基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10之外,该投资组合策略在其他标度下均能取得更高的收益以及夏普比率、詹森指数和特雷诺指数,并弱化系统性风险的影响。     

基于自适应矩估计的在线投资组合梯度下降策略

对于在线投资组合选择问题,充分利用历史数据能有效地减少市场噪声对投资策略的影响,但这往往会导致策略计算效率降低。与其相对应的是,高频交易的日益发展与数据量的爆发式增长愈发要求投资策略具备高效的计算能力。为此,借助于自适应矩估计,以增量的方式利用历史数据,提出了一个基于自适应矩估计的在线投资组合梯度下降策略。理论分析表明,该策略具有泛证券性,即其与离线的最优定常再调整策略具有相同的渐近平均对数增长率;同时,该策略在充分利用历史数据的情况下依然保持线性时间复杂度。实证分析表明,该策略在收益以及计算时间等指标上表现出较好的性能,同时能承受合理的交易费用,故而具有良好的实际应用前景。     

基于投资组合理论的发电组合优化

优化的电源结构包含静态的发电组合优化与发电环节中基荷、腰荷与峰荷动态电源结构的优化,这是直接影响电网运行和最大限度发挥可再生能源作用的关键。将投资组合理论应用于中国发电组合优化,结合可再生能源电价补贴研究了不同水平电价、碳税下优化的发电组合,并且满足了优化的发电组合中峰荷电源达到最低标准10%。最后,评价了中国2011年部分省的发电组合水平现状,并对低效的发电组合给出了优化建议。     

基于Copula2GARCH 的投资组合风险分析

结合Copula及GARCH模型的预报功能,建立了投资组合风险分析的Copula-GARCH模型.利用这个模型,对我国股票市场实际组合投资问题进行了风险分析,并给出了最小风险组合的具体形式.     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.     

带交易费用的泛证券组合投资策略

研究带交易费用的泛证券组合投资策略 ,得到一些有趣的结论 ,为实际应用泛证券组合投资策略提供了一个初步的理论框架.     

基于主成分分析和组合神经网络的短时交通流预测方法

提出一种将主成分分析和组合神经网络相结合的方法来预测短时交通流量.将预测路段历史流量及其相关路段的历史流量进行主成分分析,分析结果作为组合神经网络的输入数据,这样不仅减少了输入变量个数,减小网络规模,而且保留了原始变量的主要信息,消除变量之间的相关性.给出了一个说明该方法有效性的例子,用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.     

考虑边信息的在线投资组合指数梯度策略

在线投资组合问题是计算金融领域的基本问题之一.金融市场瞬息万变,投资者需要根据各种资本市场信息动态地调整资产头寸.在不对资产价格做任何概率假设的前提下,研究了带边信息的在线投资组合策略.用相对熵函数定义两个投资组合向量之间的距离,提出了一种带边信息的在线投资组合指数梯度策略,并从理论上证明了它是一个泛证券投资组合策略,即与离线的最优状态定常再调整策略具有相同的渐近平均指数增长率.采用实际股票数据对该策略进行了测试,并分析了交易费用对策略的影响,结果表明其能获得更高的收益.     

投资组合保险策略最小风险控制

组合保险策略利用期权、期货或模拟期权等衍生金融工具对冲和转嫁风险，金融衍生工具以风险资产作为标的物，其价格受风险资产价格的影响，因此组合保险策略本身也将存在一定的风险。本文利用均值一方差法衡量组合保险策略风险，讨论在投资组合保险满足一定收益时风险最小条件下，保障投资组合保险策略实施的最低收益有效条件以覆最低风险控制条件．为我国开发坌融衍生工具奠定了理论基础。     

基于分形视角下的沪港股市投资组合策略

针对已有研究的不足,为满足不同交易周期投资者的实际需求,将分形研究方法与传统投资组合模型相结合,考虑多时间标度和不同波动幅度因素,构建了单分形投资组合模型(MeanDCCA)和多重分形投资组合模型(Mean-MF-DCCA).依托沪港通平台,采用构建的模型,进行沪港股市组合投资,并对样本外效果进行检验和分析.结果表明:沪港股市间结构存在着标度效应和长记忆性,且具有多重分形特征;与传统的投资策略相比,单分形投资组合策略能够取得更佳的组合效果;多重分形投资组合策略通过选择合适的q阶,实证表明将会明显改善单分形投资组合策略,增强投资方案的盈利能力、提高夏普比率以及为不同风险偏好投资者创造额外效用.此研究对资产优化配置、风险管理以及沪港股市间相依结构刻画等方面具有重要的实际意义.     

一个证券组合投资分析的对策论方法

将给出证券组合投资分析的一个对策论方法 .将最小的可能收益作为风险的度量 ,将投资者的投资心理及证券市场的随机性考虑到模型之中 ,建立了证券组合投资的双层规划模型 ;对模型进行了理论分析、提出了求解算法 ;通过一个例子来说明如何用本文方法来进行证券组合投资分析.     

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     

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。     

基于核主元分析的非线性动态故障诊断

核主元分析是一种非线性主元分析方法，充分利用核函数来解决非线性映射问题，在高维特征空间中确定主元，具有很好的非线性逼近能力。同时，利用非线性最小二乘法实现核主元分析的变量重构，来识别故障源。将核主元分析应用于连续搅拌釜式反应器系统（CSTR）的故障诊断过程中，仿真结果表明该方法对于故障的检测和故障源的识别都优于线性主元分析法的诊断效果。     

互联网上的投资组合选择

讨论基于Internet(Browser/WebServer方式)的投资组合选择系统.首先简要地介绍了Markowitz投资组合理论以及互联网上构建投资组合的意义,接着分析构建投资组合的几种基于Browser/WebServer的系统和给出网上投资组合系统的一个应用实例,最后提出在互联网上构建投资组合值得关注的几个问题.     

基于主成份分析思想的金融衍生证券定价伪蒙特卡罗模拟改进技术

在伪蒙特卡罗模拟应用于金融衍生证券定价过程中，标准维纳过程的构造方法对模拟估计的效果具有十分重要的影响。本文首先对现有的传统标准维纳过程构造和布朗桥构造方法进行简要分析。在此基础上，基于主成份分析基本思想，对能够用于有效减少实际问题维数的主成份构造方法及其在高维衍生物证券定价问题中的应用进行了深入研究探讨，为进一步改进蒙特卡罗模拟在金融衍生物定证券定价中的应用效果提供了有效途径。     

相对主元分析方法及其在故障检测中的应用

通常情况下利用传统的主元分析方法虽然可以对系统进行故障检测和诊断，但是如果数据标准化以后呈“均匀”分布时，由于很难选取主元，或者选取出主元时没有考虑随机向量分量的物理意义，使得主元没有代表性。在分析了主元分析方法的基础上，我们提出了一种相对主元分析的方法，给出了相对主元的几何意义，同时还提出了相对化变换，分布“均匀”等概念。在处理分布“均匀”数据时，应用新概念和新方法，可有效地克服传统的主元分析（PCA）在数据压缩和故障检测与诊断时的不足。仿真结果验证了算法的有效性。     

基于主成分分析法的中小企业成长性评价模型及其应用

利用多元统计中的主成分分析法,建立了一种新的中小企业成长性评价模型,并对18家中小企业进行了实证分析。结果表明,该评价模型更能科学、合理地反映出我国中小企业的成长能力。     

基于改进主成分分析方法的复杂环境系统质量评价模型

针对多元统计中主成分分析方法在复杂环境系统质量综合评价应用中的局限性,在对传统方法进行一系列改进的基础上,建立了主、客观指标赋权方法优点相结合的环境质量综合评价分层构权PCA模型,并基于该模型方法给出47个中国国家环境保护重点城市的污染与环保现状的评价实例.实证分析的结果表明这是一种适合于复杂系统环境质量综合定量评价、稳定性较好且切实有效的方法模型.