A New Method for the Decomposition of Portfolio VaR

In this paper, we give a new method of decomposing of portfolio VaR which are held with the hypotheses of non-normal distribution, based on the mutual relationships of marginal VaR, component VaR and Incremental VaR, and have the same results with decomposing of portfolio under the hypotheses of normal distribution.

基于Prophet-DCC-GARCH组合模型的国债与股票投资组合VaR估计

随着经济社会的发展,经济周期波动、市场不确定性加剧,风险值(VaR)的预测迫在眉睫。文章采用风险型的科技股票比亚迪和稳健型的国债的收盘数据,以DCC-GARCH模型为基础,引入Prophet模型,更改DCC-GARCH模型的均值项,考虑节假日、特殊事件和年周期性、周周期性,构建了Prophet-DCC-GARCH组合模型。该组合模型的预测误差(RMSE)为:比亚迪3.044 959×10^(-4),国债7.760 821×10^(-6)。采用计量经济学方法计算VaR,在置信度为0.95%时,2个头寸的联合风险值为:DCC-GARCH模型0.038 8,Prophet-DCC-GARCH组合模型0.037 0。组合模型中,Prophet模型提取了潜在风险影响因素,所以风险值明显要小。在对多个头寸的风险值进行预测时,考虑其中潜在的影响因素,可以更好地提供VaR预测值,进而为投资者提供更可靠的建议。

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。

基于g-h分布的投资组合VaR方法研究

根据g-h分布的统计特性,提出了基于投资组合损益、损失以及极端损失的三种g-hVaR方法。它们结合了分析方法、历史模拟方法和极值理论方法的优点,能够很好地处理回报的不对称现象和厚尾现象。实证研究表明,该方法明显优于常用的德尔塔-正态方法。

金融风险管理的VaR方法及实证分析

本文研究了 VaR 的各种计算方法,并利用实际数据对不同时间段和不同置信水平下的单个资产 和投资组合的 VaR 值作了比较,说明了各种方法的优缺点和适应范围。

机会约束下的均值-VaR投资组合模型研究

本文在投资组合回报率服从正态分布的前提下,建立了具有投资机会约束的均值-VaR投资组合模型,讨论了模型最优解的存在唯一性,并得到了最优解的解析表达式;通过比较分析得出,具有投资机会约束的均值-方差投资组合模型只是本文讨论的模型的特款。

风险资产组合的均值-WCVaR模糊投资组合优化模型

本文在均值-方差模型的框架下,建立了以Worst-Case VaR(WCVaR)代替方差作为风险测量指标的均值-WCVaR模型。同时,将对数型隶属函数引入到模型中,以证券组合期望收益率极大化和WCVaR极小化为目标,建立了对数型满意程度的模糊决策投资组合选择模型,更好地反映了投资者对目标值的取值意图。依据上海证券市场的实际数据,采用遗传算法进行了模拟计算,验证了模型的有效性。

最佳均值-VAR投资组合问题的研究

(ValueatRisk)是一个在当前的金融市场条件下 ,各种不同的风险测量一个确定投资的获利的重要方法 .近年来 ,套利研究被用来开发这种风险的可行方法 .文中提出了VAR估计并提出新问题 .假设给定一个可接受的VaR ,如何确定一组给定证券的组合投资的最大收益 ,并且同时满足VaR的约束条件 .假设市场条件是变化的 ,如何在保证的投资组合下 ,在给定的VaR范围内 ,获得一个投资重组 (重新平衡 )策略 ,使其在一系列投资组合中相应的收益最大 .为了解决这些问题 。

具有VaR约束的跟踪误差投资组合鲁棒优化模型

本文在跟踪误差投资组合优化模型基础上,考虑投资组合的风险价值VaR和收益的不确定性,建立了具有VaR约束的跟踪误差投资合鲁棒优化模型。以国内证券市场为背景,运用线性矩阵不等式(LMI)方法进行了实证计算,并与基准组合、跟踪误差投资组合模型和无VaR约束的跟踪误差投资组合鲁棒模型的投资结果进行了比较。实证结果表明,在给定证券集的条件下,具有VaR约束的跟踪误差投资组合鲁棒优化模型优于其它模型。

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。

基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.

基于机会约束的均值—VaR投资组合模型研究

在证券收益率服从正态分布的前提下,建立了包含无风险证券投资组合的机会约束下的均值—VaR模型,讨论了最优解的存在性和惟一性,并在均值—VaR模型有效边界的基础上引入机会约束,从而得到了最优解均值的解析表达式.

股票资产组合VaR研究——基于混合D藤Copula模型

本文在对上证市场五种股票资产组合的风险分析中以VaR作为风险度量指标,采用基于Pair Copula高维建模理论的混合D藤Copula模型,建立了反应多个资产组合相关结构的联合分布模型。该模型对传统D藤Copula建模方法作了进一步的改进,通过一定的选择标准,确定了D藤中每个Pair Copula函数的最优函数族,这样使得所建立的模型不仅考虑到了资产维数的影响,而且还能捕捉到组合内部因子间相关结构的差异性,从而改进后的模型能更好地描述资产组合的相关结构,并且能更精确地反映资产组合收益的实际分布。最后,以混合D藤Copula模型为基础,利用Monte Carlo方法计算了上证市场五种股票资产组合的VaR,并通过实证研究进一步证明了该模型的有效性。

CVaR风险度量模型在投资组合中的运用

风险价值(VaR)是近年来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,也称为平均超额损失或者尾部VaR,它比VaR具有更好的性质。在本文中,我们将运用风险度量指标VaR和CVaR,提出一个新的最优投资组合模型。介绍了模型的算法,而且利用我国的股票市场进行了实证分析,验证了新模型的有效性,为制定合理的投资组合提供了一种新思路。

基于VaR的权变投资组合保险策略及实证分析

传统的投资组合保险策略在投资期内全程进行保险操作,在熊市期间确能起到保险作用,但在牛市期间又会夹失部分收益。应用综合了VaR技术和滤嘴法则的VaR套补的权变投资组合保险策略,则能弥补上述缺憾,为保险资金或保本型基金投资股市提供了有效的投资手段。

VaR风险度量下的安全第一标准

本文给出了在绩效———VaR风险有效前沿上,满足安全第一标准的最优证券组合的求解方法和相关结果。这些结果可以使金融机构和投资者在满足其给定安全标准的前提下选取到最优的证券组合。

基于VaR的房地产投资组合模型设计与应用

本文以风险和收益的动态刻画为核心,在房地产投资组合中引入基于VaR模型的风险评价,通过资产收益和预提费用在持有期内的现值构造效用函数,建立基于VaR的投资组合优化模型,实现房地产投资的最优组合。对于上海房地产市场两种不同资产进行组合的实证分析表明该模型具有一定的实用性和有效性。

基于VaR的最优资产组合选择策略

基于VaR(Value at Risk)的方法 ,对Markowitz资产组合选择策略作了进一步的研究 ,给出了一种选择最优资产组合的新策略 ,该策略可以使所选择组合的收益率与风险相匹配 ,在一定的置信水平下保证收益率最大而风险最小 ,并刻画了投资者对风险的喜好倾向。

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.

不允许卖空情况下M-VaR和M-SA投资组合比较研究

为了验证投资组合理论在中国证券市场的有效性,针对不允许卖空情况,文章分别研究了均值-VaR(M- VaR)和均值-半绝对偏差(M-SA)投资组合模型,并分别结合序列二次规划法和不等式组的旋转算法以及线性规划的旋转算法进行求解。文章选取1998-2000年沪市六只业绩比较好的股票,依据1998-1999年的数据作为样本数据,分别求出两个模型在不同期望收益率下的最优投资策略,将得出的最优投资策略应用到2000年,进行模拟投资,从而计算出各模型的总收益率。以等比例投资为标准,比较两个模型的绩效。最后,证明了两个模型对于中国证券市场是适用。