风险资产组合均值-CVaR模型的算法分析

CVaR是指损失超过VaR的条件均值,反映了损失超过VaR时可能遭受的平均损失水平,它克服了VaR的非一致性、非凸性等不足.本文基于CVaR风险计量技术,分析了风险证券的投资收益率在服从正态分布下的风险资产组合均值-CVaR模型,给出了该风险资产组合有解的条件,以及在该条件满足下,最小均值-CVaR组合的投资比例解析形式和最小值.     

基于Laplace分布和CVaR的投资组合模型研究

金融资产收益率的实际分布具有显著的尖峰肥尾性,Laplace分布比正态分布能更好地刻画尖峰肥尾性;引入Laplace分布,得到了风险价值VaR和条件风险价值CVaR的计算公式;建立了均值-CVaR投资组合模型,得到了模型有效前沿和最优解的表达式;最后采用沪深股市的股票进行实证研究,并与正态分布下的均值-CVaR有效前沿进行了比较,结果表明了模型的有效性和算法的合理性.     

地方配电公司购电优化问题分析

以条件风险价值(CVaR)作为风险量测,以对数正态分布模拟未来市场电价,使用实际购电数据,为购电商LDC(地方配电公司)建立一种新型的均值-CVaR模型.对其在3个市场的购电作优化组合和风险评估,并与均值-方差模型所得结果作比较.结果表明,所建立模型能在保证一定的成本约束下使LDC承担的CVaR风险最小,较均值-方差模型提供更能反映实际风险的结果.     

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进，是一种较之VaR更加客观谨慎的风险度量方法。运用CVaR的动态计算模型——GARCH-CVaR模型，对我国股票市场风险特征进行了分析研究，结果表明：我国股票市场具有显著波动聚集性及持续性，股票市场的CVaR值始终比同期VaR值偏大，尤其在市场剧烈波动即风险较大时．     

基于GARCH模型的风险价值在现货黄金市场的比较研究

风险价值VaR现广泛运用于金融风险测量中,但基于正态性假设的VaR并不能很好的处理金融变量中的尖峰厚尾性且VaR未能考虑更加重要的尾部风险,CVaR 弥补了VaR方法存在的缺陷.利用基于GARCH模型的CVaR在性质上的优越性,通过现货黄金市场的实证研究,对不同分布下的VaR及CVaR值进行比较,得出新的结论.我们发现基于GED分布GARCH模型的VaR及CVaR值要好于基于正态分布及t分布的VaR及CVaR值.     

基于ARMA-GARCH模型的风险价值与条件风险价值计算

基于ARMA-GARCH模型,给出风险价值VaR、条件风险价值CVaR的计算公式,分别在标准正态分布、student＇T分布、Skewed-T分布、广义误差分布条件下对模型进行数值模拟,并用上证A股、大同煤业股票相关数据拟合模型来进行实证分析.结果表明,利用ARMA-GARCH模型给出的计算公式能够准确地估计VaR值与CVaR值,并且随着给定概率水平p的减少,VaR与CVaR的值增大,对于给定同一概率水平的CVaR值比VaR值大,CVaR比VaR更能体现风险度量的大小.     

MC-GARCH模型在互联网金融风险度量中的实证研究

针对互联网金融风险测度问题,提出了MonteCarlo模拟法。首先,选取中证互联网金融指数作为研究对象,并对数据进行基本的统计分析,得出中证互联网金融指数对数收益率具有尖峰厚尾性和异方差性的特点,建立GARCH模型,对序列的均值和方差进行估计;其次,基于GARCH模型计算出的均值和方差,利用MonteCarlo模拟法计算中证互联网金融指数的VaR和CVaR值;最后,对模型的准确性和精确度方面进行Kupiec返回检验。结果表明:VaR和CVaR均可作为度量互联网金融风险的工具,但VaR无论在准确性上还是精确度上都远低于CVaR,故CVaR是一种更优良的风险测度工具。     

基于均值-CVaR- 熵的社保基金最优投资组合模型

为研究社保基金最优投资组合问题,在借鉴现代投资组合理论的基础上,从证券投资组合理论的风险度量着手,用条件在险价值（Conditional Value at Risk,CVaR）和熵来共同度量风险,提出新的风险度量模型：均值-CVaR-熵模型。在保证投资组合收益率的前提下,以 CVaR 和叉熵函数的线性组合为最小目标函数,在险价值（Value at Risk,VaR）为约束条件,构建考虑交易成本和政策约束下不允许卖空的基于均值 CVaR 熵的社保基金投资组合模型,探讨社保基金的投资方式及投资比例的分配问题,并利用实际数据求得该模型的最优解及各资产的分配比例。结果表明多元化投资是我国社保基金投资实现保值增值目的的必然选择。     

具有熵约束的均值-CVaR投资组合决策研究

结合条件风险价值CVaR和熵风险度量方法,提出不允许卖空情况下具有熵约束的均值-CVaR投资组合模型,并采用序列二次规划和不等式组的旋转算法进行求解,最后通过一个具体实例验证了上述模型和算法的有效性。     

含有资本结构因子和交易成本的均值-CVaR投资组合策略选择模型

以CVaR为度量风险的标准,建立了机会约束下含有资本结构因子和交易成本的均值-CVaR投资组合选择模型.运用优化理论,得到最优解的解析表达式,利用Matlab给出该模型的最优解、最优解均值及CVaR的程序,最后通过算例对模型的应用予以说明,发现在考虑资本结构因子和交易成本后最优策略发生了改变.     

基于风险度量模型的高频股票交易数据的比较分析

探讨GARCH-VaR和GARCH-CVaR模型的参数估计,并在实例分析中比较了其估计效果.针对高频股票交易数据的非平稳性,建立对数收益率的ARMA(3,2)-GARCH(1,1)模型,并计算VaR和CVaR的值.实证研究表明,GARCH-CVaR模型比GARCH-VaR模型估计效果更好,运用GARCH模型能有效计算出VaR和CVaR的值,从而精确给出证券市场中高频股票交易数据的风险度量.     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

基于CVaR保险基金投资模型

基于CVaR这一风险度量方法,构建了一个考虑个体风险限制、交易成本以及投资比例约束的均值-CVaR保险基金投资组合优化模型,并进一步地讨论具有承保风险的模型,文章最后给出一个算例对模型进行了实证分析.     

基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究

运用GARCH-CVaR和GARCH-VaR方法,在不同模型、不同分布、不同置信水平的假定下,对人民币汇率风险进行测度,测度结果表明:GARCH模型的种类对CVaR和VaR的计算结果影响不明显,而分布假定和置信水平对CVaR和VaR的计算结果影响显著;同时,还对GARCH-CVaR和GARCH-VaR的风险测度效果进行了对比研究,对比结果表明:分布假定和置信水平会显著影响CVaR对VaR的改进效果.     

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。     

基于分数布朗运动的脆弱欧式看涨期权的风险值分析

在股票价格、公司价值均服从分数布朗运动,公司负债为常数的条件下,讨论脆弱欧式股票看涨期权的风险价值(value at risk,VaR)和条件风险价值(conditional value at risk,CVaR)的计算问题,并推导了该期权的VaR和CVaR的计算公式.     

VaR与CVaR的对比研究及实证分析

对两种风险度量方法——风险价值（VaR）和条件风险价值（CVaR）的性质和最优化算法进行了比较．首先对它们具有的性质如平移不变性等进行了比较,其中CVaR独有的次可加性最能显示它相对于VaR的优越性．然后,通过引入顺序统计量,把现实中基于CVaR的最优组合问题转化成线性规划问题,并说明只有当收益服从高斯分布时,基于VaR和CVaR的两种最优组合问题的解才是一致的,基于VaR的最优问题才有意义．最后对深市股票进行了实证分析,验证了上述结论,并分析了可能存在的影响结果的因素．     

基于C藤copula的收益率自相依结构估计以及条件VaR计算

风险价值VaR是一种非常重要的风险度量方法,基于C藤copula(canonical vine copula)给出了条件VaR的一种新的估计方法.首先基于C藤copula对连续几个交易日收益率之间的自相依结构进行了估计,进而给出了在前n个交易日收益率条件下,下一交易日收益率密度函数的估计方法,并对下一交易日的VaR值进行估计.C藤copula的引入使我们能更准确地描述收益率序列中的相依结构,从而能够更加准确地预测市场风险.最后分别对沪深300指数、上证180指数和上海黄金交易所贵金属价格进行了CVaR估计以及预测效果检验实证分析,实证结果表明所提出的模型在VaR值预测方面的表现要远远优于历史模拟法以及方差-协方差法等.     

带条件风险约束的发电商最优投标模型及计算

采用条件风险(CVaR)作为风险度量指标,建立了双层优化的发电商投标模型,上层解决社会效益最大和风险最小问题,下层解决发电商利润最大问题,设计了启发式粒子群算法(PSO)求解该复杂的双层优化模型.在4节点2机系统和9节点3机系统进行了实验,说明该模型和算法具有较好的计算效果和时效性,通过实验数据比较显示CVaR比VaR更准确地度量了发电商的风险.     

风险因素服从It过程下的条件风险价值

有效地对各种风险进行管理有利于银行和其他金融机构作出正确的决策、有利于保护其资产的安全和完整、有利于实现其经营活动目标,具有重要的意义.因此对风险进行度量就成为了首要的任务,本文在风险因素服从It过程下,研究了风险度量风险价值(VaR)和条件风险价值(CVaR)的计算问题和应用概况,并给出了CVaR－风险贡献计算表达式,同时阐述了CVaR－风险贡献的应用.