时-频域视角下最优套期保值比率研究——基于集成EEMD-SJC Copula-GARCHSK模型

针对以往套期保值比率估计模型忽略多时间尺度价值和忽略高阶矩波动时变特征的不足，本文基于时-频域视角，将EEMD方法和GARCHSK方法引入到套期保值比率估计过程中.同时也鉴于分解后的各个时间尺度上建模结果仅能包含单一频率信息，又采用"分解-集成"思想，将各个时间尺度上的建模结果进行集成，最大限度挖掘有效信息，兼容不同时间尺度特征.基于以上工作，本文最终提出集成EEMD-SJC Copula-GARCHSK套期保值比率估计模型.采用我国沪深300期现货数据，本文进行了套期保值实证检验和分析，结果表明：无论在全样本还是样本外套期保值检验，本文提出的模型在收益、修正后夏普比率、平均套期保值比率、效用水平四个指标上明显优于对照组，但是由于集成EEMD-SJC Copula-GARCHSK模型包含了高频时间尺度信息且多目标集成的原因，在方差减少率指标上表现稍逊色.稳定性检验佐证了以上结论.本研究对于投资者优化资产配置、风险管理以及期现货间相依结构刻画等方面具有现实意义和理论价值.     

基于分解-聚类-集成学习的汇率预测方法

本文集成了经验模态分解(EEMD)、最小二乘支持向量回归(LSSVR)和K均值聚类方法,提出了一个新的外汇汇率预测方法,称为基于EEMD-LSSVR-K的分解-聚类-集成学习的外汇汇率预测方法.该方法利用聚类策略将分解-集成学习中固定权值集成学习扩展到基于局部数据特征加权的非线性集成加权学习,从而克服了分解-集成方法中集成学习阶段的不足.本文将该方法用于四种主要外汇汇率的预测,实证结果表明:在提前1天、提前3天和提前6天的预测中,本文所提出的EEMD-LSSVR-K方法的水平预测性能和方向预测性能显著地优于基准模型;同时也证实了聚类策略能够有效提高分解-集成模型的预测效果.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

基于VMD的中国出口集装箱运价指数分析与组合预测

基于分解-重构-分项预测-集成思想,通过优选分解方法、优化重构方法、优选预测方法及合理选择集成方法等途径,构建了基于变分模态分解(VMD)的组合预测模型,对中国出口集装箱运价指数(CCFI)进行了预测,分析了CCFI波动特性及经济内涵.首先,选用VMD将运价指数序列分解为多个模态分量;其次,采用C值优化的FCM算法将模态分量重构为高、中、低频和趋势项,通过波动特性分析挖掘了重构项蕴含的短期市场不均衡因素、季节因素、重大事件及市场供需等经济内涵;再次,构建了基于数据特征分析的预测模型优选方法,进行了重构项预测;最后,将重构项预测值相加集成,分析了预测效果.实证结果表明,构建的组合模型预测效果优于BPNN、SVM、ARIMA等单一模型、EMD组合模型及未优化的VMD组合模型,较好地体现了CCFI外在波动特征与内在经济意义.     

带交易费用的集成专家意见在线投资组合策略

在多期投资组合选择过程中,频繁调整投资比例将会产生一系列的交易费用,是影响投资决策的一个重要因素.在线投资组合属于多期投资组合;投资比例需要按照投资期数逐步调整,而不是一次性确定的.本文将交易费用引入到在线投资组合模型中,应用集成有限个专家意见的弱集成算法设计在线投资组合策略.首先探讨了专家意见为在每阶段都固定地投资于单只股票的情形,得到了考虑交易费用的单一集成策略,证明了与最优专家意见相比,他们的累积收益平均值之间的差值存在渐进形式的下界.其次,讨论了专家意见为在每阶段都固定地投资于多只股票的情形,得到了带交易费用的混合集成策略,并给出了该策略的竞争性能分析.基于纽约证券交易所的股票数据,数值算例进一步说明了本文给出的带交易费用的单一集成策略和混合集成策略几乎与最优专家意见的性能一样好,并分析了交易费用对策略性能的影响.     

数据特征驱动的火电产能过剩分解集成预测模型

有机融合数据特征驱动与多模态信息集成建模思想,构建了中国火电行业产能过剩组合预测方法和模型.首先识别火电产能过剩规模时序数据的本质和模式特征,发现其不仅具有非平稳,非线性特征,还呈现高复杂性和突变性;其次采用与数据特征相配的变分模态分解方法将时序数据分解,得到多个分量;然后识别各分量的数据特征,据此选择三次指数平滑-最小二乘支持向量机模型进行预测;最后集成各分量预测结果,得到火电产能过剩规模的最终预测结果.实证检验表明,所构建模型的预测水平精度,方向精度和稳定性均优于目前广泛使用的单一模型和其他组合预测模型.预测结果显示,2020-2022年中国火电产能过剩规模仍处于较高水平,呈先降后升趋势,且体制扭曲仍将是火电产能过剩的决定性因素.     

集成有限个专家意见的在线投资组合策略

基于弱集成算法的在线学习特征,该文探讨了它在在线投资组合选择中的应用,考虑了根据有限个专家意见进行决策的情形.首先将弱集成算法应用到投资于单只股票的专家意见,得到了在线投资组合的单一集成策略,并给出了该策略的竞争性能分析,证明了单一集成策略能够追踪最好的股票,实际投资决策中,投资者可能会选择多只股票进行组合投资,进一步将弱集成算法应用到投资于不同股票数目的专家意见,得到了在线投资组合的混合集成策略;证明了混合集成策略实现的累积收益与最优专家意见实现的累积收益相当.在长期投资组合上的数值算例表明了该文给出的单一集成策略能够实现与最好股票相当的收益;混合集成策略能够实现与最优定常再调整策略相当的收益,且与泛证券投资组合策略相比,能够获得更多的收益,具有较好的竞争性能.     

基于误差修正与深度强化学习的原油期货价格预测研究

准确预测原油价格一直都是政府管理决策部门、投资主体和学术界关注的重点.然而由于货币政策、地缘政治等多样化风险因素相互作用,原油价格表现出更加复杂的非线性特征,使得原油价格预测面临着前所未有的挑战.本文以INE和WTI原油期货市场为研究对象,通过基于数据分解、强化学习集成策略和误差修正技术构建的原油价格预测模型(PVMD-QSBT-ECS)开展实证研究.首先运用自适应权重的粒子群优化算法(particle swarm optimization, PSO)优化的变分模态分解(variational mode decomposition, VMD)对原油期货价格序列进行分解;然后利用Q学习算法(Q-learning, QL)确定堆叠式长短期记忆网络(stacked bidirectional long short-term memory, SBiLSTM)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时域卷积网络(temporal convolutional network, TCN)的最优权重组合以构建集成预测模型,而后对预测结果...     

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.     

动量策略、反转策略及其收益率的高阶矩风险

鉴于股市收益率常常表现出非对称性和"尖峰""厚尾"等系统性的高阶矩特征,本文在"均值-方差"CAPM和三因素模型等经典模型的基础上加入高阶矩风险,考查动量策略和反转策略的收益率是否可以进一步被高阶矩风险所解释.以中国沪深股市1998年1月至2009年n月所有A股的月度收益为样本,研究发现:(1)加入高阶矩风险能显著改进...     

基于均值-MF-X-DMA的能源产业链投资组合策略

国际能源金融市场是复杂的非线性系统,极端气候、地缘政治和金融风险等因素深刻影响能源投资活动。基于分形理论与产业链理论,提出优化中国能源产业布局及外汇能源资产配置的投资策略。结合均值-方差模型与多重分形方法,构建均值-MF-X-DMA模型,并选取标普500指数中反映能源产业链5个环节的10支股票进行分析。研究结果表明：每支股票的收益率均具有分形特征,分形市场假说适用于能源投资组合的构建;基于产业链理论的选股思路,能够构建稳定性更好、收益率更高的投资组合;与传统投资组合模型相比,除了标度为10之外,该投资组合策略在其他标度下均能取得更高的收益以及夏普比率、詹森指数和特雷诺指数,并弱化系统性风险的影响。     

一种新的小波网络快速学习混合策略

针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最小二乘算法(LS)有机的结合起来,提出了一种新的快速学习混合策略。该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值。非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差。     

基于信用等级修正和半绝对离差风险的银行资产组合优化模型

用峰度和偏度对企业信用等级转移的阈值进行修正,引入了半绝对离差方法衡量贷款组合风险,建立了基于信用等级修正和半绝对离差风险的银行资产组合优化模型.其创新与特色主要有二:一是用企业各自收益率的峰度和偏度对正态假定下企业信用等级转移对应的阈值进行修正,改变了现有研究把本来是非正态分布的企业收益率按照正态分布来确定其企业信用等级阈值的不合理现象,提高了贷款组合风险的计量精度.二是将半绝对离差方法引入到贷款组合风险度量中,解决了现有研究以方差或绝对离差表征风险、将高于期望收益的超额收益部分当作风险处理的问题,使贷款组合收益风险量化更为真实准确.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

Extended research on software hybrid testing combining reliability and directed testing

The software reliability testing has many disadvantages in practice,such as high complexity of constructing operational profiles and poor fault detection efficiency.Oppositely,the directed testing with a high fault detection rate is incapable of estimating reliability quantificationally.To solve this problem,a hybrid testing combining reliability and directed testing as well as a reliability model based on the order statistic(OS) model were presented by Mitchell.An extended research on Mitchell’s work is proposed.Firstly,the most proper distribution of the fault’s failure rate which tends to be lognormal is suggested,and a detailed form of the OS model based on lognormal and the corresponding parameter estimation method are proposed,respectively.Secondly,an implementing framework for the hybrid testing is proposed.Finally,the hybrid testing and the OS model are applied on a real website system.The experimental results indicate:the hybrid testing has more efficient fault detection power and lower testing cost than the reliability testing;compared with three traditional software reliability growth models,the OS model has a best or pretty estimation or prediction power for each data set;and for the failure data set collected from hybrid testing,the OS model also achieves an acceptable estimation result.     

单阶段R&D项目与有价证券投资组合优化的情景生成模型

不确定性是市场的本质, 分散投资于不同种类的资产可以降低投资整体的风险, 并增加在长期投资中获得更多收益的可能性. 基于矩近似方法, 建立了单阶段R&D项目与有价证券的投资组合优化问题的情景生成模型, 并通过一个实例来说明该模型的分析过程. 研究成果为进一步研究单阶段R&D项目与有价证券的投资组合问题奠定了理论基础和决策支持.     

多元混合正态分布情形下的外汇期权组合非线性VaR模型

提出了一种多元厚尾分布情形下的外汇期权组合非线性VaR模型.用多元混合正态分布来描述汇率回报分布厚尾特征,推导出多元混合正态分布情形下的反映外汇期权组合价值变化的矩母函数;在此基础上, 利用特征函数和矩母函数关系,进一步将概率分布的Fourier-Inversion方法和数值积分近似计算的迭代算法------自适应Simpson法则发展到多元混合正态分布情形下的外汇期权组合非线性VaR模型中,估计出期权组合的VaR值. 数值结果表明:使用Fourier-Inversion方法得到的VaR值与使用Monte Carlo模拟方法得到的VaR值相差不大,但使用Fourier-Inversion方法的计算速度明显快于Monte Carlo模拟方法.     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

A High-Moment Trapezoidal Fuzzy Random Portfolio Model with Background Risk

In most exiting portfolio selection models, security returns are assumed to have random or fuzzy distributions. However, uncertainties exist in actual financial markets. Markets are associated not only with inherent risk, but also with background risk that results from the differences among individual investors. This paper investigated the compliance of stock yields to the fuzzy-natured high-order moments of random numbers in order to develop a high-moment trapezoidal fuzzy random portfolio risk model based on variance, skewness, and kurtosis. Data obtained from the Shanghai Stock Exchange and Shenzhen Stock Exchange was used to assess the influence on the proposed model of both background risk and the maximum level of satisfaction of the portfolio. The empirical results demonstrated that the differences between the maximum and minimum variance, skewness, and kurtosis values of the portfolio were positively correlated with the variance of the background risk.