E-SV风险测度组合证券投资模型及代数解法

分析了 Markowitz模型在实际应用中的不足之处 ,以 E- SV风险测度为基础提出了组合证券投资决策的效用函数 ,并建立了允许卖空条件下的投资决策最优化模型。该效用函数可以避免 Markowitz模型关于证券收益率的正态假设 ,以及投资者的风险厌恶假设。另外 ,提出的组合证券投资决策模型可以通过代数方法求解。对Markowitz模型和我们所提出的模型进行了比较分析 ,并结合案例分析 ,阐述了我们的决策模型在理论和实际应用中的有效性。     

非线性协整关系及其检验方法研究

文献「４」所提出的协整概念描述了向量时间序列中的长期线性均衡关系,从而可以称为“线性协整”。然而,经济系统中的许多时间序列是长记忆的,这些序列本身以及序一是往往存在非线性关系,所以对这些序列进行线性协整分析是不太合适的。     

有关风险测度及组合证券投资模型研究

Markowitz以证券收益率的方差作为投资风险的测度建立了组合证券投资决策模型 ,并进行最优证券组合的选择 .本文分析了 Markowitz模型的不足之处 ,以半方差 ( E- Sh)风险测度为基础 ,提出了最优证券组合选择的风险目标函数 ,建立了组合证券投资决策的最优化模型 ,同时给出了最优化模型的求解方法以及证券组合有效边界的确定方法 .最后 ,文章结合实际案例 ,分析了风险目标函数及最优化模型在实际应用中的有效性.     

关于单整时间序列非线性变换的研究

文献［１］提出了单整序列的非线性变换问题,并对变换序列的统计性质进行了分析．文献［２］也对单整序列的非线性变换问题进行了比较深入的研究,他们都得出结论：一般情况下,一个Ｉ（１）序列的非线性变换会产生一个长期记忆序列,但是变换后的序列未必是一个Ｉ（１）序列．本文讨论了文献［１,２］关于单整序列非线性变换问题的研究方法和基本结论,同时提出了一个新的问题：如果｛Ｘｔ｝和｛Ｙｔ｝都是Ｉ（１）序列,并且它们之间不存在协整关系,那么在什么条件下存在｛Ｘｔ｝和｛Ｙｔ｝的非线性变换,使得变换后的序列是协整的？论文首先根据ＡＣＥ算法,提出了最优非线性变换函数的估计方法,然后对估计后的残差序列进行单位根的检验,从而检验变换后序列｛ｆ（Ｙｔ）｝和｛ｇ（Ｘｔ）｝之间协整关系的存在性     

组合证券投资模型研究

在分析Ｍａｒｋｏｗｉｔｚ组合证券投资模型、绝对离差风险测度模型和Ｅ－Ｓｈ风险测度模型的基础上,针对上述模型的不足之处,提出了新的风险测度下的组合证券投资最优化模型,给出了计算最优投资权重系数和确定有效边界的方法．并结合案例分析了最优化模型的有效性     

具有高阶单整分量的协整系统

在计量经济学领域，协整的概念被广泛地应用于非平稳时间序列的分析．关于具有高阶单整分量的非平稳时间序列分析问题，本文提出了广义协整的概念，并对广义协整条件下的表现定理进行了讨论．