投资组合保险价值分析

投资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,因此风险资产价格波动对投资组合保险产生极大影响.本文利用动态复制模拟期权的方法,讨论风险资产价格波动与投资组合保险价值、投资组合保险收益、投资组合保险成本之间的关系,并进行相应的数据实证分析,为投资保险者提供一定的技术支持.     

估计量和预测模型的选择对高频协方差阵的预测及组合收益的影响

围绕复杂的估计方法是否有助于提高协方差阵的预测效果和组合收益进行研究。在预测模型一定的情况下,从统计精度和经济价值的角度对不同协方差阵估计量的预测效果进行了比较;同时在协方差阵一定的情况下,也对不同的预测模型进行了比较。研究发现同时考虑了噪声和跳跃影响的双频已实现协方差阵(RTSCOV)在所有比较标准下均具有最好的表现,并且较低频协方差阵而言,高频协方差阵应用在投资组合中会获得更高的收益。     

基于RR-EP模型的风险量化技术

经典的均值-方差投资组合模型作为现代投资组合理论的基础, 采用方差作为风险度量, 忽略了投资组合收益的非对称性. 半方差模型只侧重于风险部分的度量, 而对于高出期望值的部分 (超额收益)未予考虑. 文章针对方差、半方差方法作为风险测度的不足, 提出了一种新的度量投资风险和收益的RR-EP模型, 该模型不仅能度量投资的相对风险而且还能够对于高出期望值的那部分收益予于充分考虑. 并结合连续型随机变量的情形, 进一步讨论RR-EP模型的性质及其与传统度量风险方法的一致性. 实例分析说明了方法的实用性和有效性.     

基于滚动经济回撤约束和下半方差的最优投资组合策略

最大回撤和下半方差均是投资者在实际投资过程中非常关注的风险指标.本文创造性地将这两个风险指标纳入投资组合分析框架,提出了基于风险资产滚动经济回撤约束和下半方差的最优投资组合策略(REDP-LSV策略).该策略以风险资产滚动经济最大回撤为约束条件,以风险资产的下半方差代替方差,研究了投资组合中风险资产的动态配置过程,并给出了解析解.分别采用模拟的实验数据以及中国市场实际风险资产数据,研究了投资组合中包含一种风险资产和两种风险资产的情况,结果均显示REDP-LSV策略能很好地控制最大回撤,且更能提高投资绩效.     

基于GJR-EVT-COPULA和下偏矩的最优资产组合分析

与方差风险测度相比,下偏矩一方面能够度量下边风险,另一方面通过设置不同的风险因子它可以更广泛的反映投资者的风险偏好.Harlow[1]建立了基于历史数据的均值下偏矩最优投资组合模型,本文考虑建立预测数据下的均值下偏矩最优投资组合模型,并同Harlow的模型进行实证比较.考虑到实际收益数据的时变性、杠杆效应和厚尾特征,引入AR(1)-GJR(1,1)-EVT模型来描述金融时间序列的上述特征,并通过t Copula函数描述资产收益之间的非线性相关性.对基于历史数据的均值-二阶下偏矩模型和基于预测数据的均值-二阶下偏矩模型的投资绩效进行考察.中国股市的实证结果表明,基于预测数据的均值二阶下偏矩模型可以得到更好的投资绩效.     

基于离散时间交易下的CPPI策略

投资组合保险策略在资本市场中不仅可以预防下跌风险同时也能把握上涨的收益。CPPI策略作为一种重要的投资组合保险策略实际应用十分广泛,很多研究都假设市场在连续时间的条件下,比如Black-Scholes市场,并设置价值底线作为最低需要保本的金额。但是实际市场往往会出现大的波动而使得资产组合价值突然跌破价值底线,也就是缺口风险。通过进一步研究基于离散时间交易下的CPPI策略,修正原有策略中需要进行调整的底线,从而考察了存在缺口风险的市场下投资组合保险策略的有效性,并且运用资金损失概率、预期损失等风险度量指标来衡量新模型的风险。     

考虑非同步交易影响的金融高频协方差阵的估计及应用

在大数据时代,高维高频金融数据的协方差阵在投资组合中扮演着重要角色。但当高维资产的交易频率存在显著差异时,非同步交易会导致"Epps"效应,严重影响协方差阵的估计效率。本文将结构矩阵填充模型(SMC)与VAR-LASSO模型相结合,建立SMC-VAR-LASSO模型来估计和预测高维高频数据的协方差阵。该模型将资产按照交易频率的高低分组,避免直接估计和预测所有资产间以及交易频率低的资产间的协方差阵,在解决非同步交易问题的同时,大大降低了数据损失量,提高了协方差阵的估计效率。将SMC-VAR-LASSO模型应用在投资组合中,并将其与VAR-LASSO模型进行比较后,发现:SMC-VAR-LASSO模型在投资组合中的应用效果更好,其提高了投资者的收益和经济效用,降低了风险。     

信息与投资组合

研究信息与均值-方差投资组合之间的关系.在L2框架和给定部分信息下,清楚地给出了均值-方差意义下的最优收益和有效前沿的表达式.为了刻画信息对投资组合的影响,引入了信息的风险-收益系数概念.信息的风险-收益系数随信息的增加而增加.投资者的最优收益的期望值和方差由其对应信息的风险-收益系数和风险厌恶参数共同决定.而市场的风险价格完全由信息的风险-收益系数确定.等价信息下最优风险资产组合的收益(在相差常数倍意义下)是唯一的.零信息下投资者仅投资于无风险资产.投资者对一无所知的风险资产不投资.     

不确定性规避下的动态资产组合选择

在Heston(1993) 随机波动模型中引入一个新的随机变量,用以测度风险资产价格未来实际运动与模型描述之间的不确定性差异,研究投资者面对时变投资机会和规避该不确定性差异下的动态资产组合选择问题.通过设定不确定性规避状态函数,运用稳健控制方法获得最优动态资产组合选择的封闭解.分析表明,当投资者的风险规避程度大于(小于)1时,时变投资机会导致正(负)投资期效应;规避不确定性差异导致风险资产投资减少;动态资产组合选择行为可解释非市场参与之迷.最后,以上证综指1991-01-2006-10间的月度收益数据为样本,用谱广义矩法估计随机波动模型中的参数进一步验证和量化上述分析.     

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。     

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架,基于跳跃、好坏波动率与百度指数提出HAR改进模型,实证研究揭示股指期货波动运行规律,并通过MCS检验分析预测模型优劣.HAR建模考察连续-跳跃波动、好-坏波动率的两种已实现波动分解.为了降低波动率估计偏差,基于序列相关法仿真统计最优抽样频率,利用已实现核修正的ADS检测识别跳跃,进一步修正好坏波动率与符号跳跃.基于沪深300股指期货的样本内外预测表明:连续波动比跳跃波动对未来已实现波动的预测贡献更大;好坏波动率具有不对称的波动冲击,好(坏)波动率抑制(加剧)未来波动性;符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;百度指数能显著提升HAR波动建模的样本内外预测能力;MCS检验证实,考虑符号跳跃与百度指数的HAR-RV-SJ-BI模型表现最佳.研究结论对认识股指期货波动规律和市场风险具有意义.     

价格跳跃风险下CPPI策略多期收益保证价值的测算

价格向下跳跃是引致CPPI策略收益保证缺口风险的主要因素之一，对CPPI策略收益保证价值贴近实际的测算必须考虑价格跳跃因素的影响. 本文对风险资产价格服从对数正态跳跃扩散过程情形下CPPI策略多期收益保证的价值进行测算. 文章给出了固定混合策略下多期收益保证价值封闭形式的测算公式. 数值分析的结果表明：1）当风险资产价格服从几何布朗运动时，CPPI策略多期收益保证的价值为0，且模型参数的变动对该结论无影响；2）当风险资产价格服从对数正态跳跃扩散过程时，CPPI策略多期收益保证的价值与CPPI策略的乘数、 收益保证水平以及风险资产价格的波动率正相关.     

高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

证券投资基金的风险资本确定研究

研究基金管理人如何配置风险资本以抵御来自资产组合收益风险的问题。建立基金管理人确定风险资本的模型，给出关于投资组合收益率分布函数的最小风险资本比率。用跳跃一扩散过程来描述市场收益率，在此基础上建立基金的投资组合的收益率模型，并给出模型参数的估计方法。利用随机模拟方法获得投资组合收益率的模拟样本．可以获得投资组合收益率的经验分布，进而计算最小风险资本率。用模拟方法获得的投资组合收益率的经验分布可以克服用常方差正态分布假设的误差。本文的结果对基金管理人的风险管理具有指导意义。     

高频数据下投资组合风险预测模型比较

＂已实现＂协方差矩阵是对投资组合波动性及相关性的一种全新的度量方法.系统介绍基于高频交易数据的＂已实现＂波动率及由它拓展而来的＂已实现＂协方差矩阵.利用样本数据对模型进行检验,并比较分析该方法与DCC-GARCH方法的优劣.对比结果说明,这种基于高频交易数据的多元RV估计方法在估计精度和计算简便程度上明显优于DCC-GARCH方法.     

Large Dynamic Covariance Matrix Estimation with an Application to Portfolio Allocation: A Semiparametric Reproducing Kernel Hilbert Space Approach

The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structure has often been taken into account. This paper proposes a dynamic factor structure whose factor loadings are generated in reproducing kernel Hilbert space (RKHS), to capture the dynamic feature of the covariance matrix. A simulation study is carried out to demonstrate its performance. Four different conditional variance models are considered for checking the robustness of our method and solving the conditional heteroscedasticity in the empirical study. By exploring the performance among eight introduced model candidates and the market baseline, the empirical study from 2001 to 2017 shows that portfolio allocation based on this dynamic factor structure can significantly reduce the variance, i.e., the risk, of portfolio and thus outperform the market baseline and the ones based on the traditional factor model.

     

Dynamic portfolio choice under the time-varying, jumps, and knight uncertainty of asset return process

By introducing a stochastic element to the double-jump diffusion framework to measure the Knight uncertainty of asset return process,this paper builds the model of dynamic portfolio choice, which maximizes the expected utility of terminal portfolio wealth.Through specifying the state function of uncertainty-aversion,it utilizes the max-min method to derive the analytical solution of the model to study the effect of the time-varying,jumps,and Knight uncertainty of asset return process on dynamic portfolio choice and their interactions.Results of comparative analysis show:The time-varying results in positive or negative intertemporal hedging demand of portfolio,which depends on the coefficient of investor’s risk aversion and the correlation coefficient between return shift and volatility shift;the jumps in asset return overall reduce investor’s demand for the risky asset,which can be enhanced or weakened by the jumps in volatility;due to the existing of the Knight uncertainty,the investor avoids taking large position on risky asset,and the resulting is the improving of portfolio’s steady and immunity.At last,an empirical study is done based on the samples of Shanghai Exchange Composite Index monthly return data from January 1997 to December 2009,which not only tests the theoretical analysis but also demonstrates that the proposed method in the paper is useful from the aspect of portfolio’s equivalent utility.     

A Nonlinear Interval Portfolio Selection Model and Its Application in Banks

In classical Markowitz’s Mean-Variance model, parameters such as the mean and covariance of the underlying assets’ future return are assumed to be known exactly. However, this is not always the case. The parameters often correspond to quantities that fall within a range, or can be known ambiguously at the time when investment decision must be made. In such situations, investors determine returns on investment and risks etc. and make portfolio decisions based on experience and economic wisdom. This paper tries to use the concept of interval numbers in the fuzzy set theory to extend the classical mean-variance portfolio selection model to a mean-downside semi-variance model with consideration of liquidity requirements of a bank. The semi-variance constraint is employed to control the downside risk, filling in the existing interval portfolio optimization model based on the linear semi-absolute deviation to depict the downside risk. Simulation results show that the model behaves robustly for risky assets with highest or lowest mean historical rate of return and the optimal investment proportions have good stability. This suggests that for these kinds of assets the model can reduce the risk of high deviation caused by the deviation in the decision maker’s experience and economic wisdom.     

基于高频方差持续的资本资产定价模型研究

对高频金融时间序列的“已实现”波动和“已实现”协方差提出相应的模型并建立“已实现”波动自回归移动平均模型和“已实现”波动向量自回归模型.同时,给出了高频时间序列持续性定义及相关性质.在“已实现”波动自回归移动平均模型基础上,从条件方差持续性的角度,讨论了条件方差的持续性对资产资本定价模型的影响.又进一步讨论了多资产组合条件下,“已实现”波动向量自回归模型持续性对组合投资的影响.给出了基于“已实现”波动自回归移动平均模型的实证分析,指出当模型具有单位根时条件方差对资产定价的影响是持续的.最后讨论了条件方差持续性质在金融分析中的现实意义.     

基于信用风险迁移条件风险价值最小化的贷款组合优化模型

把企业信用风险迁移引入贷款收益率的计算中,引入条件风险价值(CVaR)来度量贷款组合风险,建立了组合贷款优化决策模型.本模型的特色:① 用CVaR代替VaR,控制了贷款组合极端损失的发生;② 反映了企业信用等级迁移对企业收益率波动的影响,更加客观地反映了贷款的真实风险,解决了现有研究仅简单求解各笔贷款的收益率标准差而忽略信用风险迁移的问题;③ 通过现行法律法规为约束条件,在约束条件中,控制了流动性风险,避免了资产配置的流动性危机,保证了银行资产配给的合法性与合规性.