基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型 对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已 实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数 矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率 矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模 型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据 的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方 差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现 协方差矩阵构造的有效前沿组合投资效果更佳。     

基于人工蜂群算法的高频交易策略组合配置研究

针对高频交易的发展以及目前国内关于高频交易策略组合配置问题的研究不足,文章以投资组合相关理论为基础,构建高频交易策略组合配置模型.该模型定义了衡量策略收益波动的"Jump"变量,同时设计了包含此变量的协方差估计方法,进而极大地减少了传统投资组合理论下协方差的计算量.最后,应用人工蜂群算法对模型进行了实证研究.结果表明,与传统的高频交易策略配置方法相比,文章所提出的配置方法具有较好的效果.     

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.     

Factor-GARCH模型研究与理论探讨

结合国外研究现状，对解决多维GARCH模型的方法——Factor-GARCH模型进行了系统的讨论．将投资组合的收益率Rt表述为潜在公共因子的函数形式，并对函数形式中的一些变量和假定给出了理论和现实的解释；将投资组合的协方差Ht的结构进一步细化，将其表述为可观测变量的线性函数．并指出了今后的研究方向。     

基于CPLC方法的Tobit模型构建指数跟踪的实证研究

在借鉴国外有关研究成果的基础上,建立了基于CPLC方法的Tobit模型构建指数跟踪,在目标函数中增加一个与组合权重绝对值总和成比例的惩罚参数,并利用上证180历史数据进行实证检验,通过跟踪基准指数能力、比较样本外绩效和样本外优越性指标,表明新模型不但调整稳定了优化过程,而且提高了样本外的跟踪效果.     

三阶随机占优风险控制下的投资组合优化模型

在分析DentchevaRuszczynski(2006)提出的基于二阶随机占优约束的投资组合优化模型的基础上,构建了三阶随机占优约束下的绝对风险厌恶递减型投资组合模型.该模型在投资组合的收益率三阶随机占优于基准参考组合的收益率约束下,最大化投资组合的期望收益率,离散分布情形可以转化为二次规划问题.该方法与均值–风险模型和效用函数模型相比具有重要的优势.利用上海证券市场的实际交易数据验证了该模型的有效性和实用性,实证分析结果表明,该模型既能实现较小的跟踪误差,也能实现一定的超额收益.     

均值-CVaR投资组合模型的改进及实证研究

投资组合理论是现代经济分析的基础.本文在已有的均值-CVaR投资组合模型的基础上,考虑到投资组合理论的目标是既定风险下收益率的最大化,从预测股票价格和收益率的角度进行投资组合模型的改进,得到使预测收益率最大化的预测值-CVaR模型.随后通过实证分析,考察预测值-CVaR模型相对于均值-CVaR模型的效果.     

基于LASSO回归的R-vine copula模型构建及其在化工过程故障检测中的应用

Vine copula模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路，在化工过程建模领域受到越来越多关注。笔者将LASSO(least absolute shrinkage and selection operator)回归引入R-vine copula(LASSO-R-vine copula, LRVC),根据变量间联系的强弱程度确定变量在R-vine矩阵中的位置，利用回归分析正则化路径选择R-vine copula矩阵结构，遵循R-vine矩阵构建规则和回归过程确定R-vine结构矩阵模型，以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于copula函数类型和参数，在处理高维度复杂工业过程数据时，利用稀疏模型和惩罚力度简化copula函数类型选择过程，缩短了建模时间，使统计建模具有更强的灵活性。该方法在TE(Tennessee Eastman)和醋酸脱水过程故障监测中表现出较好的预测效果，证明了提出的方法在非线性、非高斯过程的有效性。     

代理证券的有效度研究

在完美的市场假设下，经典的资本资产定价模型证明了，证券期望收益率R与β因子存在精确线性关系．而现实中，代理证券的有效边界与市场的有效边界是不一致的．在不引入无风险资产的条件下，本文根据证券组合协方差矩阵的正定性质和证券组合风险函数的凸性，证明了代理证券的有效度与代理证券包含的证券数目存在正向的比例关系．     

基于混合效应模型的纵向数据建模方法研究

为研究医学纵向数据建模方法,结合纵向数据的特点及统计分析理论、提出基于混合效应模型的动态建模方法.针对多维医学纵向数据的非平衡性,当结果变量个数不多时,采用共同混合效应模型进行分析.当结果变量较多时,协方差矩阵的估计会变得困难,这时采用随机结伴方法对所得到的若干个二元模型分别拟合,通过求均值得到固定效应及协方差矩阵的估计,实验证明这种动态建模分析方法是有效可行的.     

SVI隐含波动率模型的时间指数扩展

针对半参数SVI模型提出了避免跨期套利约束模型,根据平稳时间平方根规则,用对数执行价格和剩余期限的特定组合替代了原模型中的对数执行价格.为了使对数执行价格和剩余期限之间的关系更加灵活,引入了新的参数来调整二者之间的组合,并在此基础上提出参数模型构建隐含波动率曲面.最后基于AAPL股票期权进行了实证分析,结果表明,改进半参数模型更具灵活性与精确性,能够较好地构建隐含波动率曲面.     

基于 CVaR 与平均离差波动性限制的多阶段投资组合模型

提出了一种基于CVaR的多阶段投资组合模型,用离散型动态规划把各阶段投资过程整合为一个整体,对组合资产收益率做正态分布假设,用拉格朗日乘子法将平均离差MAD模型写入目标函数,实现波动性度量限制.实验结果表明,该模型满足实际投资要求,符合实际投资规律,与原始多阶段CVaR模型相比具有资产组合收益率波动性较小的优势.     

部分线性EV模型的惩罚经验似然

研究了当非参数部分带有测量误差时,部分线性模型的变量选择与参数估计问题。在自适应Lasso惩罚函数下,证明了所构造的惩罚经验似然估计具有Oracle性质。同时,考虑了参数的假设检验问题。最后利用数值模拟说明了所提方法的优良性质。     

一种基于区间数的投资组合选择模型

利用区间数理论,建立了模糊环境下以证券组合投资的模糊期望收益率为极大化目标函数,以组合投资的风险、流动性为约束条件的区间规划投资模型,给出了模型求解的方法,并通过实例分析,验证模型的有效性.     

带交易费的社保基金投资组合模型

为了研究社保基金投资证券的问题,在借鉴了现代投资组合理论的基础上,引入β系数区间量化资产风险,通过修改隶属函数刻画投资收益率及流动性水平。考虑其安全性特点的前提下,构建了带有交易费的社保基金证券投资组合模型,并且设计了改进的遗传算法对模型进行求解。采用2012年上证所的实际数据,应用此模型求得各风险资产和无风险资产的最佳投资比例,通过修改参数值,得到了不同情况下的最优投资策略,验证了模型的有效性和灵活性,得到了合理的结论。     

基于Copula-GARCH的投资组合风险度量的实证应用

通过Va R模型对我国的上证指数和深成指2010年1月25日至2012年12月28日的收盘价的波动性加以实证分析,进行模型检验,从而得出模型有效的结论。用Copula函数刻画上证综指和深成指之间的相关结构进而得到投资组合收益率的联合分布,建立了GARCH(1,1)-t模型,利用各项资产收盘价、成交量的历史数据,通过Monte Carlo模拟生成具有Copula相关结构的收益率分布,得到组合的风险价值。应用Copula-Va R-GARCH模型通过Monte Carlo模拟计算投资组合的Va R值,对探讨股票市场波动(风险)以及与预期收益之间的关系具有重要的理论意义和实用价值。     

基于非参数模型对上海股市收益率的实证分析

函数系数自回归模型FAR(p,d)是一类具有适应性的模型.利用函数系数自回归模型对上海股市日收益率进行非参数建模,然后用广义似然比非参数的条件自助法对模型进行检验,从而确定了合适的模型并分析了上证综合指数收益率的非线性特征.     

区域经济增长的混频预报与预测——以吉林省为例

将攫取的大量高频数据信息用于实际经济增长率的短期预测和实时预报,基于数据驱动的混频数据预测模型具有及时性、准确性和有效性的特征.该模型对吉林省实际经济增长率的预测与预报进行实证的结果表明:混频数据的自回归模型是非常有效的短期直接预测模型,混频数据模型的权重均值组合预测方法提高了预测结果的精确性和稳健性,吉林省经济正在进行有波动的筑底,“十三五”时期的经济运行将呈现稳中向好的态势.     

组合惩罚下联合均值与方差模型的变量选择

在生产实践和计量经济领域中,控制产品质量的方差就能保证产品的合格品数相对稳定,所以当前学者对联合均值与方差模型的研究倍感兴趣.基于解释变量经常是具有相关关系的实际情况,提出了一种由SCAD惩罚和岭回归混合在一起的组合惩罚,该惩罚充分利用了岭回归能克服解释变量相关性过高对估计效果的影响,同时也证明了这样的惩罚具有相合性和Oracle性质.使用该组合惩罚对联合均值与方差模型进行了变量选择.最后的随机模拟结果表明该模型和方法是有效的.