基于长期CVaR约束的高频投资组合优化

高频和低频数据的合理使用一直是投资组合领域的重要问题之一.文章将混频的思想引入投资组合策略中,首先利用包含长期信息的低频数据构建CVaR约束,并将其引入基于高频已实现协方差估计量的全局方差最小(GMV)策略中.在协波动率的估计量和预测方法上,文章将一种最优滚动窗宽选择方法与常用的HAR预测模型相结合,对具有降噪纠偏特性...     

基于CVaR的多目标投资组合模型

金融市场的发展与完善,以及人民收入水平的提高,使越来越多人关注金融投资并成为热点.理性的投资者总是期望风险尽可能低同时收益又尽可能高,而且希望投资的资产易于管理和管理成本低.考虑投资者多个目标的要求,将运用CVaR风险度量方法,提出一个均值—CVaR—资产数目的多目标投资组合模型,并利用多目标粒子群算法对模型进行实证分析,验证新模型的可行性和有效性,为热衷投资的投资者进行投资组合提供一个新方法.     

CVaR风险度量模型在投资组合中的运用

风险价值(VaR)是近年来金融机构广泛运用的风险度量指标，条件风险价值(CVaR)是VaR的修正模型，也称为平均超额损失或尾部VaR，它比VaR具有更好的性质。在本中，我们将运用风险度量指标VaR和CVaR，提出一个新的最优投资组合模型。介绍了模型的算法，而且利用我国的股票市场进行了实证分析，验证了新模型的有效性，为制定合理的投资组合提供了一种新思路。     

基于CVaR方法的房地产组合投资最优化模型研究

房地产开发项目投资是具有高风险高回报的典型的风险投资.在这个高风险的投资环境中要想达到预期目标,就必须对整个项目进行开发投资风险分析.本文运用CVaR对房地产项目投资存在的风险进行识别度量,通过建立基于CVaR下的房地产组合投资模型,达到项目风险防范的目的,提高投资回报的稳定性.     

基于熵和CVaR的多目标投资组合模型及实证研究

股票组合的选取以及对风险的度量在投资过程中极为重要.基于熵模型和CVaR风险度量方法,文章提出了一种新的多目标投资组合优化模型,并利用模糊集理论和粒子群算法对模型进行求解.同时,通过深圳综合指数、中小板综合指数和上证180指数的实际股票数据进行实证分析,结果表明与其他经典投资组合模型相比,文章所提出的模型在Sharpe...     

求解带有交易费的CVaR投资组合模型的L-S算法

本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L-S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.     

含MCVaR的投资组合优化统一模型

研究了Duarte提出的投资组合优化统一模型及条件风险价值(CVaR),分析了以CVaR为风险度量的投资组合优化模型的具体形式,建立了统一七种模型的投资组合优化统一模型,并发现统一模型是一个凸二次规划问题.     

基于CvaR的融入期权的投资组合模型

把期权作为一种投资对象融入到投资组合中,而不仅仅是作为风险对冲工具.用条件风险价值(CVaR)刻画组合风险,并求出最小化风险下的最优鲁棒投资组合策略.最后通过数值算例证明了模型的有效性,并得到融入期权后有效地提高了组合的收益,特别是当标的资产出现大的波动时,期权在组合中的表现更突出.     

CVaR鲁棒均值-CVaR投资组合模型与求解

传统的均值-风险(包括方差、VaR、CVaR等)组合选择模型在计算最优投资组合时,常假定均值是已知的常值,但在实际资产配置中,收益的均值估计会有偏差,即存在着估计风险.在利用CVaR测度估计风险的基础上,研究了CVaR鲁棒均值-CVaR投资组合选择模型,给出了另外两种不同的求解方法,即对偶法和光滑优化方法,并探讨了它们的相关性质及特征,数值实验表明在求解大样本或者大规模投资组合选择问题上,对偶法和光滑优化方法在计算上是可行且有效的.     

组合证券投资优化模型的比较研究

本文给出基于历史收益率数据的均值一极差和均值一离差型组合证券投资优化模型,并用实例对两模型的结果进行比较。     

基于CVaR的债券投资组合模型

针对债券投资组合中的风险度量难题,用CVaR作为风险度量方法,构建了基于CVaR的债券投资组合优化模型.采用历史模拟算法处理模型中的随机收益率向量,将随机优化模型转化为确定性优化模型,并且证明了算法的收敛性.通过线性化技术处理CVaR中的非光滑函数,将该模型转化为一般的线性规划模型.结合10只债券的组合投资实例,验证了模型与算法的有效性.     

基于CVaR投资组合优化问题的光滑化方法

对选定的风险资产进行组合投资,以条件风险价值(CVaR)作为度量风险的工具,建立单期投资组合优化问题的CVaR模型。目标函数中含有多重积分与plus函数,产生情景矩阵将多重积分计算转化成求和运算,提出plus函数的一个新的一致光滑逼近函数并给出求解CVaR模型的光滑化方法,最后的实证研究表明了本文算法的优越性。     

基于pair-copula情景生成和广义熵约束的CVaR投资组合模型研究

通过GARCH模型对收益率序列的边缘分布建模,结合copula构建收益率的联合分布函数,并由蒙特卡洛模拟生成收益率的情景,得到的结果代入广义熵约束的CVaR模型中,由此得到最优的投资权重.实证表明,在考虑不同资产之间的相依结构基础上得到的最优化结果相比传统的M-V模型具有明显的优势,在分散化和收益性上的到很好的效果.     

基于CVaR约束的指数组合优化模型及实证分析

随着指数衍生产品日益受到重视,指数化投资组合常被投资者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。本文将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差,并在分析CvaR(ConditionalValue at Risk)的基础上,在无交易费用和有交易费用的情况下,建立了基于CVaR约束的追踪误差最小化的指数组合优化模型,对指数进行复制,并通过实证分析,得出了基于CVaR约束的追踪误差最小时的样本期内及样本期外的最优投资策略,验证了CVaR约束控制风险的有效性。     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

基于CVaR的最优投资组合模型算法分析

通过引入光滑因子,改进了基于条件风险值(CVaR)的最优投资组合线性模型,并详细介绍了以VaR最小为目标函数的最优投资组合模型的算法设计思想与过程.