基于全部资产负债利率风险免疫优化的增量资产组合决策模型

市场利率的变化导致银行资产与负债的价值均发生变化,进而导致银行的所有者权益发生变化引起银行股东财富的风险。因此利率风险免疫对商业银行具有极其重要的作用。本文通过建立银行净值的变化与增量资产负债和存量资产负债持续期的函数关系式,提出了全部组合资产负债利率风险免疫优化条件。以全部组合资产负债的持续期缺口与零的偏差最小为第一目标,以银行全部资产的利息收益最大为第二目标,以监管当局的政策法规为约束条件,建立了基于全部资产负债利率风险免疫优化的增量资产组合决策模型。本文的创新与特色一是通过构建银行净价值与全部资产负债组合持续期的函数关系来建立利率免疫条件,解决了银行增量资产组合配给时、资产增量组合与存量组合构成的全部组合的总体风险控制问题。这就改变了现有研究仅仅立足增量资产与负债的局部风险控制的做法。二是通过用存量资产负债的剩余期限替换现有研究持续期表达式中的期限,得到了既反映增量资产负债持续期、又反映存量资产负债持续期的通用表达式,解决了资产负债增量组合与存量组合构成的全部组合的风险的测量问题。

基于存量与增量全部组合收益最大的贷款优化决策模型

在既定组合收益范围内,以VaR风险控制为约束条件,以0-1规划为工具,建立了存量与增量全部贷款组合累计收益最大的决策优化模型。模型的主要特点一是综合反映贷款存量与增量组合累计收益最大对贷款决策的直接影响,合理地考虑了贷款存量组合与贷款增量组合的关系,真正地控制了银行全部贷款的组合风险和收益,改变了现有研究仅仅优化增量贷款组合的现状,开拓了金融资产组合优化理论的新思路。二是以VaR风险控制作为约束条件,用组合的VaR收益率最大损失来控制贷款收益率风险限额,直接反映了商业银行的风险承受能力。三是在贷款组合过程中,使用上下界限制,使得商业银行既能较好地进行风险控制,又可以充分利用贷款头寸。

基于全部贷款综合风险度控制的新增资产组合优化模型

根据银行业风险监测惯例用综合风险度来量化贷款风险,建立了新增贷款组合的综合风险度与全部贷款组合的综合风险度之间的函数关系,以银行总资产收益最大为目标,以全部贷款综合风险度的控制为条件,建立了基于全部贷款组合风险度控制的新增资产组合优化模型。本模型特色和创新之处:一是提出了在新增贷款组合时、同时控制全部新、旧贷款两个组合的全部综合风险度的科学问题。改变了现有研究和实践仅仅立足于新增贷款组合自身风险控制的问题,开拓了金融资产组合优化的新思路。二是揭示了新增贷款组合的综合风险度与全部新、旧贷款两个组合的综合风险度的内在联系。通过新增贷款组合的综合风险度的控制来控制全部贷款组合的综合风险度,解决了在一组新的贷款发放时,全部新、旧贷款组合风险的控制问题,这也就解决了银行家们在实践中真正关心的全部贷款组合风险的优化问题。三是引入符合银行惯例的综合风险度来量化贷款风险。

投资组合VaR及其分解

本文在简要介绍投资组合VaR的概念及计算方法后对组合VaR进行了具体的分解。在阐述了边际VaR、成分VaR和增量VaR之间相互关系的基础上给出了资产收益率为正态和非正态分布假设下这三种类型VaR的计算方法,从而为资产组合管理者提供了更多有关投资组合市场风险的信息。

考虑多技能人的企业项目组合选择优化研究

基于企业技能人员中存在多技能人的研究背景,建立了具有递阶结构的两阶段项目组合选择优化模型。以所选项目的模糊项目价值最大为优化目标,以多技能人在各技能上的人数分配为决策变量,构建了模糊0-1整数优化模型,采用可能性理论对其进行了确定性转换;根据技能人员在项目中工作锻炼,会形成技能增值的特点,建立了以总技能增值最大为优化目标,技能人员在所选项目中的人数分配为决策变量的整数规划模型。通过设计相应的遗传算法(GA)对模型进行了有效求解。仿真测试显示,所建递阶结构两阶段项目组合选择优化模型,可以在实现企业利益最大化前提下,通过合理的人员调配使人力技能增值达到最大,为企业实现短期和长期利益的有机结合,提供了有效的解决途径。

基于非正态分布的投资组合VaR分解

在阐述了投资组合边际VaR、成分VaR和增量VaR之间相互关系的基础上,给出了资产收益率服从非正态分布下投资组合分解的一种新方法,结果发现它与正态方法下投资组合分解的结论一致,并结合实证研究验证了结论的正确性.

联盟组合多样性及其与绩效维度的关系

基于480家机构的以自我为中心的网络数据,分析了联盟组合多样性和财务绩效、激进式创新绩效、渐进式创新绩效等三个重要绩效维度之间的关系。其中,联盟组合多样性与财务绩效负相关;而联盟组合多样性与激进式创新绩效呈现倒U形关系;联盟组合多样性与渐进式创新绩效呈现递减收益正相关。结果表明,管理者应该意识到联盟组合多样性的可能的消极影响,并且意识到不同水平的联盟组合多样性是最有益的。

低碳创新及其组合对碳排放作用的空间外部性研究

有效利用低碳技术是应对气候变化的重要途径。以2006~2015年中国30个省级面板数据为研究范围,采用空间杜宾模型,实证研究低碳创新及其组合对碳排放的作用机制。研究显示,低碳创新与碳排放在空间分布上存在一定偏差;更具突破性的低碳创新作用高于增量创新,但两类创新的组合作用最显著;城市化、产业结构以及FDI等引致碳排放增加,而环境规制对碳排放的抑制作用仍限于本地。这就要求既要协同不同类型创新活动,又要协同不同区域低碳治理。

一种改进的软件开发模型——组合模型研究

软件开发模型是对整个软件开发活动的总结,明确了开发活动步骤,用于指导软件开发。通过对瀑布模型、原型模型、增量模型和螺旋模型的研究,针对其局限性进行分析,发现其中缺陷,并提出一种新的软件开发模型——组合模型。该模型以增量模型为基本框架,添加了风险分析、专家知识库以及与测试有关的基本信息。将该模型在项目中验证,结果表明,该模型开发周期短,需要人力少,有效提高了软件开发效率,节省了大量人力、物力资源。

基于存量与增量全部组合风险最小的贷款优化决策模型

以0-1规划为工具,以VaR风险控制为约束条件,建立基于存量与增量全部组合风险最小的贷款优化决策模型,模型综合反映贷款存量组合累计风险对贷款决策的直接影响,合理地考虑贷款存量组合与贷款增量组合的关系,真正地控制银行全部贷款组合风险,改变现有研究仅优化增量贷款组合的现状,开拓金融资产组合优化理论的新思路;将VaR作为防范贷款风险的一道防线,用组合的VaR来控制贷款收益率风险限额,直接反映商业银行的风险承受能力;在贷款组合过程中,使用上下界限制,使商业银行既能较好地进行风险控制,又可以充分利用贷款头寸,使贷款总额保持阶梯型分布,这样商业银行可以尽量做到负债到期时有相应数量的资产相互匹配。

基于新旧两组贷款风险叠加的新增贷款组合优化模型

提出全部贷款组合非线性风险叠加原理,建立了新、旧两组贷款组合风险叠加的非线性函数关系,以银行总资产收益最大为目标函数,以新旧两组贷款风险叠加的总体风险为约束条件,建立了基于新旧两组贷款风险叠加的新增贷款组合优化模型.模型创新和特色:一是提出了在一组新的贷款发放时,新、旧两组贷款风险叠加后的全部组合风险控制的科学问题.由于在实践中银行家们真正关注的不是一组新贷款组合的风险控制,而是银行贷款全部组合的风险,故立足于新、旧贷款组合风险的整体控制,开拓了金融资产优化配置与控制的新思路,改变了现有研究仅仅是立足于新增贷款组合风险控制的传统思路.二是建立新旧贷款组合非线性风险叠加的函数关系.提出全部贷款组合的非线性风险叠加原理,建立了全部贷款组合风险与新、旧两个贷款组合风险的函数表达式,为在新增贷款决策时、控制所有贷款的组合风险提供了简洁有效的科学方法,克服了传统组合风险复杂计算方法不便或不能优化全部组合风险的弊端.三是控制了新旧两组贷款风险叠加后的总体风险.建立新旧两组贷款风险叠加的总体风险约束,解决在一组新的贷款分配时,新、旧两组贷款组合后的全部贷款组合风险的控制与优化问题.

基于半绝对偏差的全部贷款组合区间优化模型

我国商业银行的利润主要来源于贷款业务,贷款配置的合理与否对银行经营业绩有着直接的影响。本文通过以区间数表示的贷款组合风险最小为目标函数,以区间数表示的目标收益率满足水平为约束条件,建立区间规划模型,对包括存量和增量在内的全部贷款组合的风险进行约束,求解贷款的最优配置。本文的创新与特色:一是基于组合半绝对偏差风险函数来描述组合的风险区间,考虑了多笔贷款收益率之间的相关性,改变了现有线性区间型算法忽略各笔贷款之间的相关性从而夸大组合风险的弊端。二是以全部贷款组合半绝对偏差区间中点m(σtotal)最小为目标来控制风险的大小,以全部贷款组合半绝对偏差区间的半径w(σ^(total))最小为目标来控制风险变动的范围,通过多目标规划来兼控"存量组合+增量组合"的全部贷款风险的大小和变动范围。改变了现有研究忽略控制风险区间范围的不足,完善了现有的区间型规划仅仅立足于增量资产配置、忽略巨额存量风险的弊端。三是基于模糊两阶段算法来求解多目标规划模型,解决了多目标线性加权求法加权系数确定不合理,从而导致无法真正实现对两目标同时控制的问题。

基于非预期损失非线性叠加的新增贷款组合优化模型

研究目标:控制银行“存量+增量”全部贷款的非预期损失风险,优化银行贷款配置,提高银行贷款收益。研究方法:基于非预期损失非线性叠加原理,以“存量+增量”全部贷款的风险调整资本收益率RAROC最大为目标函数,以“存量+增量”全部贷款的经济资本小于等于银行经济资本限额为主要约束,采用0-1规划来配置新增贷款,建立了基于非预期损失非线性叠加的新增贷款组合优化模型。研究结果:银行进行贷款配置时,必须要考虑“存量+增量”全部贷款的非预期损失。研究创新:一是通过建立存量贷款非预期损失、增量贷款非预期损失与全部贷款的非预期损失之间的非线性函数关系,得到“存量+增量”全部贷款的非预期损失,改变了计算非预期损失时仅立足于新增贷款而忽略了存量贷款非预期损失的弊端。二是以“存量+增量”全部贷款的风险调整资本收益率RAROC最大为目标函数,确保了银行“存量+增量”全部贷款的调整资本收益率最大的同时,非预期风险最小,改变了贷款配置时仅立足于增量贷款,而忽略存量贷款的弊端。三是以“存量+增量”全部贷款的经济资本小于等于银行经济资本限额为主要约束来控制银行整体风险可承受,改变了现有研究忽略全部贷款经济资本控制的弊端。

基于稳定分布的多目标全部贷款组合优化模型

贷款业务是商业银行最主要的资产业务,其利息收入是商业银行最重要的利润来源,而贷款利息收入水平取决于商业银行贷款配置的合理性.本文针对贷款收益率具有的偏态、过度峰态及厚尾特性,建立了基于稳定分布的多目标全部贷款组合优化模型.本文的创新与特色一是在稳定分布情况下考虑收益和尺度参数的基础上,通过追求贷款组合的偏斜指数最大使分布向大于收益率均值方向偏斜来提高贷款组合的超额收益,弥补了现有研究忽略偏度的弊端.二是同时考虑了包括存量与增量在内的全部贷款组合的风险,改变了流行的现有研究对于巨额存量贷款风险缺少控制可能引发重大损失的弊端.三是将现有研究在主观给定贷款组合收益下单纯地控制贷款组合风险完善为同时控制贷款组合风险和收益的均值-尺度参数-偏斜指数多目标全部贷款组合优化模型,满足了银行对风险和收益的不同偏好,达到了既控制风险、又追求效益的风险与收益兼顾的目的.

基于全部组合收益概率最大的最优新增组合套期比率

提出了全部资产组合收益大于0概率最大原理,以全部资产组合单位风险期望收益最大为目标函数,以全部资产组合期望收益大于0为约束条件,建立了基于收益概率最大的新旧两组套期保值决策模型.该模型的特色与创新一是通过中心极限定理分析得到了在套期保值过程中使全部资产组合收益大于0的概率最大的两个基本条件:全部资产单位风险的收益最大和全部资产组合收益大于0;二是通过确定新增资产组合的套期保值比率使全部资产套期保值的组合收益大于0的概率最大.解决了在旧组合套期保值比率不可调整时,如何确定新组合的套期保值比率,使全部资产整体收益大于0的概率值最大的问题;三是通过建立新、旧两个套期保值资产组合风险非线性叠加的函数表达式,解决了在新增一组套期保值资产时,如何确定全部资产组合风险的问题;四是最优套期保值比率的优化目标同时兼顾收益和风险因素.

客户组合特征对突破性创新与渐进性创新的影响机制研究

尽管客户对产品创新的作用已被广泛研究,但是从客户组合层面上来探讨其与创新的关系的研究还较少,以社会网络理论和知识基础观为理论基础,探讨了客户组合的异质性与关系嵌入水平对产品的突破性创新和渐进性创新的影响机制及结果。研究结果表明:客户组合的异质性通过促进客户知识的多样性从而对产品的突破性创新产生积极影响;客户组合的关系嵌入水平通过促进客户知识的深度和专用性从而对产品的渐进性创新产生积极影响。为企业有目的地进行客户组合管理并以此为源动力积极推进产品创新提供了理论依据。

基于多组最优解的银行资产负债多目标优化模型构建

建立基于资产已有的巨额存量组合和待配置的增量组合的全部资产组合的偿债能力、流动性风险、收益三重目标的资产优化配置模型,兼顾"存量+增量"的全部组合资产的流动性、安全性和收益性,优化配置资产。通过层次算法解出多组、而非一组最优解,保证银行可以在多组优先顺序的最优解中根据实际情况选择切合实际的一组最优解。多组最优解对银行管理的意义在于它可以满足不同银行管理层的价值偏好,追求那个主要目标的最优都可以兼顾其他目标满足和次优。这使银行可视宏观环境、经营战略等变化,选择最适宜的一组优先级次序,制定最优资产负债管理方案,有效、灵活地对银行未来资产优化配置。对宁波银行的实证也表明,不同优先级次序对应的6组最优解都兼顾了流动性、安全性和盈利性三重目标,且目标优先级越高,满足效果越好。

基于背景风险和弹性增量的模糊投资组合研究

在金融市场中,投资者需要通过构建投资组合分散非系统风险,也需要考虑由收入、支出、健康状况等个人因素构成的背景风险.另外,在同一个投资组合中,不同的风险存量加上相同的弹性增量以后,投资者的满意度也不同.同时,证券市场中存在大量的模糊现象,模糊性比随机性更能刻画其不确定性特征.因此,提出了一个以投资者满意度为目标,包含背景风险、弹性增量等因素的模糊投资组合模型.最后,选取沪深证券市场数据分析了背景风险方差对投资组合的收益、方差和投资者满意度的影响.结果发现:背景风险的方差与投资组合的收益和投资者的满意度负相关,与投资组合的方差正相关,而且,在不同弹性存量的基础上,相同弹性增量的投资者满意度也是不同的.