信息产业与风险投资

今年以来,风险投资成为IT业界一大热门话题。5月,IDG设立的“太平洋风险投资基金”向深圳金蝶软件公司注入了2000万元风险资金,此前,四通利方亦已注入国际风险投资资金,而以“搜狐”中方搜索引擎打出名气的爱特信就更是风险投资的“产物”。那么,风险资金究竟如何运作?风险项目究竟如何评估?下面这篇文章或许可以给您某些启发。     

基于捕食策略的粒子群算法求解投资组合问题

通过分析中国证券市场现实投资环境和实际特点,建立了一个考虑完整费用的证券投资组合模型。针对标准粒子群算法容易陷入局部最优和搜索精度不高的缺点,提出了基于捕食策略的粒子群算法,将其用于求解投资组合模型。捕食搜索策略可以通过调节限制级别来控制粒子群的搜索空间,从而平衡全局搜索和局部搜索。通过实例分析验证了算法的有效性。     

在线投资组合选择的半指数梯度策略及实证分析

针对传统投资组合策略的高频资产配置调整产生高额交易成本从而导致最终收益不佳这一问题，提出基于机器学习与在线学习理论的半指数梯度投资组合（SEG）策略。该策略对投资期进行划分，通过控制投资期内的交易量来降低交易成本。首先，基于仅在每段分割的初始期调整投资组合而其余时间不进行交易这一投资方式来建立SEG策略模型，并结合收益损失构造目标函数；其次，利用因子图算法求解投资组合迭代更新的闭式解，并证明该策略累积资产收益的损失上界，从理论上保证算法的收益性能。在纽约交易所等多个数据集上进行的仿真实验表明，该策略在交易成本存在时仍然能够保持较高的收益，证实了该策略对于交易成本的不敏感性。     

投资组合价值优化

许多项目不得不被砍掉,给那些有更高预期投资回报(ROI)的项目腾出发展空间。最近赛迪顾问的一项调查表明,在500家被调研的组织中,仅仅约21%的IT项目被认为是成功完成,73%的项目超期或者超预算,6%的项目在完成前被取消。目前国际上很多成功企业正在采用项目投资组合管理(ProjectPortfoliomanagement)来进行多项目的管理,他们认为在多项目管理中需要从业务战略的出发,按照收益和风险相均衡的准则,进行项目组合的管理,这是组织IT治理的基本内容之一。投资组合(Portfolio)原是指一组投资者持有的资产。项目投资组合管理(PPM)是指项目(proj…     

营造适宜风险投资发展的环境

风险投资是市场经济高度发达的产物,良好的市场环境是风险投资赖以生存和发展的土壤。风险投资活动孕育的不是一般的物质产品,而是“高新技术企业”这种特殊的婴儿——形成高度现代化的生产力,因而对于环境有更为特殊之要求。     

投资组合管理：分散项目风险

“不要把所有的鸡蛋都放在一个篮子里”的道理大家都懂。可是在IT投资上。很多企业都把“宝”押在一个巨型的．充满风险的项目上，鸡蛋要放在几个篮子里．每个篮子里放几个才能使得预期的损失（风险)和回报最佳．这是金融投资领域著名投资组合管理(Portfolio Management)方法的出发点，当这个方法授引入IT领域，产生的效果也是喜人的，     

风险投资道德风险及其规避

另一种信息不对称通常被称之为“隐蔽行为”,即交易的一方不能观察到另一方的有关行为,由此产生的是“道德风险”,也即了解信息的一方有为谋求自身利益而损害另一方利益的动机,这种行为的后果会使另一方付出高昂的代价。道德风险在任何投资环境下均会发生,但是在创业投资条件下更容易发生。     

建立适合中国国情的风险投资机制

<正> 提起美国硅谷高科技企业的繁荣发达,提起搜狐、新浪网在中国市场上的异军突起,我们首先想到的是使硅谷企业一路飚升,使国内互联网公司一夜成名的风险投资。 风险投资,顾名思义,就是高风险的投资,它所追求的是一定时期内的高回报率与高风险领域的低风险投资。对于中国来讲,风险投资虽属新生事物,但伴随世界经济的一体化,     

基于深度强化学习DDPG算法的投资组合管理

将深度强化学习技术应用于投资组合管理,采用深度强化学习中的深度确定性策略梯度DDPG（Deep Deterministic Policy Gradient）算法,通过限制单只股票的投资权重,分散风险,并采用丢弃算法（Dropout）,即在训练模型时随机丢弃节点,解决过拟合问题。以中国股市为例,选取16只中证100指数成分股作为风险资产进行实验。结果表明,本文基于深度强化学习方法构建的投资组合,在实验期间的价值增幅显著高于对照组（等权重组合）,2年达到65%,约为对照组的2.5倍,表明了本文方法的有效性。而且通过进一步实验,表明了当用于训练的数据离测试数据时间越近,则本文构建的投资组合表现越好。     

软件业风险投资策略及成功案例分析

一、 风险投资一般策略我想分别从风险投资商和创业者两个不同的角度来谈这个问题。在我们对风险投资公司和创业企业调研,以及亲自参与一些风险投资谈判的过程中,我们发现风险投资商和创业者常常在投资理念、价值评估、管理方式等方面有较大的分歧,尽管双方都花费了大量时间,结果仍然造成许多谈判的失败;有的即使投资到位,但在企业后续的发展过程中,投资商与创业者之间仍然矛盾重重。我们认为：风险投资过程,实际上是风险投资商与创业企业之间的双向选择,是双方共同培育风险企业,追求最终高额回报的过程。要想使风险投资获得成功…     

高新技术企业风险投资及投资风险评价

本文研究了风险投资的含义和基本特点，并且在全面分析风险投资特点的基础上 ，提出了高科技产业开发投资风险综合评判体系. 文中利用层次分析法和聚类分析法相结合的形式确定权数，以主观概率来描述风险, 从而建立了高科技产业开发投资风险的多因素层次模糊综合评判模型，采用模糊数学工具对高新技术项目的投资风险进行综合评价．进行了实证运算，实现了高新技术产业开发投资风险较为科学的评判与判断．     

基于价格趋势驱动的元学习算法在线投资组合策略

随着我国经济的迅速发展和国民可供分配收入的不断增加,人们投资需求变得更为强烈,如何高效合理地进行投资组合俨然成为投资者关注的热点问题。针对在线投资组合策略过于单一的价格预测和难以确定精准投资比例的问题,提出了基于价格趋势驱动的元学习算法在线投资组合策略(TPPT)。首先,考虑到股票价格异象的影响,提出了根据历史窗口期的等权重斜率值的三状态价格预测方法来追踪价格变化。其次,加入基于梯度投影的快速误差反向传播(BP)算法来求解投资比例。于是TPPT策略就将资产的增加能力反馈到投资比例上,以此来最大化累积财富。最后,5个典型数据的实证分析表明了TPPT策略在平衡风险与收益上占据较大的优势,是一种稳健且行之有效的在线投资组合策略。     

从全球风险投资的趋势看我国风险投资业的发展

当今世界,发展风险投资事业,推进高新技术产业化已成为世界各国取得竞争优势和提升综合国力的必由之路.就中国而言,风险投资还处于起步阶段,投资体系的不完善仍是制约中国高新技术产业化发展及民族经济创新能力的主要因素之一.通过对当今世界风险投资未来发展趋势和特点的分析,结合中国实际情况,作者认为,完善中国风险投资体系,促进风险投资事业发展,应本着立足国情、借鉴提高的方针,有针对性地建立和完善发展风险投资的软硬环境,从宏观和微观两个层面分步骤对阻碍风险投资发展的几大类问题加以规避和解决.     

一种基于改进免疫遗传算法的证券组合投资策略

针对Markowitz均值-方差模型的不足，结合文献[1]算法提出了一种基于改进免疫遗传算法的证券组合投资策略，它克服了均值一方差模型的收益率必须服从正态分布的局限，并通过将投资收益率、风险损失和风险报酬三者分开度量，明晰了三者的关系。通过引入偏好系数加权法将上述三者进行权衡。仿真结果揭示了风险报酬和风险损失呈线性关系，得到了较好的效果。     

透视西方风险投资业

当今世界范围内出现了一个重要经济现象,那就是一大批高新技术企业成为各自行业的风云人物,这其中尤以美国最为明显,如微软、英特儿、康柏、网景和Yahoo等显赫一时的信息业巨子。以1975年成立的微软公司为例,目前其股票市值已经超过全美三大汽车公司市值的总和;而Yahoo则更为神气,它于1994年由斯坦福大学两个研究生白手起家,短短4年,市价便达到近百亿美元,其成长性令人咋舌。 但在它们辉煌业绩的背后,或许很少有人知道它们还有一个共同之处,那就是在其成长道路上,尤其在创业之初,无一例外地都曾经接受过风险投资。可以说,正是在风险投资的孵化与培育下,这些企业才实现了超常的发展。实践证明,作为资本、技术和管理艺术相结合的新型金融运作机制,风险投资在高新技术产业化进程中扮演了一个即重要又特殊的角色。可以毫不     

计算投资组合VaR的改进树形算法

20世纪90年代初国外发生了一系列金融危机,危机带来了数十亿的损失和金融机构的破产,此时风险价值凭借其明确的经济含义及易操作性而成为当时金融市场风险计量的主流方法.本文提出了计算VaR的树形算法,主要分四种情形说明算法的执行过程,对于不同的情况给出实例验证.所提出的的树形算法是对已有同类型算法的修正和改进,新算法更简单、方便、实用、可以大量减少参数估计和计算量     

国外风险投资机构的运作机制及其启示

<正> 风险投资机构主要是指吸收、管理风险资本,并指导其具体运作以获取资本收益的专门机构,一般称为风险投资公司(基金)。它是风险投资活动中积极和主动的逐利者,是风险投资活动的主体,其主观的逐利行为客观上促进了创新企业的发展。风险投资机构的运作机制,对整个风险投资     

投资组合问题

人们常常讲,要合理分配时间,合理分配资金等。抽象来看,说的都是要将某种掌握的资源,分配投入到某些事项上,希望得到最好的综合回报。这类追求很有意义,因而得到人们的广泛研究。同时这种事情也很复杂,到目前为止并没有一个普适的方案。其复杂性体现在几个方面:第一,每一个可投入的事项(如股票)能得到多少回报,常常并不是事先能够明确的,第二,回报不一定就是金钱,而其他方面(如愉快)常常很难量化,因而难以评估,第三,情势是动态变化的,还有机会成本的问题,今天决定投入(如时间)某事项了,就意味着明天可能难以改投更有意义的事项。