考虑组合预测股价的泛证券投资组合选择策略

基于过去信息对股价进行预测是无统计假设下在线投资组合的关键问题之一。为了减小市场异常值或白噪声的影响,本文采用多期历史价格信息预测下一期的股价,并结合指数平滑法和L_(1)-中位数估计法构造组合预测模型。在股价预测值的基础上,以期望收益最大化作为目标进行决策。为减少交易费用,在优化目标函数中加入一个惩罚项来调节投资比例的变动幅度,通过求解得到一种新的在线投资组合选择策略。理论分析结果证明,本文所提出的策略与最优定常再调整策略的平均对数收益率渐近相同。数值分析结果进一步表明:该文提出的策略在国内外多个数据集上的表现均优于其他经典的泛证券投资组合策略,能够承受一定范围内的交易费用,并且对其他参数的选择不敏感。

基于多阶段动态调整的投资组合保险策略研究

一、引言在现代投资组合理论及其相关应用研究中,通常是建立投资组合选择模型,用期望的收益和方差的约束等设定条件来获得对不同资产的投资比例,并利用风险分散化的原则来降低投资风险。与风险分散化所解决的途径不同,投资组合保险(Portfolio Insurance)策略基于投资者对风险的偏好和自身风险承受能力设置最大的亏损承受值,并根据这一底线来确定资金在风险资产上的投资比例进行分配。

企业年金的投资组合策略分析

企业年金资产组合投资是重要的决策．本文在分析各类投资组合工具基础上．以案例探讨企业年金的资产配置及根据条件变化可采取的优化调整．结论是预期收益上升，投资风险降低，满足企业年金组合投资的目标要求。

基于次梯度投影的泛投资组合选择策略

在线投资组合选择(online portfolio selection)问题是当前量化投资领域一个重要的研究问题.近些年来,可投资标的的爆炸式增长急需能够有效计算的投资组合选择策略,而现有高绩效算法大多具有指数级或多项式级的时间复杂度,不利于在实际中应用.由此,本文提出了一种基于次梯度投影的泛投资组合选择策略SGP.将次梯度投影的思想应用到资产组合构建的过程中,得到策略的再平衡规则.理论上,本文分析了次梯度投影算法的竞争性能,证明了该策略是一个泛投资组合选择策略;并发现该算法具有线性时间复杂度.实证上,验证了SGP策略在美国与中国市场的表现.结果表明,SGP策略能够实现和最新的泛投资组合选择策略相当的收益率,而算法运行时间短于现有策略.参数敏感性分析表明SGP策略对参数选择不敏感;交易成本敏感性分析表明SGP策略能够承受合理的交易成本.

再保险-投资的M-V及M-VaR最优策略

考虑保险公司再保险-投资问题在均值-方差(M-V)模型和均值-在险价值(M-VaR)模型下的最优常数再调整策略.在保险公司盈余过程服从扩散过程的假设及多风险资产的Black-Scholes市场条件下,分别得到均值-方差模型和均值-在险价值模型下保险公司再保险-投资问题的最优常数再调整策略及其有效前沿,并就两种模型下的结果进行了比较.

保本基金的投资组合保险策略运用及建议

保本基金的运作核心是投资组合保险策略,我国保本基金均采用简单参数的组合保险策略。在国内零息债券缺乏、股市波动大的情况下,如何设定最低保险额度、合理的风险放大倍数以及动态调整风险资产比例,成为保本基金运作的难题。本文首先简要介绍了投资组合保险策略原理,在此基础上分析了国内保本基金的组合保险策略,然后结合运作原理提出改进建议。

动态投资组合决策中机会收益与在险收益的权衡

本文在Black-Scholes型市场中引入机会收益的概念,并利用文[4]中提出的在险收益的风险概念,建立了机会收益-在险收益(EaC-EaR)动态投资决策模型maxR=E[Xπ(T)|Xπ(T)≥ρ1-β(x,π,T)]s.t.EaR(x,π,T)≤Cπ∈Rd,其中C是事先给定的某风险水平,ρ1-β(x,π,T)是期末财富Xπ(T)的1-β下侧分位数.通过对该模型的讨论,得到了最优常数再调整策略的显式表达式以及投资组合的有效前沿,阐明的金融学涵义包括:在EaC-EaR投资组合模型下,风险中性市场中的最优常数再调整投资策略是纯债券投资策略,而风险非中性市场中的最优常数再调整投资策略蕴涵了两基金分离定理的成立.另外,β=1时的均值-在险收益(M-EaR)模型maxR=E[Xπ(T)]s.t.EaR(x,π,T)≤Cπ∈Rd正是上述模型的特款.

带机会约束的动态投资决策模型研究

本文在Black Scholes型市场中 ,建立了具有投资机会约束的CaR动态投资决策模型 :minx∈RdCaR(x ,π ,T) s t Prob(Xπ(T)≥R)≥β ,其中x是初始财富 ,π(t) =(π1(t) ,… ,πd(t) )′∈Rd 为可行的证券组合过程 ,Xπ(T)为计划期末的财富水平 ,CaR(x ,π ,T)为投资期末的在险资本 ,R是投资者事先给定的某正的财富水平 ,0 <β <1 通过对该模型的讨论 ,得到了最优常数再调整策略的显式表达式 ,其金融学含义包括 :对于机会约束下的动态投资组合 ,在风险中性市场中 ,最优的常数再调整投资策略是纯债券投资策略 ,最优的在险资本值为零 ;在风险非中性市场中 。

基于CaR的金融资产配置数理模型分析

在金融市场满足标准布朗运动随机过程的设置下,本文建立了具有投资机会约束的CaR动态投资决策模型和具有条件期望投资机会约束的在险资本(即CaR)模型,得到了最优常数再调整证券组合策略意义下的最优解的显式表达式,并对经济意义作了解释。最后,讨论了长期投资组合的计划期与投资者持有的风险资产的比例关系。

动态投资决策的机会/风险型模型研究

在Black-Scholes型市场中引入机会收益(Earning-at-Chance,EaC)和条件在险资本(Conditional Cap-ital-at-Risk,CCaR)的风险概念,建立了机会收益-条件在险资本(EaC-CCaR)动态投资决策模型:minπ∈RdCCaR(x,π,T)s.t.R=E[Xπ(T)ρ1-β(x,π,T)]μ.其中x是初始财富,π(t)=(π1(t),…,πn(t))′∈Rd为可行的风险资产投资策略,Xπ(T)为计划期末的财富水平,CCaR为投资期末的条件在险资本,μxexp(rT)是事先给定的某个"好机会"情况下的期望财富水平,ρ1-β(x,π,T)是期末财富Xπ(T)的1-β下侧分位数。通过对该模型的讨论,得到了最优常数再调整策略的显式表达式以及投资组合的有效前沿,阐明的金融学涵义包括:在EaC-CCaR投资组合模型下,风险中性市场中的最优常数再调整投资策略是纯债券投资策略,而风险非中性市场中的最优常数再调整投资策略蕴涵了两基金分离定理的成立。另外,β=1时的均值-条件风险资本(M-CCaR)模型minπ∈RdCCaR(x,π,T)s.t.R=E[Xπ(T)]μ.正是上述模型的特款。

带交易费用的泛证券组合投资策略

研究带交易费用的泛证券组合投资策略 ,得到一些有趣的结论 。

基于线性学习函数的泛证券投资组合策略

最优定常再调整策略所产生的收益随时间成指数速度增长,寻找与最优定常再调整策略的收益具有相同指数增长率的在线序贯投资组合是近年来投资组合研究的一个热点.首先提出了基于线性学习函数的在线投资组合策略,其中线性函数的系数是一个与股票相对价格和收益有关的区间的中点.用相对熵函数定义两个投资组合向量之间的距离,进一步证明了基于线性函数的在线投资组合策略是泛证券投资组合.最后,分别在两支股票和三支股票组成的多个投资组合上进行了数值计算,并与Cover等人提出的泛证券投资组合策略进行了比较.结果表明这种基于线性学习函数的在线投资组合策略能获得更多的收益,从而为投资者提供了新的在线序贯投资组合决策的方法和依据,具有重要的现实指导意义.

不完备市场中再保险-投资的M-V及M-VaR最优策略

本文研究不完备市场中的保险公司再保险-投资问题。在保险公司盈余过程服从扩散过程的假设及不完备市场条件下,通过求解带约束的二次优化问题和二次优化对偶问题,分别得到均值-方差(M-V)模型和均值-在险价值(M-VaR)模型下保险公司再保险-投资问题的最优常数再调整策略及其有效前沿,对两种模型下的结论进行比较发现:两种模型下的最优常数再投资策略都表现为特定"共同基金"的倍数,但对最优倍数的选择不一定相同;两种模型下的再保险-投资有效前沿都表现为射线,但射线的起始点及斜率(风险价格)不一定相同。

安全第一准则下的动态资产组合选择

考虑连续时间金融市场的最优资产组合选择问题.在Black-Scholes金融市场设置下,利用Roy提出的安全第一(SafetyFirst)准则,导出了最优常数再调整资产组合投资策略的显式表达式.还将文中的结果与Markowitz均值-方差模型的最优资产组合投资策略进行了比较,并给出概念与结论的一些经济学解释和应用.