具有实际约束的多阶段M-V投资组合时间一致性策略研究

从动态规划的角度分析,方差算子的不可分离性导致标准的多阶段均值-方差模型的最优投资策略不满足时间一致性。文章采用条件期望映射的方法,构建了一个具有交易成本、借贷约束和阈值约束的多阶段M-V投资组合模型。由于考虑了交易成本,该模型是一个具有路径依赖性的动态优化问题。为了获得其时间一致性投资策略,文章将该问题近似地转化为连续性动态规划模型,证明最优解的近似度,并运用离散迭代算法求解。最后,使用上海证券交易所的部分历史数据验证了模型和算法的有效性。

A Note on the Mean-Variance Criteria for Discrete Time Financial Markets

It was shown in Xia that for incomplete markets with continuous assets＇ price processes and for complete markets the mean-variance portfolio selection can be viewed as expected utility maximization with non-negative marginal utility. In this paper we show that for discrete time incomplete markets this result is not true.

投资组合均值-方差模型和极小极大模型的实证比较

本文针对传统的Markowitz均值 -方差 (MV)模型和Young(1998)提出的极小极大 (Minimax)模型进行了实证比较研究。我们将 2 0 0 1年上证 30指数的实际数据分成两部分 ,一部分作为样本数据进行优化组合分析 ,另一部分作为非样本数据进行模拟投资 ,检验绩效。结果发现 :在同样的样本数据下 ,由两种模型的解描绘的风险 -收益率有效前沿图非常相似 ;将两组模型的最优解分别进行模拟投资 ,Minimax模型的结果明显优于MV模型。本文的实证结果检验了Minimax模型的理论结论 ,表明其在实际投资中具有良好的可操作性和实用价值。

鲁棒投资组合选择优化问题的研究进展

对近年来投资组合研究优化研究的热点问题——鲁棒投资组合优化研究的现状和发展趋势作了综述性研究.在投资组合选择优化的均值-方差模型的基础上,回顾了鲁棒投资组合选择优化问题的发展历史;详细地介绍了鲁棒投资组合选择优化的研究热点及国内外研究现状,就鲁棒投资组合选择优化问题的未来发展方向和主要研究内容,提出了新的观点,以期为相关领域的研究工作提供参考依据.

基于粒子群位移转移的混合遗传算法及其应用

基于粒子群位移转移的思想,改变遗传算法的变异规则,提出了一种新的混合遗传算法。利用3个benchmark函数测试了新的混合算法的性能,并将测试结果与标准遗传算法进行了比较。提出了一种多阶段半方差投资选择模型,并将混合算法应用在多阶段半方差投资选择问题的求解上。

参数不确定性下资产配置的动态均值-方差模型

现有关于资产配置的动态均值-方差模型的研究均假设投资者准确知道与资产收益率相关的参数,从而忽略了参数不确定性对投资决策的影响.本文研究引入参数不确定性和贝叶斯学习时的动态均值-方差模型,使用鞅方法求解得出最优投资策略的解析表达式,并导出了均值-方差有效边界.在此基础上,利用中国证券市场的实际数据进行了实证分析,结果表明参数不确定性对最优投资策略以及投资效果有较大的影响.

存在融资条件下证券组合选择的一种模糊决策方法

应用模糊可能性理论研究了在实际投资决策中存在融资条件下的证券组合选择问题。用证券收益的可能性均值和方差分别作为投资收益和风险的测度,将选择证券组合的概率均值-方差模型简化为一个线性规划模型,使得存在融资条件下有效投资组合的算法问题得到解决。最后,给出了一个数值例子,说明了这种决策方法是便捷有效的。

基于风险价值约束的动态均值-方差投资组合的研究

研究了基于风险价值约束的动态均值-方差项目投资组合的数学模型,该模型是控制带约束的随机线性二次型(LQ)控制问题.在讨论该随机LQ控制问题的解之后,给出投资组合动态数学模型对应的随机哈密顿-雅克比-贝尔曼方程的解,得出了有效边界和最佳策略,讨论了风险价值约束的影响.最后,针对某油田勘探开发项目的实际情况,应用上述结论求出该实例的解,并讨论了风险价值约束发挥的作用.

均值-方差模型有效组合投资的一个简单算法

本文讨论了均值-方差有效组合投资问题,给出了基于不同模型的有效组合投资的解析表达式;利用这些解析表达式,进一步讨论了基于一般均值-方差效用函数的优化模型,给出了一个简单的算法。

基于截集的加权可能性均值-方差模型

本文以模糊数的截集为切入点,给出随机变量取值为模糊数时基于截集的加权可能性均值、加权可能性方差和加权可能性协方差的定义,研究了基于截集的加权可能性均值、加权可能性方差和加权可能性协方差的性质,给出三角模糊数的基于截集的加权可能性均值、加权可能性方差和加权可能性协方差的具体形式。并以基于截集的加权可能性均值作为证券组合投资收益率为模糊数时投资未来收益的度量,以基于截集的加权可能性方差作为证券组合投资收益率为模糊数时投资风险的度量,以基于截集的加权可能性协方差作为不同资产之间相关程度的度量,以不同的权重表示不同投资者的对投资收益的风险偏好程度,构建基于模糊数截集的加权可能性均值-方差组合投资模型,给出模型的求解方法。最后将基于截集的加权可能性均值-方差模型与传统的均值-方差模型进行了比较分析,并结合我国证券交易市场的具体实例说明该模型的应用价值。

委托-代理关系下组合投资与资本结构优化决策

本文提出 ,在委托 -代理关系中 ,企业经营管理者在以自身效用最大化为目标的前提对企业投资组合与资本结构进行优化决策时 ,会偏离使股东利益最大化的决策。本文在均值 -方差模型的基础上 ,考虑了税收与资本结构对净资产收益率与风险的影响 ,提出了委托 -代理关系下的组合投资与资本结构优化决策模型。

不允许卖空情况下均值-半方差投资组合优化研究

运用不等式组的旋转算法求解不允许卖空情况下均值-半方差投资组合模型,并选取沪市六只业绩比较好的股票,进行模拟投资,计算出模型的总收益率,并与等比例投资相比较。结果表明均值-半方差投资组合的投资效果总体上优于等比例投资。

不允许卖空情况下多阶段均值-方差投资组合优化

提出了不允许卖空情况下终期财富最大化的多阶段均值-方差投资组合模型,其目标函数不具有可分离性。将该模型嵌入到一个辅助模型中,从而转化为目标函数可分离的动态规划问题,并用离散近似迭代法进行求解。最后采用源自上海证券交易所的实证数据验证了该模型和算法的有效性。

不允许卖空限制下保险公司的资产负债管理

本文将均值–方差投资策略选择问题拓展为不允许卖空限制下保险公司的动态资产负债管理问题.首先运用复合Poisson过程刻画保险公司的负债,建立了保险公司的资产负债模型,并利用动态规划原理和识别定理得到了资产负债管理问题的值函数所满足的积–微分方程.然后借助Riccati方程构造了一个下半连续函数,并利用粘性解理论证明了其为积–微分方程的粘性上解.最后以闭式形式给出了保险公司的最优投资策略和有效边界,并用数值例子说明了投资策略、保费以及理赔额之间的关系.

具有二次分段凹交易成本的均值-方差投资组合优化

在投资过程中,交易成本是不能忽视的。一般情况下,交易量较小时,单位交易成本较大;随着交易量的增加,单位交易成本不断减少;当交易量大于某值时,单位交易成本不变。提出了交易成本函数为二次分段凹函数的均值-方差投资组合模型,并结合不等式组的旋转算法和分枝定界法求解。最后,采用中国证券市场的实际数据,运用自编程序计算出不同期望收益率所对应的最优投资比例,从而为投资者提供决策支持。

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.

随机线性二次最优控制(LQ)在连续时间均值——方差投资组合中的应用

该文解决了比文献 [1 ]更为一般的随机线性二次最优控制问题 ,并将其应用到连续时间的均值——方差投资组合选择问题中 ,在非自融资 (考虑消费 )的条件下 ,得出最优证券组合。

基于分形统计测度的投资组合研究

为提升投资组合的有效性,首先构建了分形期望和分形方差两个分形统计测度,给出了两个分形统计测度的运算规则;随后基于分形统计测度构建了分形投资组合模型,给出了分形投资组合模型的解析解;最后以上海证券交易所的所有行业指数为样本,实证分析了分形投资组合模型的有效性。结果发现,分形统计测度弥补了非分形统计测度难以准确测量证券收益和风险的缺陷,分形投资组合模型在确保收益的同时更好地分散了风险,更加有效。

连续时间的均值-方差组合选择及其有效前沿

对于有限时间区间的(d+1)种资产市场模型,在模型系数为随机过程的条件下,根据均值-方差准则讨论了风险资产市场中的投资组合问题.利用K.It公式和倒向随机微分方程理论,建立了投资组合过程与财富过程之间的随机控制的倒向随机微分方程模型,得到了初始财富及最终财富之间的关系式,证明了投资组合的存在惟一性,在均值-方差准则下给出了有效投资组合的解析表达式,并得到了有效投资组合下的双曲线型有效前沿.

允许卖空条件下组合证券投资模型的一个新算法

提出了求解高维组合证券投资模型的一种新算法,该方法将带约束的二次规划问题转化为无约束的线性最小二乘问题,能快速求出其最优解。