有研究在主观给定贷款组合收益下单纯地控制贷款组合风险完善为同时控制贷款组合风险和收益的"均值-尺度参数-偏斜指数"多目标全部贷款组合优化模型,满足了银行对风险和收益的不同偏好,达到了既控制风险、又追求效益的风险与收益兼顾的目的.     

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.     

不同借贷利率下的投资组合选择——-基于均值和VaR的效用最大化模型

用VaR代替方差来度量风险,从而把基于均值和方差的效用函数拓展为基于均值和VaR的一般二元效用函数（关于均值递增,关于VaR递减）,进而研究含无风险资产且具有不同借贷利率时投资组合选择的效用最大化模型.利用均值-VaR模型有效边界的性质,得到了一般效用函数下最大效用存在的条件及最优解的本质特征,并给出了求解的具体方法和数值算法.最后作为结论的直接应用和说明,利用中国股票市场数据给出了一个实例分析.     

概率原则下基于投资者偏好的组合投资选择

基于理性投资者的基本行为特征，从投资者真实的投资心理出发，给出了概率原则下基于投资者偏好的组合投资选择模型．在该模型中，收益与风险权重大小可以根据投资者对收益与风险的不同偏好程度来确定．对于证券收益率服从任意分布的情形，运用遗传算法的思想设计出了该模型的有效求解算法，并通过Matlab语言实现，从而得出投资组合选择．最后，对不同风险偏好下的解进行了数值比较分析．     

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.     

模型不确定性条件下稳健投资行为与资产定价

不确定性在很早以前就引起了经济学界的重视.本文通过一个异质偏好下的世代交叠模型,研究了模型不确定性偏好对资产定价的影响.结果发现,均衡时的资产价格与模型不确定性偏好成反比,并且随市场上稳健投资者数量的增加而降低.另外,本文的结论能够解释股票溢价之谜.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.