基于硬约束热启动的量子投资组合优化算法

针对金融领域的投资组合优化问题中普遍存在的整数约束难题,提出了一种基于量子近似优化算法的新解法。该算法通过将经典算法得到的连续解编码为量子电路的初始态,从而将连续优化问题转化为离散的马科维茨模型。同时,引入硬约束来严格满足投资组合中的整数约束,确保解的质量。通过热启动技术,进一步提升了算法的成功率。数值模拟实验表明,该算法在求解大规模整数约束投资组合问题时,相较于传统方法具有显著的计算效率优势,且所得解的质量更优。

考虑投资者心理账户的模糊资产−负债组合优化模型

现实中投资者在同时管理资产和负债的过程中往往受到心理账户的影响,本文研究模糊环境下考虑投资者心理账户和偿债行为的资产−负债组合优化问题。首先,假设资产收益率和负债增长率均为LR型模糊数,以最大化期望净财富和最小化风险为目标,建立了考虑投资者心理账户的模糊资产−负债组合优化模型。其次,设计了一个粒子群−模拟退火混合智能算法对模型进行求解。最后,选取真实股票数据对建立的模型和求解算法进行实例分析。研究结果表明不同心理账户的投资策略会有差异,提出的模型能够刻画投资者不同的心理预期,可以为实际的投资活动提供决策支持。

集成深度强化学习在股票指数投资组合优化中的应用分析

基于集成深度强化学习的投资组合选择是当前量化金融领域的关键技术之一。然而,目前采用上一窗口阶段最优指标决定下一阶段代理的集成滚动窗口方法存在一定的滞后性。为了有效应对这一不足,提出了双层嵌套集成深度强化学习方法。该方法对三种代理(优势演员-评论员、深度确定性策略梯度和近端策略优化)进行两层嵌套模式,第一层集成通过最优化夏普比率进行阶段模型选择,第二层通过加权投票的方法集成三种深度强化学习算法,从单次训练中收集多个模型快照,在训练期间利用这些模型进行集成预测。分别对上证50投资指数和道琼斯指数及其包含的股票进行了投资组合研究,将持有指数被动策略和均值方差投资组合策略作为基线策略。实验采用了投资组合价值、年化回报率、年化波动率、最大回撤和夏普比率等指标作为对比指标。结果表明,所提出的集成方法在实用性和有效性上表现出较好的性能。

养老基金风险平价投资组合策略

为缓解人口老龄化背景下的养老需求压力,探讨一种养老基金投资组合的优化方案,选取五只表现良好的养老基金产品,利用其2020~2023年交易日净值数据,运用风险平价投资组合理论构建一个新的基金组合,通过与传统的等权重组合和60/40股债混合策略组合的比较,验证新的投资组合效果。仿真分析表明:新的投资组合在夏普比率、年化收益率、年化波动率和最大回撤率等关键指标上,均优于传统的等权重组合及60/40股债策略组合,显示出更佳的收益表现。该投资组合策略为普通民众确保养老基金保值增值提供一个良好的决策建议,这种设计也将一定程度缓解社会养老压力。

现代投资组合理论中风险厌恶系数的下方风险改进研究

马科维茨-夏普的现代投资组合理论是当代投资学的基石,该体系效用函数中的风险厌恶系数来源于期望回报与标准差,是体现投资群体特质的重要系数。本文延续索提诺等对标准差表示风险的批评这一思路,利用下方风险替代传统的标准差风险,提出下方风险厌恶系数。在利用中国市场数据对传统风险厌恶系数和下方风险厌恶系数进行分析和比较后,可以检验下方风险厌恶系数这一新指标,本研究对国内资产投资具有一定的实践指导价值。

清洁能源与金属市场间时变溢出效应及投资组合策略研究

为深入剖析清洁能源与金属的金融联系及投资策略,集成时变参数向量自回归(TVP-VAR)模型与DY溢出指数方法,本文考察11个清洁能源子行业市场与金属市场间的动态溢出效应,在此基础上构建边际净溢出网络刻画风险溢出的传染特征和路径,最后计算这些资产间的最优投资组合权重和对冲策略。研究结果表明,清洁能源和金属市场间的溢出效应具有时变性,并且对金融和经济不确定事件较为敏感。清洁能源子行业市场与金属市场间的溢出效应存在异质性,能源管理和储能股票与金属市场间的溢出效应较强,基本金属处于溢出传导者地位,而稀土金属则是溢出的主要接收者。边际净溢出网络结果表明,新冠肺炎疫情冲击导致清洁能源与金属市场间的风险溢出效应显著增强。大多数清洁能源投资组合中加入金属资产可以获得多元化收益,其对冲成本和有效性取决于清洁能源股票的类型。

Heston模型下的两人鲁棒非零和随机微分投资组合博弈

用Heston模型描述风险资产的价格动态,构建了包含一种无风险资产和一种风险资产的金融市场,投资者可以将其财富自由地配置于无风险资产和风险资产中.考虑到投资者之间经济行为的随机博弈,用相对业绩刻画投资者之间的博弈行为,同时考虑模型的不确定性,以最大化最坏情境下投资者相对业绩的期望效用为目标,构建了包含两个投资者的鲁棒非零和随机微分投资组合博弈模型,利用动态规划方法分别求得了CRRA效用下Nash均衡策略的解析表达,借助数值仿真算例进行了参数的敏感性分析并给出了相应的经济意义阐释.研究发现:相较于不涉及市场竞争的传统投资策略,竞争将使投资者产生羊群效应,跟风投资风险资产,致使金融市场的系统性风险上升.此外,与不考虑模型不确定性相比,模型的不确定性使得投资者减少对风险资产的投资.

学习带边信息专家意见的在线投资组合策略

针对以往学习专家意见的在线投资组合策略中专家策略并未考虑有助于提高投资者收益的边信息的不足,选取在相同边信息状态下投资相同单只股票、不同边信息状态下可能投资不同单只股票的策略为专家意见,基于指数加权平均算法(EWA)提出了学习带边信息专家意见的在线投资组合策略(EWAES).然后,从理论上证明了对任何的股票价格序列该策略都能够追踪最优专家意见.最后,采用中美金融市场实际股票数据对EWAES策略进行了数值分析,结果说明了该策略的有效性.

我国知识产权证券化中的基础资产组合策略研究--基于投资组合框架的多案例比较分析

知识产权证券化是缓解我国科技型中小企业融资困境、推动科技创新发展的重要融资方式,然而,知识产权证券化项目面临诸多风险。将多个企业的知识产权组合构成基础资产池,一定程度上能够分散风险,但需明确两个研究问题:一是入池资产的选择,二是入池资产的配置。基于我国知识产权证券化的4种模式,结合典型性、全面性和数据可获性的标准,本文选取了4个典型案例,以投资组合理论为框架,比较分析其基础资产组合方式。研究发现:我国知识产权证券化产品基础资产池呈现知识产权多元化、行业区域集中化、债权合同长期化的特征。基础资产池的底层资产标的物以纯专利权为主,同时包含著作权、商标权等其他类型知识产权;此外,当前发行的知识产权证券化产品具有明显的行业和地域倾向,基础资产池集中度较高;由于知识产权证券化项目持续时间较长,因此入池资产一般是长期债权的组合。研究结论有助于丰富知识产权证券化基础资产组合的相关研究,提供基础资产组合思路,助力我国知识产权证券化的发展。

基于改进Black-Litterman模型的投资组合优化

考虑到金融市场“非完全有效性”且投资者“非完全理性”,通过贝叶斯框架建立了投资者观点与多渠道信息相结合的改进Black-Litterman模型,由此确定了最优的个性化投资策略.在中国股票市场的实证研究中,利用SVM-ARIMA-GARCH模型解决了投资者观点量化的问题.对比几类参考策略,改进Black-Litterman模型所确定的最优投资策略的样本外绩效表现更加稳健,在不同市场行情下均能获得较高的夏普比率和较低的换手率.

基金网络、基金业绩与投资组合集中度

文章以2013年1月至2022年12月股票型基金季度数据为研究样本,利用基金共同持股关系构建基金网络,实证研究了基金网络对基金业绩的影响以及投资组合集中度对二者关系的调节作用。研究发现:网络中心度越高,基金业绩越好。投资组合集中度越高,网络中心度对基金业绩的正向影响越大。

基于投资组合高阶矩分析的电力系统灵活性评估

针对现有灵活性指标形式主要集中于低阶统计量,仅能反映系统灵活性的平均水平与集中程度,而忽视了灵活性的高阶特征这一问题,引入投资组合高阶矩分析理论对电力系统灵活性进行刻画,以揭示系统灵活性的调节潜力与风险。首先,通过分析投资组合的均值-方差-偏度-峰度模型(mean-variance-skewness-kurtosismodel,MVSK Model),给出了灵活性单元组合的定义,基于多元Copula函数构建考虑空间相关性的灵活性单元概率模型。其次,基于灵活性单元组合的各阶矩建立灵活性评估指标,并给出基于核密度估计与蒙特卡洛模拟的指标计算方法。最后,通过FTS-213测试系统与德国某电网的历史数据对所提指标进行了测算和验证。算例表明所提指标能够反映系统灵活性调节能力的平均水平、稳定程度、潜力与风险,且能量化评估灵活性资源种类与投建地区对系统灵活性的影响,为后续的灵活性资源规划提供理论支持。

一种新的混合共轭梯度法及其在投资组合中的应用

考虑无约束优化问题,在不同维数的空间上获得具有充分下降性的搜索方向,进而提出一个新的混合共轭梯度方法,在梯度Lipschitz连续条件下,证明了算法的全局收敛性。数值实验表明,该算法具有一定竞争力,将该方法应用于求解Markowitz投资组合问题,得到不同收益率下的投资组合策略。

模糊环境下基于遗传差分协同进化的多阶段投资组合模型

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题。同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值–下半方差模型(V-M)和可能性均值–熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性。

对冲碳风险的绿色投资组合策略研究

“双碳”目标下投资者对碳风险的感知正在不断提升。为应对碳风险管理的挑战,探索更为丰富的绿色投资组合方法论,设计了对冲碳风险的绿色投资组合策略。该策略以多元化投资为主体思路,除了将资金投资于基准投资组合外,还将部分资金配置于碳风险的对冲工具——绿色资产中,致力于降低投资组合在碳风险较高时可能面临的损失。具体而言,策略以碳风险指标高低作为择时依据,通过1/N与MV模型两种方法配置基准投资组合与绿色资产的投资权重。在样本外的实证分析中,分别针对被动投资者与主动投资者检验了包含单一或多种绿色资产的对冲投资组合策略的投资绩效。结果表明,绿色债券是实现碳风险对冲的有效金融工具;相较于绿色股票,包含绿色债券的投资策略均展现出更佳的风险与收益表现;在本文投资策略中,基于MV模型配置权重的碳风险对冲投资策略效果最佳,该策略在碳风险较高时将多数资金配置于对冲碳风险的绿色债券中,往往能将基准投资组合的损失“转亏为盈”,因此在长期获得了良好的投资绩效。

基于投资者动态损失厌恶模糊多目标投资组合问题研究

考虑投资者动态损失厌恶和证券市场的模糊不确定性,在可信性框架下以损失厌恶效用、流动性和下方风险为模糊多目标,构建考虑目标重要性的多阶段投资组合选择模型,提出TVSAPSO算法求解模型。以中国股市行业板块的实际数据为背景进行实证分析,研究发现,多阶段资产配置过程中,受动态损失厌恶特征影响,保守投资者倾向于关注流动性目标,偏好防御型行业和无风险资产,积极投资者倾向于关注损失厌恶效用目标,偏好风险型行业和防御型行业;积极投资者在最优期末财富方面的绩效表现优于保守投资者,保守投资者在风险调整后收益方面的绩效表现优于积极投资者。结果表明模糊多目标模型能够满足不同投资者的动态投资需求,为损失厌恶投资者进行多阶段资产配置和风险管理提供了有益的参考。

多期贝叶斯强化学习鲁棒投资组合选择模型

在传统多期分布式鲁棒投资组合选择模型中,不确定集合的估计是一个具有挑战性的难题。使用贝叶斯强化学习方法来动态更新不确定集合中的一、二阶矩等模型参数,进而研究贝叶斯强化学习框架下均值–最坏鲁棒CVaR模型的求解问题。通过结合动态规划和渐进对冲算法,设计了两层分解求解框架。下层通过求解一系列二阶锥规划来得到给定模型参数下子问题的最优策略,上层使用贝叶斯公式得到可实施的非预期投资策略。基于美国股票市场的实证结果表明:多期鲁棒强化学习投资组合选择模型相较传统模型具有更好的样本外投资表现。

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。

基于Shapley值与全局和声搜索算法的电网投资组合策略

随着新型电力系统建设的加速推进,电网投资的力度持续攀升,企业须探索更加合理高效的电网投资策略,以实现最优的综合效益。为此,从经济、社会、环保和安全的维度出发,以电网项目投资的综合效益为优化目标,对投资组合策略进行研究。首先,应用Shapley值法对各效益函数的占比进行分摊,以呈现不同效益指标的特性。其次,在考虑投资能力、负荷需求等关键约束的基础上,设计了电网项目投资组合优化模型,并采用全局和声搜索算法进行求解。最后,构建算例对投资组合策略进行验证。算例结果表明,所提方法能够协助决策者在新形势下制定最优的电网投资策略。

投资组合和投资理念:中国早期电影投资研究

投融资历来是决定产业发展趋势的关键因素。20世纪初期,金融资本与电影的结合标志着中国电影进入了从萌芽起步向产业化发展的关键转型期。投资人作为资本的人格化体现,通过血缘、地缘、业缘关系缔结的群体组合构成了早期电影投资的主体。一批电影企业家和投资人融合西方企业的集股筹资模式和中国传统的资本筹集策略,探索出中国早期电影投融资机制,对行业的资源配置产生了深远影响。早期电影投资人形成的多元化、一体化、国际化和“超经济”的投资理念,凸显了其在资金支持、产业推动、文化推广和国际交流等方面起到的作用,为中国早期电影的产业化发展提供了支持。