求解CVaR投资组合优化问题之改进PSO算法

研究了基于CVaR约束的的最优投资决策问题,为避免维数障碍,针对Fredrik提出的CVaR投资组合优化线性规划模型还原为非线性规划。通过引入缩进因子,改进PSO算法,使粒子在迭代过程中保持在可行域内。最后,通过算例证明了该文方法的有效性,计算结果表明,投资组合优化后的损失期望收益率、标准差、受险价值、条件受险价值等重要风险衡量指标都有了较大改进。     

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.     

基于条件风险价值的投资组合优化模型

风险价值(VaR)是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.本文运用CVaR构建了投资组合优化模型,并与均值-VaR模型和Markowitz的均值-方差模型进行了比较分析,论证了新模型的有效性,并对我国股票市场进行了实证分析.     

基于QPSO和MATLAB优化资金投资组合

量子粒子群优化算法（QPSO）是一种基于粒子群优化算法（PSO）的进化算法,它收敛速度快、规则简单、易于编程实现;Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化,使用Matlab编程,解决了传统方法难以解决的问题,仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。     

组合证券投资有效边界的进一步研究

研究了不允许卖空情况下有效证券组合的结构特征，证明了其有效边界由一系列开口向上的抛物线段光滑连接而成，给出了连续确定有效证券组合构成变动及相应的有效边界的方法，并将有关结果推广到考虑外汇套期保值的国际组合证券投资决策中。     

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。     

具有指数效用函数的组合投资研究

对投资方案的选择上以效用最大化为前提,假设投资者具有指数效用函数,讨论了在允许卖空和不允许卖空两种情况下,最优组合投资方案的选择问题,通过具体的算例演示了选择过程,同时比较了分析了两种结果。     

考虑保证金和卖空限制的资产组合优化研究

充分考虑了在实际资产组合选择中对保证金购买和卖空交易的种种限制,并在此基础上建立了能够较好反映现实交易要求且具有一般意义的多空资产组合选择模型。将包含3n个决策变量的一般模型等价转化成包含2n个决策变量的模型,研究了运用旋转算法求解一般多空资产组合选择模型的步骤,并用一个具体算例验证了该算法的有效性。     

基于CWAA算子的投资组合决策模型

建立了CVaR度量下基于CWAA算子的投资组合决策多目标规划模型,通过引入风险收益的权衡因子,将模型转化为混合整数规划模型,证明了两个模型解的等价性,通过算例说明了模型的有效性和实用性。     

限制卖空条件下证券组合投资的优化决策

Markowitz资产组合均值方差理论是现代资产组合理论和金融理论的奠基石,本文利用Markowitz模型,对限制卖空条件下最优投资权重的确定方法加以理论推导,从而论证了这种求解最优投资权重的方法是科学、有效的。     

一个多目标组合投资模型

首先建立了一个多目标组合投资的基本模型，而后将之转换为单一目标的线性规划模型，解决了组合投资中组合投资结构、总净现值、总净现值率和加权平均资本成本的多目标优化问题．还可对该模型进行计算机模拟，得到企业所需要的多种信息．     

基于微粒群算法的投资组合分析

介绍了将微粒群算法应用于求解均值．方差一峰度投资组合模型,分析了模型中的参数和求解结果之间的关系,并选取深交所4只股票来进行模拟仿真,最后仿真的结果说明微粒群算法对均值一方差．峰度模型是有效的。     

限制性卖空的单位风险收益最大投资组合模型

在限制性卖空条件下,以VaR作为风险度量工具,它比传统的方差风险度量更全面更系统,首先建立了限制性卖空的单位风险收益最大模型,其次提出了基于线性递减惯性权重和自然选择机制的二阶混合粒子优化(LSSPSO)算法,并将该算法应用到模型中进行求解,最后以一个算例验证了算法的有效性,以及限制性卖空有助于增强市场效率,降低市场风险。     

均值-方差组合模型的鲁棒投资优化

针对投资组合优化模型中收益率的期望值、协方差矩阵等参数扰动时对原问题最优解产生较大影响的问题,文中提出将鲁棒优化应用到均值-方差投资组合模型中,建立了"势"不确定集下的鲁棒投资组合选择模型,通过市场数据对该模型进行了实证研究.试验结果表明该模型得到的解兼具鲁棒性与最优性.     

证券组合投资的一般失望模型的改进

在一般性失望模型的基础上,给出了包含交易费用因素的可以卖空的证券组合投资优化模型,该模型不仅考虑收益低于期望收益率时所带来的损失,而且还考虑了超过期望收益率时可能带来可观利润的收益,避免了方差与下方风险的诸多缺陷,并通过对沪深股市的模拟投资验证了所建模型的有效性和实用性.     

基于模糊集分析的投资组合模型

提出了一种模糊投资组合选择模型来规避决策中的不确定性．运用模糊集理论模拟不确定性、灵活可变的信息,然后运用悲观准则将模糊约束条件转化为纯数学模型,通过求解最大值就可以确定最优的投资组合．最后通过实例对模型进行了验证．