最优外汇组合投资及管理

应用Markowitz组合证券投资理论对外汇投资进行了研究,讨论了外汇投资组合的选择和外汇储备的最优调整模型,并给出了最优组合投资及最佳调整策略,结合历史资料分别进行了计算和分析。

基于Copula模型的外汇投资组合风险度量

在我国国际储备资产构成中,绝大部分为外汇储备,其中约70%是美元资产。如何通过外汇储备的投资组合来缓解美元贬值的汇率风险,以及在保持外汇储备安全性及流动性的基础上提高外汇储备的收益性异常重要。选用GARCH-t模型和混合连接函数,对外汇资产的汇率风险进行了风险分析(α=0.025的风险投资分析),通过蒙特卡洛模拟,求得最后的投资组合是:45%的总投资金额对日元进行投资,55%的总投资金额对美元进行投资,可使投资组合的风险最小。

从线性空间角度理解外汇投资市场

本文从数学角度严格证明了外汇投资组合集合是一个线性空间,该结论为进一步定量研究外汇市场的投资优化、风险管理问题提供了有益的理论补充。

中国外汇储备资本化风险管理分析

进入二十一世纪以来,外汇储备的投资趋势和资本化目标的不断强化成为全球外汇储备风险管理的新特点,并推动外汇储备由宏观风险管理向微观风险管理转变。各国货币当局在对外汇储备进行数量和质量双重管理的过程中,都力争通过合理的目标选择、投资结构调整、治理结构安排以及风险技术应用,最大限度地降低外汇储备风险,最优化地实现外汇储备资本化的收益。因此,中国在运营巨额外汇储备的过程中,应该建立并完善以"多层次"的外汇储备风险管理治理结构安排、"多元化"的外汇储备投资运营手段,以及"多样化"的外汇储备风险管理技术为三大支柱的外汇储备资本化的风险管理框架。

改进人工鱼群算法在外汇预测和投资组合中的应用

人工鱼群算法具有良好的全局搜索能力和自适应能力,在解决投资组合问题上有较好的应用前景.本文通过改进人工鱼群算法,分别对汇率预测和外汇投资组合双目标优化两部分进行研究.首先利用基于平均距离视野的人工鱼群优化的支持向量回归机算法对汇率进行短期预测,提高了外汇预期收益率的准确性.然后建立外汇投资组合双目标模型,通过借鉴带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的思想,提出基于Pareto排序理论的双目标非支配排序人工鱼群算法(non-dominated sorting artificial fish swarm algorithm,NSAFSA).实证分析表明该算法在求解外汇投资组合方案时,获得的Pareto前沿比NSGA-II的结果分布更均匀,多样性更好.最后对NSAFSA算法进一步改进,通过两次剪枝策略提高了解的质量,并给出了可供选择的最优外汇投资组合方案.研究结果表明人工鱼群算法可以对汇率预测和外汇投资组合提供重要参考,在外汇市场中具有较大的应用潜力.