摩擦市场下加权极大-极小随机模糊投资组合模型及实证

考虑投资者面临证券市场随机和模糊的双重不确定性，把证券收益率视为随机模糊变量. 根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数，构建目标权重不等的加权极大- 极小随机模糊投资组合模型. 在含有交易费用和最小交易单位约束的摩擦市场环境下，利用改进动态邻居粒子群算法求解投资组合问题. 采用实证方法把市场分为上升和下降两个阶段，研究模型的表现. 结果表明： 加权极大- 极小随机模糊投资组合模型的收益率优于均值-方差投资组合模型； 利用加权极大- 极小随机模糊投资组合模型能够满足不同风险态度投资者的需求，构建与投资者风险态度一致的投资组合.     

含交易成本和机会成本的极小极大多期投资组合选择模型

本文考虑了摩擦市场下的多期证券投资组合选择问题,利用极小极大原理,建立了在含有机会成本和交易成本的多期极小极大投资组合选择模型.利用非线性规划相关理论, 证明了该模型最优解的存在性,并利用凸规划相关理论与Kuhn-Tucker条件给出了求解该模型的一种方法,最后通过实例对结论进行了说明.     

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。     

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

不确定环境下的跳扩散连续时间资产配置策略

金融市场是一个复杂的非线性系统,在不确定环境下,如何在有限时域内最优配置资源,是金融理论研究的核心问题之一.面对现实生活中的大量不确定性因素以及多期投资问题,Markowitz的投资组合理论以及在其基础上发展起来的资本资产定价理论和套利定价理论则显得无能为力.本文研究了不确定环境下极大极小风险控制的连续时间投资组合优化问题,运用Bellman最优性原理和HJB方程构造了典型的资产组合优化模型,借助随机控制和多重网格数值逼近方法得到相应优化问题的最优投资策略,通过实证方法验证了过程风险控制下资产配置策略的有效性.     

多约束投资组合优化问题的实证研究

为克服经典MV模型假设条件过于苛刻,而已有相关文献在对其进行修正时仅考虑部分投资约束等不足,文章通过考虑现实经济活动中存在的各类投资限制条件,建立了带有多种投资约束的广义MV模型.在说明了如何有效求解所得投资组合问题之后,基于中国证券市场的交易数据对新模型进行了实证研究.结果表明所给模型不仅是合理、有效的,而且可较好地指导投资者选择最优而稳健的投资方案.     

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.     

加权极大-极小随机模糊投资组合模型及实证研究

考虑投资者面临证券市场随机和模糊的双重不确定性,将证券收益率视为随机模糊变量,根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数。利用加权极大-极小算子考虑投资者对期望收益和目标概率的差异要求,构建目标权重不等的加权极大-极小随机模糊投资组合模型,进一步推导模型的最优解。采用实证的方法,研究模型的表型。结果表明:加权极大-极小随机模糊投资组合模型有效边界与均值-方差投资组合模型不一致;加权极大-极小随机模糊投资组合模型可以根据期望收益和目标概率的权重变化,构建符合不同投资者心理需求的投资组合;加权极大-极小随机模糊投资组合模型的投资收益优于均值-方差投资组合模型。     

现代投资组合理论的若干进展

本文介绍了现代投资组合理论的一些前沿课题。首先介绍了如何利用时间序列预测法估计证券的预期收益率和风险。其次，介绍了求解投资组合模型的两种方法－Ｌａｇｒｎｇｅ乘子法和临界线决策法。最后提出了投资组合理论亟待解决的若干问题。     

投资机构的影响:多因素定价模型实证分析

CAPM、APT模型以及Fama-French三因素模型等都从不同角度来解释资产价格的变化过程。本文从证券市场主力（机构投资）着手．分析了多因素定价模型。通过中国证券市场的数据实证检验了多因素定价模型投资机构定价因子的存在。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

基于专家知识的模糊时间序列预测模型及应用

将投资专家的成功经验引入模糊时间序列模型,实现股票市场走势的多步预测。根据专家经验构造多个反映市场结构特征的变量并将其模糊化为模糊时间序列;建立具有多前件、高阶模糊关系的模糊时间序列预测模型;最后,将该模型用于股票指数预测。结果表明,与经典模糊时间序列模型相比,其预测精度有了较大提高。     

波动率风险溢酬: 时变特征及影响因素

应用香港市场的数据, 通过构造恒生指数看涨期权的动态delta中性组合估计了股票市场的波动率风险溢酬, 并对其时变的 特征和影响因素进行了分析. 实证结果表明: 香港股票市场上的确存在显著为负的波动率风险溢酬, 说明波动率的确是随机的, 是市场中存在 的另一个风险源. 而投资者是厌恶波动率风险的, 并通过支付较高价格购买股指期权来规避这一风险, 股指期权并非股票现货的冗余证券. 并且, 波动率风险溢酬呈现明显的时变特征, 其最重要的影响因素是股票现货市场的波动率, 股市当前的波动率越大, 投资者对未来波动的预期和风险 厌恶程度越高, 越愿意为规避波动率风险支付更高的风险溢酬.     

证券组合投资分析的进化博弈方法

给出证券组合选择的一个进化博弈方法。将证券市场看成投资者群体博弈，其中财富流入更成功的投资策略，证券的价格由市场出清条件决定。在投资者为风险中性的假设下，我们指出惟一的纯策略Nash均衡是所有投资者按证券的(归一化后)期望收益成比例地分配财富，即根据证券的基本价值投资。进一步我们证明了该Nash均衡策略是Schaffer意义下的进化稳定策略。     

基于微信文本挖掘的投资者情绪与股票市场表现

本文以基于微信文本挖掘的投资者情绪与上证指数收盘价、成交量为研究对象,研究了投资者情绪时间序列与收盘价、成交量时间序列之间的关系.研究结果验证了投资者三种情绪倾向对股票市场的影响方式和效果不同:基于微信文本挖掘的投资者消极情绪比例能够稳定预测上证指数收盘价,基于微信文本挖掘的投资者积极情绪倾向和中性情绪倾向比例的增减变动能够迅速引发滞后1天的上证指数成交量的增减变动.研究表明基于微信文本挖掘的投资者情绪对于预测股票市场表现有重要作用.     

中国股票市场长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳的周和日收益序列,采用非线性估计方法提高R/S系列分析估计H参数的精确度.并用ARFIMA模型对沪深股市的收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些中国证券市场有效性的结论.     

基于模糊C-均值聚类与支持向量机的PMV指标预测系统

为了更好地预测室内热舒适度PMV指标,在分析模糊C-均值聚类方法与支持向量机方法的优势和互补性后,探讨了二者的结合方法,提出了一种基于模糊C-均值聚类预处理的支持向量机PMV指标预测系统.该方法把复杂的数据集看作多个群体的混合,每个群体采用单一的回归模型进行描述,使得大规模数据集的回归估计问题变成了一个多模型估计问题.将该系统应用于PMV指标预测中,与标准支持向量机方法相比, 得到了较高的预测精度,从而说明了基于模糊C-均值聚类方法作为信息预处理的支持向量机学习系统的优越性.     

研究证券均衡定价和风险分析的多目标线性规划模型

在文献［８］、［９］的基础上，研究了证券组合有效集的结构和市场证券组合的特性，提出一种新的投资风险的度量指标——相对风险系数，并给出风险证券均衡价格，系统与非系统风险测算的一类新方法。     

变权组合预测模型研究

给出了一种变权重组合预测模型权系数估计的新算法 .该算法通过广义逆矩阵的循环迭代 ,形成收敛的权系数 ,进而进行组合预测 .文中还给出了算法收敛性的证明 .实例分析效果是显著的——变权重方法比普通方法预测精度高 ,拓广了组合预测的范围.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.