多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

基于线性矩阵不等式的贷款组合鲁棒优化模型

运用线性矩阵不等式方法,研究了商业银行贷款组合选择的鲁棒优化问题.在Markowitz均值-方差理论基础上,建立了贷款组合鲁棒优化模型,并用多个期望收益向量和协方差矩阵描述未来贷款收益的不确定性,给出了线性矩阵不等式的求解方法.用数值仿真验证了模型的有效性.由于模型考虑了未来贷款收益的不确定性,得到了可靠性较高的结果.研究结果表明,该模型具有鲁棒性,可以有效降低贷款风险,并可为商业银行提供贷款决策依据.     

On the Modelling and Forecasting of Multivariate Realized Volatility: Generalized Heterogeneous Autoregressive (GHAR) Model

Recent multivariate extensions of the popular heterogeneous autoregressive model (HAR) for realized volatility leave substantial information unmodelled in residuals. We propose to employ a system of seemingly unrelated regressions to model and forecast a realized covariance matrix to capture this information. We find that the newly proposed generalized heterogeneous autoregressive (GHAR) model outperforms competing approaches in terms of economic gains, providing better mean–variance trade‐off, while, in terms of statistical precision, GHAR is not substantially dominated by any other model. Our results provide a comprehensive comparison of the performance when realized covariance, subsampled realized covariance and multivariate realized kernel estimators are used. We study the contribution of the estimators across different sampling frequencies, and show that the multivariate realized kernel and subsampled realized covariance estimators deliver further gains compared to realized covariance estimated on a 5‐minute frequency. In order to show economic and statistical gains, a portfolio of various sizes is used. Copyright © 2016 John Wiley & Sons, Ltd.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

企业R&D项目最佳组合及中止决策

从系统观点论述了对正在实施的 R& D项目进行中止决策的重要意义及中止决策的主要研究内容 .提出了确定企业 R& D项目最佳中止比例的三阶段数学模型 .进而 ,将该模型与模糊综合评判方法相结合来确定应被中止 R& D项目并给出一个案例.     

我国国债收益率的预测与评价

由于我国的债券市场被人为地分成交易所市场和银行间市场，不同的国债投资主体被限制在不同的国债流通市场进行交易，因此国外的债券收益率的理论和模型并不能完全的适用于中国现状。目前，我国相关的主要研究大都针对某个特定的市场或某种特定的方法，缺乏一种完整的收益率模拟方法和评价体系，其一般仅对其中一个市场进行收益率的波动性分析，本文对交易所国债收益率建立ARIMA—TARCH模型并进行预测，预测评价指标和误差分析指标表明其具有很高的精度和预测能力。     

信息不完全与资产组合理论的文献综述

介绍了信息不完全与资产组合理论的基本理论成果,指出作为信息情报科学与经济学的交叉学科,现代资产组合理论是这一领域最为成功和最活跃的理论.     

基于最小扰动相关去噪法股票投资组合风险优化

金融相关矩阵的计算是构建金融投资组合的基础.为解决金融相关矩阵的“维数灾祸”问题,进而促进金融投资组合风险的优化,受基于随机矩阵理论(RMT)和特征向量的Krzanowski稳定性的KR去噪法的启发,对收益相关矩阵特征值增大时的特征向量最小扰动进行了数学推导,并将以该扰动衡量的特征向量的Krzanowski稳定性引入到RMT去噪法中,进而建立对金融收益相关矩阵去噪的KRMIN方法. KRMIN法对KR法的算法进行了两方面的优化.一方面, KRMIN法对KR法的特征值设定方法进行了扩展; 另一方面, KRMIN法采用模拟退火算法计算特征值.理论研究表明,由于在收益相关矩阵特征向量的稳定性和特征值算法准确性上的优势, KRMIN方法将获得比KR法更好的组合风险优化效果.通过bootstrap方法,开展了将LCPB法、PG+法、KR法和KRMIN法用于不同数量股票的投资组合优化的实证研究.结果表明: LCPB法、PG+法、KR法和KRMIN法都能通过股票收益相关矩阵去噪而带来投资组合风险的优化;基于收益相关矩阵特征向量的Krzanowski稳定性的KR法和KRMIN法的组合风险比其他两种方法更低;由KRMIN法得到的收益相关矩阵的特征向量稳定性和组合风险优化效果好于KR法.     

论唐宋词“植物＋雨”意象的精神指向

植物和雨都是自然界的外在表征。唐宋词中有丰富的“植物＋雨”意象，它就是一个把自然界浓缩在文字中的生动图谱。当这些自然物因为作家主观情志的复杂经验，上升为意象后，便承载了丰富的文化精神意味，作为一种情感符号，它承载着作家的创作意图和心理倾向。     

考虑大宗交易的均值-方差投资组合优化模型及其分支定界算法

由于大宗交易下边际交易费用递减,因此用线性加凹的函数拟合实际交易费用函数, 建立了均值-方差框架下的组合优化模型并给出了相应的求解算法.通过对恒生指数样本股的实证分析发现:考虑大宗交易的组合有效边缘介于线性交易费用和无交易费用的组合有效边缘之间; 大宗交易稀释了“分散化降低风险”的效应; 大宗交易下交易费用越大, 相对于线性交易费用而言组合集中度越高.