基于改进Black-Litterman模型的投资组合优化

考虑到金融市场“非完全有效性”且投资者“非完全理性”,通过贝叶斯框架建立了投资者观点与多渠道信息相结合的改进Black-Litterman模型,由此确定了最优的个性化投资策略.在中国股票市场的实证研究中,利用SVM-ARIMA-GARCH模型解决了投资者观点量化的问题.对比几类参考策略,改进Black-Litterman模型所确定的最优投资策略的样本外绩效表现更加稳健,在不同市场行情下均能获得较高的夏普比率和较低的换手率.     

基于熵补偿的Black-Litterman模型的投资组合

Black-Litterman模型在传统的投资组合模型中加入了投资者的主观判断,在金融市场上获得了一定的认可.在该模型基础上,提出了一种基于熵补偿的最优化方法.首先根据历史数据,利用AR-TGARCH模型预测收益率和波动率,作为模型的输入变量,代替了纯粹意义上分析师的主观决定;其次加入信息熵,改进了传统最优化效用函数,通过求解非线性规划问题得到资产的最优组合权重.实证研究表明,该模型较之其他投资组合模型,能够获得更高的收益,具有更强的应用性.     

基于ARMA-GARCH-t和Black-Litterman模型的资产投资组合研究

本文选取上海证券交易所不同行业3只市值热度较高的股票运用ARMA-GARCH-t模型对其日收益率与波动性进行预测,在推广的Black-Litterman(BL)模型的框架下,将投资者主观收益分布与资产的先验均衡分布相结合,计算资产的配置权重,并与传统的马科维兹均值-方差(MV)模型给出的组合权重进行对比,发现投资者对资产收益的信心水平越高,BL模型在投资组合中赋予相应资产的权重越高,且投资组合的收益也得到提高。最后,通过融资融券分析验证3只股票市场配置的有效性,说明BL模型给出的配置更符合投资者预期。该研究可以为资产管理者和投资者在资产配置方面提供更多借鉴。     

基于GARCH模型的外汇投资组合应用

对于外汇市场主要7个货币对欧元/美元,英镑/美元,美元/瑞士法郎,美元/日元,澳元/美元,美元/加元,纽元/美元的汇率运用时间序列分析方法,分别运用GARCH模型对汇率进行建模预测,计算得到收益期望,以GARCH模型残差方差作为风险度量。对投资过程中有无杠杆,运用马可维茨的“均值-方差”模型进行投资决策,得到下一日的投资策略。     

基于GARCH模型与ANN技术组合的汇率预测

对汇率进行准确地预测是一项相当重要,也是十分困难的工作。到目前为止,人们已经提出了各种各样的方法和模型,但预测结果仍不能令人满意。近年来GARCH模型被广泛地用于对变动频率很高的金融时间序列建模,它能较好地抓住此类时间序列的动态特征。人工神经网络技术则是当前非常流行的一种替代传统的统计学模型,用来处理数据之间关系的技术,理论上它能以任意精度去逼近任意映射关系。将这二者结合起来对有关日汇率进行预测,获得了较好的预测表现。     

一种基于GARCH模型的多阶段随机最优组合模型

Hibiki在文[13]中利用模拟路径提出一种Hybrid模型.文章在该模型的基础上作了一定的改进,利用GARCH模型得到相应的股票的时间序列价格;风险度量方法CVaR来控制风险.另外,考虑了交易费用和不允许卖空等市场客观因素.并且将模型转化为一种较易求解的线性规划进行求解,并利用模拟路径方法对本文模型与Hybrid模型进行的一些比较分析,数值实验表明了文中的模型可以更好的控制风险.     

基于信息熵的投资组合模型

本文用信息熵来代替协方差矩阵度量投资的风险,大大简化了模型的计算。在模糊环境下对模型进行求解,将投资者的愿望反映在投资组合中。     

证券组合投资模型研究

证券投资是一种高风险的投资行为。文章综合考虑证券投资的收益、风险,建立了目标规划的组合证券投资决策模型。该模型运算简便实用性强。     

证券组合投资模型研究

本文建立了债券和股票价格的随机模型。并在模型参数为常系数条件下，给出了反馈形式的最优证券组合投资公式。     

基于遗传算法的高阶矩投资组合模型研究

金融资产收益数据普遍具有非对称和尖峰厚尾的分布,传统的马克维茨投资组合模型仅仅考虑了均值和方差的约束,这在确定投资组合时是不充分的.考虑了三阶矩偏度和四阶矩峰度对投资组合的影响,假定交易费用为V-型函数,建立了均值-方差-偏度-峰度投资组合模型,鉴于多目标优化求解的复杂性,编写遗传算法程序求解这一高阶矩投资组合,最后给出了一个数值算例.     

基于pair copula-LMSV-t模型的投资组合风险研究

提出了LMSV-t模型并以其作为边缘分布的估计,来构建pair copula-LMSV-t多元投资组合模型.采用LMSV-t模型估计边缘分布能够更好地刻画资产收益率的波动性和长记忆性等非线性特征,从而更精确地估计投资组合的VaR.同时通过对中国股市开放式基金的实证分析,证明该投资组合模型在描述单个资产的非线性特征和资产之间的相依性方面都有进步.     

基于区间规划的投资组合模型

为了研究不确定环境下的投资组合问题,将模糊区间集合的概念引入投资组合模型中,利用证券组合投资的收益率极大化为目标,以投资组合模型中的β值和流动性为约束建立了一种区间规划投资组合模型(IMβL),利用区间数知识把区间规划投资组合模型(IMβL)转化为带参数的线性规划模型,该方法对投资者具有一定的参考价值和指导意义。     

基于GARCH模型的股市流动性风险研究

在GARCH族模型进行简单介绍的基础上,通过对中国上证综合指数及深证成分指数进行了实证分析,利用GARCH族模型对市场流动性风险进行分析,据此得出了相关结论和建议。     

基于Copula—GARCH模型的民族地区沪市A股投资风险研究

本文采用Copula—GARCH模型对金融市场中投资组合的风险问题进行分析,并选取沪市A股中西部民族地区的5支股票进行实证研究,结合Monte Carlo模拟计算了投资组合的VAR值,结果显示对资产进行适当的组合可降低投资者的风险,从而证实了模型的可行性和有效性.     

GARCH模型的实证研究

本文通过对上证综指收益率序列的实证分析,发现其具有明显的群集聚集性、波动性、尖峰厚尾的特征,并应用GARCH及其扩展模型对该序列进行建模分析,发现GARCH模型可以较好的消除金融时间序列的异方差性,同时发现,GARCH-t的拟合效果更好一些。     

基于GARCH模型的沪深股市分析

利用我国沪深股市2007年7月1日至2010年7月1日的收盘指数,对沪深股市的波动性、收益率及其相关性进行了实证分析研究。研究表明,沪深两市具有明显的GARCH效应,而且两市之间具有联动性。     

基于机会约束的均值-VaR投资组合模型研究

在证券收益率服从正态分布的前提下,建立了包含无风险证券投资组合的机会约束下的均值-VaR模型,讨论了最优解的存在性和惟一性,并在均值-VaR模型有效边界的基础上引入机会约束,从而得到了最优解均值的解析表达式．     

基于改进粒子群优化的投资组合模型研究

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合;同时考虑投资者对风险的喜好、交易费用等,建立了不同风险态度下含有背景风险和交易费用的可能性均值-下半方差模型,并提出一种求解该模型的带有选择规则的粒子群算法.以上海证券交易所180指数随机选取的8支证券为例组成投资组合,给出数值算例,数值实验仿真结果表明了所提出的模型和方法的有效性、可靠性.     

基于均值—方差模型的保险资金投资组合研究

利用Markowitz于均值—方差组合模型,根据近三年的投资收益率情况,在给定预期收益率的情况下,构建了各类资产的最优配置。