基于谱风险度量的风险谱函数的研究

提出双曲型风险谱函数并得到了双曲型谱风险度量的估计量、后验检验和投资组合优化模型。实证分析表明,单个资产的双曲型谱风险度量值受置信水平和风险厌恶因子的影响,以双曲型谱风险度量为目标函数的投资组合的优化配置受风险厌恶因子和期望收益率的影响。

混合型风险谱函数的谱风险度量

构造出一类符合特殊投资者投资心理的混合型效用函数,并将此类效用函数和风险厌恶系数相结合构造出混合型的风险谱函数。实证分析结果表明,收益率参照点设置较低时,谱风险度量的值随着风险厌恶系数的增大而增大;固定风险厌恶系数时,谱风险度量的值会随着收益率参照点的增大而降低。最后将基于混合型风险谱函数的谱风险度量与金融市场中的股票数据结合做出资产组合的优化配置。

一类特殊投资群体谱风险度量和最优资产组合

文章主要研究的是一类特殊投资群体的谱风险度量及其最优投资组合。通过文章所介绍的构造谱风险度量的原理,可以构造出这类特殊投资群体的风险谱函数。此外文章还利用上海证券的综合指数(每个交易周的收盘值,周对数收益率)对上述特殊投资群体的谱风险度量和最优投资组合进行实证分析。

基于谱风险度量的SVM求解算法与实证分析

随着大数据时代的来临,机器学习是一个热门的研究领域.作为一个具有成熟理论和算法的支持向量机模型(Support Vector Machine,SVM)更是备受关注.传统的支持向量机存在着模型参数可解释性差、参数的选择范围受限以及分类精度不精确等问题.为了提高计算精度,从谱风险度量的定义出发,给出了谱风险度量的性质,并利用风险度量与SVM模型之间的转换关系构建了新的SVM模型,该模型在参数选择方面不受限制,并且在计算精度上也要优于传统的支持向量机模型.实证分析表明,基于谱风险度量的SVM模型比传统的SVM模型有更精确的分类精度.

市场摩擦条件下基于谱风险度量的投资组合优化模型

设计并得到了对数型风险谱函数,构造了谱风险度量。在谱风险度量的基础上,分析并引入了实际股票市场中的市场摩擦、资产配置权重限制等约束条件,利用收益率总体分布的经验分布,建立了投资组合优化模型,并将模型转化为易求解且具有稳健性的非线性优化模型。实证分析表明,市场摩擦中交易费用条件的降低可以在保障收益不变的同时大幅度的降低投资组合风险。同时,所建立的投资组合优化模型也可以合理有效地进行投资组合配置。

基于谱风险度量的支持向量机理论及在银行信贷中的应用

根据一致风险度量构建支持向量机(Support Vector Machine, SVM)的方法,建立了基于谱风险度量的SVM模型。利用优化问题的一阶必要条件确定了所建模型的不确定集的表示。接着,利用某银行金融贷款借贷数据,对新建模型进行了测试。并与基于CVaR的SVM模型、不同核函数下的传统SVM模型、进行对比。实验结果表明,使用基于谱风险度量的SVM模型预测准确度高达82.93%,预测精度相比于基于CVaR的SVM模型要高出3.26%;与传统的SVM模型相比要高出5.49%.证明了基于谱风险度量的SVM模型在金融贷款预测情况下的优越性和高效性。

风险谱函数的设计与选择

研究了风险谱函数的构造及谱风险度量在金融市场中的应用。根据风险厌恶系数和效用函数理论,提出了一种风险谱函数的设计构造方法,得到了指数风险谱函数和幂风险谱函数。实证分析表明,运用这两种谱函数所得到的谱风险度量的结果,差别并不大。最后,提出了以谱风险度量为目标函数的投资组合优化配置模型,并讨论了模型的求解结果。

金融风险度量方法选择及适用性分析

在很长时期内风险价值模型(Value at Risk,以下简称VaR)都作为首选来度量风险,然而其理论和应用都存在缺陷。VaR并没有考虑潜在的尾部风险,而且不满足一致性风险度量的公理条件,即VaR不是一个理想的风险度量。本文从理论上分析了VaR模型存在的缺陷,并介绍其他风险度量模型,研究其特性,最后在此基础上提出金融风险度量选择的依据。

基于高频数据的金融市场风险溢出研究

近年来,金融市场间的联动现象日趋频繁,跨市场的风险溢出进一步增强.2015年以来,中国股票市场迅速发展,但也出现了大幅度的波动.因此,在维护金融稳定、防范金融风险的背景下,加强对中国股市的风险监控,降低外部冲击的影响具有重要的现实意义.建立EGARCH-Copula模型研究沪市与港市之间的相关结构,计算谱风险和VaR值以度量波动溢出效应.选取每隔5 min的上证综合指数和香港恒生指数收益率序列,进行小波降噪后,构建EGARCH模型拟合其边缘分布,选择Copula函数刻画它们之间的相关结构,Monte Carlo模拟计算谱风险和VaR值.实证结果显示,t-EGARCH-Gumbel Copula模型能够较好地描述沪市与港市之间的尾部相关结构;谱风险值随着风险厌恶系数的增大而增大,比VaR值更能捕捉尾部的极端风险,降低投资者的损失.

基于G-H分布的copula-SMR方法

将阿基米德copula应用于谱风险度量(SMR),提出了一种新的风险度量方法(copula-SMR方法)。选取G-H分布对边缘分布进行建模,采用极大似然估计对给定的阿基米德copula进行参数估计,选择能更好拟合实际数据的copula函数,运用二次规划方法,计算相应的谱风险值,确定了在不同期望收益率下最优投资组合。