随机模糊的等比例-最小方差投资组合优化研究

Markowitz的均值-方差模型在投资组合优化中得到了广泛的运用和拓展,其中多数拓展模型仅局限于对随机投资组合或模糊投资组合的研究,而忽略了实际问题同时包含了随机信息和模糊信息两个方面。本文首先定义随机模糊变量的方差用以度量投资组合的风险,提出具有阀值约束的最小方差随机模糊投资组合模型,基于随机模糊理论,将该模型转化为具有线性等式和不等式约束的凸二次规划问题。为了提高上述模型的有效性,本文以投资者期望效用最大化为压缩目标对投资组合权重进行压缩,构建等比例-最小方差混合的随机模糊投资组合模型,并求解该模型的最优解。最后,运用滚动实际数据的方法,比较上述两个模型的夏普比率以验证其有效性。     

可信性均值-绝对偏差投资组合优化

为了度量金融市场的不确定性,本文引入了模糊变量。假设资产收益率为模糊数,分别运用可信性均值和可信性绝对偏差度量投资组合的收益与风险。考虑到投资者偏好,分别提出了以收益最大化的均值-绝对偏差优化模型和以风险最小化的优化模型。基于可信性理论,将上述模型转化为线性规划问题,并运用旋转算法求解。通过实证研究,证明了该算法的有效性,并比较了两个模型在实际投资决策过程中的效率。结果表明,以收益最大化的均值-绝对偏差优化模型效率优于风险最小的优化模型。     

具有现实约束的均值-方差模糊投资组合绩效评价

本文提出了具有实际约束的均值-方差模糊投资组合优化模型。由于实际投资约束情况,如交易成本、交易量限制、借款限制和基数约束的影响,投资组合优化模型非常复杂,难以获得真实前沿面的解析解,这给投资组合理论的应用带来了很大的困难。基于数据的实际约束的均值-方差模糊投资组合DEA评价模型,文章通过构造前沿面来逼近一般情形下真实的前沿面。最后,通过上海证券市场的实际数据验证了本文方法的合理性与可行性。     

具有交易成本的多阶段M-AAD模糊投资组合优化

考虑交易成本、交易量的阀值约束和熵约束,提出均值-平均绝对偏差(M-AAD)多阶段的模糊投资组合模型。模型中的收益水平由模糊收益的均值确定,其风险水平由模糊收益的绝对偏差确定,熵度量投资组合的多样化程度。由于存在交易成本,该模型是一个具有路径依赖性的动态优化问题。提出离散近似迭代法求解。最后,以具体的算例比较不同熵约束下最优投资组合策略,并验证模型的算法和有效性。     

基于极大模理想点法的投资组合决策模型分析

基于马克维茨投资组合模型的均值一方差理论,构建一种投资组合收益和风险在一定范围的双目标线性模糊优化模型,并尝试采用极大模理想点法来求解该模型．最后,给出一实际算例,对一具体投资组合模型进行研究,结果表明：本文所采用的极大模理想点法是可行的、有效的;本文所采用的算法比已有文献给出的模糊线性规划法具有更加广泛意义的优化结果．     

具有投资限制的风险资产模糊随机投资组合模型

研究了模糊随机环境下风险资产投资组合选择问题.利用模糊随机变量刻画风险资产的收益率,建立了具有投资限制的风险资产投资组合选择的一般模糊随机均值-方差模型,该模型包括了是否允许卖空及具有投资比例下界约束的情况.在此基础上,提出了具有梯形模糊随机收益率的具体投资组合优化模型,这些模型能够转化为二次规划问题求解.最后,利用上证50指数中的9种股票对模型进行了实证分析,结果表明模型能够有效分散非系统性风险.     

一种新的梯形模糊数间距离及在投资组合模型选择中的应用

给出一种新的模糊数间的距离公式.用新定义的距离公式来度量给定优先资产的条件下投资组合的分散度.用可能性均值度量投资组合的收益,可能性半方差度量投资组合的风险,在收益和风险满足一定的条件下构造分散度模型.通过实例分析,给出的方法不仅分散度更好,而且资产分配多元化程度更高,计算也更简单.     

可调整的均值-半方差可信性投资组合绩效评价

本文提出具有实际约束的可调整的均值-半方差可信性投资组合优化模型。基于可信性理论,将上述模型转化为非线性规划问题。当考虑实际投资约束情况,如交易成本、交易量限制和借款限制的影响,投资组合优化模型非常复杂,难以获得真实前沿面的解析解,这给投资组合的绩效评价带来很大的困难。本文提出基于数据的实际约束的均值-半方差可信性投资组合DEA评价模型,进而利用DEA模型的前沿面来逼近一般情形下真实的前沿面。最后,通过上海证券市场的实际数据验证了本文方法的可行性和实用性。     

考虑背景风险和流动性的模糊投资组合模型

利用投资收益率的二阶矩作为风险度量函数,建立了考虑背景风险和流动性的模糊投资组合模型.在满足预设收益率、换手率可能性均值要求水平以及风险资产的投资比例等约束条件下,使投资收益的二阶矩最小.最后选取中证100指数成分股中部分股票的历史数据进行数值分析,证明了该模型符合“高收益、高风险”的规律,说明该模型适用于实际金融市场.而且使用二阶矩代替方差作为风险度量函数,克服了方差计算复杂的缺陷,简化了模糊投资组合求解问题.     

VaR约束下均值-方差模型在基金资产配置的应用

随着我国开放式基金的迅猛发展以及证券市场的波动，如何识别和控制基金风险这一问题越显重要。VaR模型是一种有效的风险计量和管理工具，本文刻划VaR约束下均值-方差模型及其优化模型，并运用基于VaR约束下的均值——方差模型，定量地分析投资基金的投资组合收益和风险，提出开放式基金最优资产配置，使投资组合收益最大。     

均值-VaR模型的一种新解法：鞍点近似、遗传算法

以均值度量收益,方差度量风险的均值.方差模型,广泛应用于资产组合优化.随着对金融风险度量方法研究的不断深入,VaR作为一种简便、易于理解的风险度量方法,在金融企业中得到日益广泛的应用.本文用VaR代替均值-方差模型中的方差,构建了均值-VaR模型应用干投资组合优化.均值-VaR模型是非线性规划,仅当VaR满足凸性和可微性的前提下,满足库恩-塔克条件的解才是全局最优解.本文在CreditRisk+框架下,提出一个在不允许卖空条件下,不需对VaR的性质做出前提假定的新解法:将鞍点近似法用于计算VaR,在资产头寸与VaR之间建立起函数关系,采用遗传算法寻找模型的近似最优解.并用一个债券组合说明该方法的有效性。     

基于模糊遗传算法的自融资有效投资组合研究

在马克维茨投资组合的均值一方差模型框架下,给出限制投资数量的自融资投资组合优化模型.把预期收益率不等式约束转化为模糊约束,采用一种通过惩罚因子,对适应度函数进行修正的模糊遗传算法来求解模型.在理论上,这种算法能够将最优基因较完整地遗传到下一代,有效地避免了早熟现象,可以得到更好的适应度函数值.在实际应用中,对一具体自融资有效投资组合实例进行计算,结果表明:本文所提出的模糊遗传算法是可行的、有效的,具有更好的优化结果.     

均值-叉熵证券投资组合优化模型

在研究马科维茨(Markowitz)证券投资组合模型的基础上,分析了该模型用方差度量风险的缺陷,进而提出用叉熵作为风险的度量方法,建立了均值-叉熵的投资组合优化模型.该模型计算简便,更易被一般投资人所使用.     

具有心理账户的随机模糊均值-半绝对偏差投资组合优化研究北大核心

为了反映在不确定的证券市场环境下,投资者对不同收益目标产生的多种风险态度,本文构建了考虑心理账户和V型交易成本的随机模糊均值-半绝对偏差投资组合模型,并基于随机模糊理论将其转化为线性规划模型,运用线性规划的旋转算法进行求解。通过“滚动样本”的方法,文章将不同数据内上述模型和等比例模型的样本外单位风险收益进行对比检验。结果表明,本文模型有效地提升了投资组合的单位风险收益,且提升效果在“中期数据+小滚动窗口”下更为显著。     

基于模糊收益率的养老保险基金投资研究

结合中国养老保险基金投资现状,考虑预期收益率是模糊数的情形,利用可能性均值和可能性方差作为投资组合的预期收益率和风险,建立均值-方差组合投资模型.最后,利用lingo软件进行数值分析,表明此模型具有一定的实际应用价值.     

多阶段可能性均值-熵投资组合优化

考虑借款限制、交易量限制、交易成本和风险控制,本文提出了多阶段均值-熵投资组合模型。在该模型中,收益水平和风险分别用可能性均值和熵度量。熵值越小,投资组合包含的不确定性越低,投资组合的安全性越高。此外,熵不依赖于证券收益的对称分布。运用可能性理论,将该模型转化为显示的非线性动态优化问题。由于投资过程存在交易成本,上述模型为具有路径依赖性的动态优化问题。文章提出了前向动态规化方法求解。最后,通过实证研究比较了不同熵的取值投资组合最优投资比例和最终财富的变化,并验证了模型和算法的有效性。     

具有现实约束的不确定均值—机会投资组合决策

本文将风险资产的收益看作梯形不确定变量,用机会约束表示风险控制(投资组合的实际收益低于预设的收益这一事件成立的机率不超过某一置信水平)。考虑最小交易量限制、基数约束、交易成本、借款约束和上下界约束,文章提出不确定均值——机会投资组合优化模型。该模型为全整数规划,精确算法难以在规定时间求出最优解,特别是当模型的规模较大时精确算法很难求解,文章设计一个遗传算法进行求解。最后通过实证研究分别对遗传算法进行可行性分析,对最大损失、置信度水平和投资组合中资产数量进行灵敏性分析,从而验证了模型和算法的有效性。     

基于鲁棒二阶随机占优的投资组合优化模型研究

本文主要考虑一类经典的含有二阶随机占优约束的投资组合优化问题,其目标为最大化期望收益,同时利用二阶随机占优约束度量风险,满足期望收益二阶随机占优预定的参考目标收益。与传统的二阶随机占优投资组合优化模型不同,本文考虑不确定的投资收益率,并未知其精确的概率分布,但属于某一不确定集合,建立鲁棒二阶随机占优投资组合优化模型,借助鲁棒优化理论,推导出对应的鲁棒等价问题。最后,采用S&P 500股票市场的实际数据,对模型进行不同训练样本规模和不确定集合下的最优投资组合的权重、样本内和样本外不确定参数对期望收益的影响的分析。结果表明,投资收益率在最新的历史数据规模下得出的投资策略,能够获得较高的样本外期望收益,对未来投资更具参考意义。在保证样本内解的最优性的同时,也能取得较高的样本外期望收益和随机占优约束被满足的可行性。     

基于偏好可能性均值的模糊投资组合模型及实证分析

本文通过客观模糊频数统计法,将证券投资的不确定收益用模糊数来表达,并利用模糊数的可能性均值将模糊收益清晰化,以及采用半绝对偏差函数来度量证券投资的风险,考虑证券换手率约束,构建基于偏好可能性均值—半绝对偏差投资组合模型,并对所建模型进行实证分析.     

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.