VaR方法的一种改进模型

VaR方法度量了在一定置信水平下资产可能的最大损失，指出了投资组合所面临的风险程度，但VaR方法并没有指出在何种比例下配置资产可以使得投资组合的VaR值最小．针对此问题，在德尔塔正态方法和蒙特卡罗模拟方法的基础上。提出了搜索化德尔塔方法，并利用证券市场的真实数据，与德尔塔正态方法的结论进行了对比分析．结果表明，搜索化德尔塔方法能够确定最优的投资比例，在此比例下，投资组合的VaR值达到最优．搜索化德尔塔方法可以帮助投资者合理地配置奇产．     

基于M-Copula-EGARCH-M-GED模型的相关风险度量及投资组合优化

采用EGARCH-M模型进行单个资产建模,利用M-Copula函数构建资产的联合分布,对基于GED分布的联合资产收益率构建M-Copula-EGARCH-M模型,并采用Monte Carlo模拟方法计算出不同投资比例和置信水平的组合风险VaR和CVaR的值,并求出不同期望收益和置信水平下的最优组合投资权重.结果显示:当分位数为5％时,欲获得固定收益,同时风险最小,需将绝大部分资金投入深圳证券市场;在分位数取10％时,目标收益率较低时,应将大部分资金投放在上海证券市场.目标收益率较高时,上证市场的投资比例应降低,深证市场的资金比例应上升,具体的最优投资比例在实证部分已给出.实证结果表明:本文模型有利于投资者对投资权重的选择.     

二阶随机占优约束保险资金资产组合优化

建立二阶随机占优约束的保险资金资产组合优化模型,论述模型的罚问题,并在保险资金的收益率和基准收益率都为离散有限分布的情况下,用光滑化方法来处理模型,从而简化了模型的求解.为保险公司的资产组合及最优投资比例提供了一种可借鉴的思路.     

具有VaR约束的不相关资产可能性投资组合模型及算法

利用模糊可能性均值和方差的概念,假设资产的收益率为模糊数时,提出具有VaR约束的不相关资产可能性投资组合模型.该模型更好地反映了在非随机因素影响的金融市场下,具有风险厌恶特征的投资者不仅要求投资组合的实际收益率能够达到给定的期望收益率,同时也能够以较大的可能性保证未来遭受的最大可能损失不超过某一值.当证券收益率服从模糊正态分布时,给出了该模糊可能性投资组合模型的有效投资比例的解析形式,同时给出了可能性有效前沿.最后选取上海证券交易所不同行业的部分股票进行了实证分析.结果表明,该模型不仅能够更好地反映现实经济环境中影响资产投资收益的模糊不清晰因素,而且在VaR约束下,投资者能够选择更适合自己的投资组合.     

基于多元skst-Copula函数的资产组合VaR计算

应用多元skst—Copula函数计算资产组合的VaR,并结合深交所的经验数据研究了3种不同Copula函数下资产组合的VaR值．同时与标准正态分布下的VaR值作了比较,发现运用多元skst-Copula函数计算出的VaR值比用Gaussian Copula和t-Copula函数计算出的VaR值要大．结果表明skst-Copula函数比其他Copula函数能更好地描述资产收益的非对称性和非线性的尾部相关性,因此得到基于skst-Copula函数的VaR方法能更加有效地度量金融资产风险的结论．     

基于Copula-VaR的市场风险度量问题研究

金融资产间相关结构的度量是投资组合风险管理中的一个重要问题,为解决这一问题,将Copula函数应用于风险管理,并以此建立相关模型以克服传统的正态分布和线性相关性假设的不足,采用GARCH模型对单个资产建模,分析运用正态Copula函数刻画股票市场收益率的联合分布并计算VaR,发现该模型优于传统的VaR计算方法.     

基于VaR约束的企业经营者组合监督机制研究

企业经营者的监督约束机制是保证企业有效运行,使经营者才能正常发挥的一个重要保障机制.将组合投资理论应用于企业经营者组合监督机制设计中,提出运用VaR约束下的均值—方差模型来确定多种监督机制的最优实施比例,并用一算例说明了VaR约束下均值—方差法的应用.     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值（VaR）约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

基于VaR和CVaR下优化模型及其在保险资金组合投资中的应用

在保险资金投资收益率服从正态分布假设的前提下,以保险资金投资组合CVaR最小为目标函数,以保险资金投资组合的VaR约束和保监会相关的法律法规约束为条件,建立了考虑承保风险和交易费用的保险资金投资VaR—CVaR模型,并运用几何方法对模型进行求解,得到了模型的有效边界及其最优解。     

基于模糊值损益证券的期望效用优化分析

对由具有模糊值损益证券所构成市场中的期望效用优化问题进行了分析.在分析中使用了加权期望效用模型度量模糊值财富对应的期望效用,提出了模糊意义下的套利概念,证明了最优投资组合存在当且仅当市场不存在模糊意义下的套利机会,重点讨论了最优投资组合的性质,并利用最优组合描述了资产的当前价格.     

基于pair copula-SV模型的资产组合风险度量

将SV模型与pair copula模型相结合,构造了一个pair copula-SV模型,并借助Monte Carlo方法度量了资产组合的风险价值.选取4支股票构成资产组合进行实证分析,结果表明该模型的拟合效果较好,具有一定的实际应用价值,同时能够反映风险度量领域的发展趋势.     

基于Copula的贷款组合经济资本配置模型及仿真

计算贷款组合经济资本一个比较实用的方法是估算其不同置信度下的风险值.运用Copula函数来改进credi-Metrics模型,采用Monte carlo模拟方法来进行实证研究.结果表明,传统的VaR方法的确低估了信用风险值,而基于t分布的Copula方法能抓住贷款组合收益分布的"厚尾"特征,更接近实际.     

基于ArchimedeanCopula方法的VaR估计

应用了ArchimedeanCopula方法计算了投资组合VaR值,介绍了该方法函数的选择及参数估计,通过对上证综指和浦发银行2只股票的收益率投资组合的VaR计算表明,由GumbelCopula模拟得出的结果与实际数据差距小,能很好地度量股市间的风险.     

VaR风险控制的银行资产负债管理优化模型

以资产组合收益率的波动为标准反映风险,在既定的组合收益率下,以组合风险最小为目标,以VaR风险收益率为约束,以法律、法规和经营管理约束为条件,建立了银行资产负债管理优化模型.本模型的特色与创新为以收益率最大损失的形式、而不是收益额的形式来反映VaR,使组合决策更为方便;运用资产负债管理比率建立约束条件,控制流动性风险;以VaR约束保证既定收益率选取的合理性,使资产配给的风险限定在银行的承受能力范围内.     

基于VaR的信用风险防范方法

信用风险是交易对象不能或不愿意履行合同约定的条款而导致损失的可能性.VaR方法是在一定的概率水平(置信度)下,某一金融资产或证券组合在未来特定的一段时间内的最大可能的损失,是基于统计分析基础上的风险度量技术.将VaR的方法引入信用风险度量体系,基于经典的信用风险收益分布假设,根据概率统计的方法得到了信用资产的风险价值(VaR),为商业银行消费信贷风险管理提供了一个新的思路和相应的政策建议.     

VaR约束的多目标组合贷款优化决策模型

在VaR约束下,以线性加权和法求多目标规划,建立了组合投资的收益最大,同时方差风险最小的组合贷款多目标优化决策模型.该模型的特点是运用了多目标规划的方法建立投资组合优化问题的多目标函数,利用线性加权和法把多目标规划转化为单目标规划,解决了各个商业银行可根据自己的需要选择适合的损失率与收益率,使组合风险最小、其收益最大的最优投资组合问题;同时考虑了风险之间的相关性.通过VaR约束排除了风险相对较高风险的贷款组合,有效地控制了组合风险,使贷款的分配直接反映了商业银行的风险承受能力,并且确立了在多目标组合贷款中的有效集,它在风险和收益的空间上的轨迹也存在着这样的有效边界.     

资产收益过程可预测下的动态资产组合选择

基于资产收益过程的可预测性,提出一种新的动态资产组合选择方法.等分投资期,建立各期资产组合中风险资产权重是其预测变量观察值线性关系的模型,将预测变量收益过程引入资产收益过程;通过矩阵变换形成表征资产收益过程的拓展的资产空间,将条件问题求解转化为非条件问题求解,运用均值-方差分析法获得模型系数,使投资者各期终期财富期望二次效用最大;最后,给出模型的算法,进行实证研究.结果表明,预测变量通过拓展的资产空间描述了资产的收益过程;投资者根据各期预测变量的观察值可适时调整资产组合,保持其投资决策的最优化.研究为动态情景下的条件问题求解提供一种方法.     

完全市场情况下多阶段均值-VaR 投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。