基于多期动态优化的银行资产组合决策模型

以银行各项资产组合收益最大化为目标函数,以VaR风险收益率为约束,以法律、法规和经营管理约束为条件,运用多期资产分配的逆向递推原理和非线性规划方法,建立了多期银行资产组合动态优化模型.一是通过逆向递推,使本期资产的最优配给建立在下一期资产的最优配给的基础上,解决了现有研究只是在单期里求解而忽略了各期之间的联系与影响的问题.二是考虑到本期的贷款收益率期望值将受到上一期贷款信用等级迁移的影响,利用不同等级贷款收益率期望值和一年期迁移概率矩阵,计算出各类企业各年份的相应的贷款收益率期望值及标准差,更加客观地反映了贷款的真实收益和风险,解决了现有研究只是简单求解各笔贷款收益率期望值或将其设为常数的问题.三是用贷款组合的VaR控制多期贷款的组合风险,解决了现有多期研究中对银行风险承受能力和资本监管的客观要求考虑不足的问题.     

基于信用迁移全部贷款组合优化下的新增单笔贷款决策模型

根据CreditMetrics信用风险迁移矩阵的时间效应和随机过程中的Brown运动来反映银行贷款风险的非系统因素,确定信贷资产风险随时间变动的数学关系;结合因子模型与Markowitz的均值-协方差模型,建立基于存量与增量组合累计风险的银行贷款决策模型.模型的基本原理是通过对决策前贷款存量组合的风险和收益率与其加入一笔新贷款后的总风险和总收益率的对比来决定是否发放该笔贷款.模型的主要特点:①综合反映贷款存量组合累计风险对贷款决策的直接影响,合理地考虑了贷款存量组合与贷款增量的关系;②信贷资产的信用风险由扰动项定量的表示出来,而不是像流行方法那样由于因子模型的扰动项的均值为零而直接将σ2ei设置为0;③把微观层次的风险与宏观经济变量联系起来,充分考虑宏观经济要素对微观个体还贷能力的重要影响,即综合考虑了市场风险和信用风险对信贷风险的影响.     

Optimization Model of Incremental Loan Portfolio based on Risks Overlap of Incremental and Existing Portfolio

This paper establishes the non-linear functional relationship of risk overlap of incremental and existing portfolios. The decision-making model for incremental loan portfolio is based on how total loan portfolio optimization is built. The contributions and characteristics lie in three aspects. The first contribution is to put forward the scientific problem of controlling total portfolio risk based on risk overlapping of incremental and existing portfolios while putting out an incremental portfolio. The whole control of incremental and existing portfolios is the top issue, which not only exploits new idea about optimal allocation and control of financial assets but also alters traditional idea merely considering the risk of incremental portfolios. The second contribution is to establish the non-linear function relation of overlap between incremental and existing portfolios. Based on the theory of non-linear overlap of total portfolio, the function expression connecting total portfolio with incremental and existing portfolios is built. The third contribution is the controlling of total risk after overlapping between the existing and incremental portfolios risk. It solves the problem of how to control and optimize total portfolio risk while allocating an incremental portfolio.     

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     

金融资产多标度波动级串模型及其投资组合选择

依据金融资产多标度行为特征,从时间序列、标度结构两维度上建立波动级串模型,利用随机分割数和基元分割概率两个关键控制参量,将资产多标度波动递归表述成为积分标度波动特征,通过计算波动级串的高阶累积,建立资产多标度投资组合选择模型,进行多时间标度条件下的金融资产风险管理.     

Grey Model of the Investment Portfolio Optimization

The theory of investment portfolio is a very important theory in the modern economical system. Based on the feature of the theory, the paper sets up new various kinds of models of investment portfolio, namely grey optimization models. These models are more practical and objective to existing problems.     

考虑声誉的风险投资多阶段动态融资模型研究

在对风险资本融资过程中风险投资家声誉的作用与影响进行分析与讨论的基础上，运用博弈论多阶段动态模型建立了一个风险投资家考虑声誉的两阶段动态融资模型并进行了分析，得出如下主要结论：受声誉影响的阶段的努力程度严格大于不受声誉影响的阶段的努力程度；受影响的时期越长，声誉对风险投资家的激励作用就越大，风险投资家的努力程度也就越高。最后还给出了一个例子具体地说明风险投资家两阶段动态融资模型的应用与分析。     

动态半绝对离差投资组合选择模型

考虑连续时间金融市场的投资组合选择问题。在标准的Black-Scholes型金融市场下，建立了动态均值半绝对离差投资组合选择模型．研究了模型的求解方法，得到了最优投资组合策略的解析表达式及均值一半绝对离差的有效前沿方程。同时，与动态均值一方差模型作了比较分析。最后．通过实证分析说明了模型的求解方法。     

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。     

一个推广的半绝对离差证券组合投资模型

对半绝对离差证券组合投资模型作一个推广，推广后的模型体现了投资者的下方风险规避，适用于任何类型的收益率分布，同时保留半绝对离差模型的线性性。证明该模型一致于SSD准则，通过实例验证模型的有效性和合理性。     

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.     

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.     

基于学习行为的动态资产组合选择

在不完全信息下,研究了风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响.在连续时间下假设资产的价格服从随机扩散过程,引入参数不确定性,利用随机动态规划方法推导出风险资产最优配置的封闭解,使投资者的终期财富期望幂效用最大;在离散时间下假设风险资产的连续复合月收益率服从独立同分布的正态分布,通过贝叶斯学习准则,以上证综合指数不同区间段的两个样本做实证研究.研究表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;收益一阶矩的不确定性影响较其二阶矩强.研究突出了参数不确定性在动态资产组合选择过程中的重要性.     

基于CVaR和改进熵的全贷款组合优化模型

贷款组合的配置优化是商业银行资产管理的核心问题。针对该问题,从全部贷款组合整体风险和风险分散度两个角度,构建了基于CVaR和改进熵的全贷款组合优化模型。通过在比例熵中引入调整系数构建改进熵来衡量全部贷款组合的分散化程度,改进了比例熵约束必须给予每个企业一定贷款权重而造成过度分散化的弊端,使得全部贷款组合分散化的衡量更加合理。通过控制存量组合和增量组合叠加后的全部组合风险的情况下建立多目标规划模型,得到增量资产的最优配置。改变了流行研究仅仅控制增量风险的不足。在贷款收益率服从Laplace分布假定的基础上对全部贷款组合进行风险控制,符合金融资产收益率“尖峰肥尾”的特性,使得风险可以准确评估,改进了以正态分布为基础进行研究,不能准确拟合贷款收益率实际分布,进而无法合理估计风险的弊端。     

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.     

基于IOWA算子的行为证券组合投资决策研究

旨在通过建立投资者多心理账户权重的确定方法,用以改进传统的行为证券组合理论(BPT).针对投资者多心理账户的模糊性和随机性特征,引入诱导有序加权平均(IOWA)算子描述投资者心理账户的权重确定过程;基于此,建立了经过IOWA算子调整的BPT模型;算法释例表明,确定投资者各个心理账户的权重有利于精确描述其资产配置的优化过程.     

基于信用风险迁移条件风险价值最小化的贷款组合优化模型

把企业信用风险迁移引入贷款收益率的计算中,引入条件风险价值(CVaR)来度量贷款组合风险,建立了组合贷款优化决策模型.本模型的特色:① 用CVaR代替VaR,控制了贷款组合极端损失的发生;② 反映了企业信用等级迁移对企业收益率波动的影响,更加客观地反映了贷款的真实风险,解决了现有研究仅简单求解各笔贷款的收益率标准差而忽略信用风险迁移的问题;③ 通过现行法律法规为约束条件,在约束条件中,控制了流动性风险,避免了资产配置的流动性危机,保证了银行资产配给的合法性与合规性.     

银行资产负债管理的模型及其优化

应用银行资产负债管理理论和技术,提出由资产负债结构与信货风险控制两个子模型组成银行资产负债管理模型及其优化方法,以实现银行资产流动性、安全性和盈利性的均衡。银行资产负债管理的第一层子模型以银行法律、法规及银行经营管理规则为约束,资产盈利最大化为目标给出资产安排最佳比例结构。第二层子模型从信贷风险产生的根源——企业破产深层次角度,对企业破产概率进行研究,提出基于生存函数的信贷风险控制模型。实现了银行资产安排在满足法律约束、协调原则及信贷客户选择上的统一,并给出仿真计算案例。     

基于风险价值约束的贷款组合效用最大化优化模型

资产组合优化是使投资者期望效用最大化的决策.文中用风险价值(VaR)来控制风险,根据在贷款组合有效边界上银行效用最大化的目标分配各项贷款,建立了基于VaR约束的贷款组合效用最大化优化模型.主要创新与特色:①通过贷款组合效用最大配给贷款符合贷款优化的目的,解决了决策模型与决策目的相一致的问题;②当银行决策者或决策群体对风险的偏好在VaR允许范围内时,现有研究的效用最大化决策模型是本模型的特例;③在控制贷款组合VaR的前提下,实现贷款组合效用最大化.当效用最大的贷款组合在VaR控制的边界内时,此组合即为最优组合.当效用最大的贷款组合在VaR控制的边界外时,贷款组合有效边界上效用最大的组合就是最优组合.