限制性卖空的均值-半绝对偏差投资组合模型及其旋转算法研究

本文提出了限制性卖空的均值-半绝对偏差投资组合模型,通过变量替换将该模型转变为一般线性规划问题,从而运用线性规划的旋转算法进行求解。最后,文章以一个具体的算例验证了该算法的有效性,并证明将限制性卖空引入到投资组合中,有助于增强市场效率,降低市场风险。

不允许卖空情况下均值-方差和均值-VaR投资组合比较研究

文章研究了不允许卖空情况的均值-方差和均值-VaR两种投资组合模型,并运用不等式组的旋转算法并结合序列二次规划法进行求解。最后,通过实证研究验证了上述算法的有效性。计算结果还表明,在不允许卖空情况下,均值-VaR投资组合的有效前沿为均值-方差投资组合有效前沿的子集;置信度越低,投资者越倾向于选择收益率大而风险也大的投资组合。

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。

均值-半绝对偏差投资组合优化研究

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,研究了均值-半绝对偏差投资组合模型,并运用线性规划的旋转算法进行求解。选取1998-2000年沪市六只业绩较好的股票,依据1998-1999年的数据作为样本数据,求出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。

多阶段均值-平均绝对偏差投资组合的离散近似迭代法

提出了具有交易成本和交易量限制的多阶段均值-平均绝对偏差投资组合模型,并用离散近似迭代法求解。该算法的基本思路为:首先,连续型状态变量离散化,将上述模型转化为多阶段赋权有向图;其次,运用极大代数求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后2个可行解非常接近。证明了该方法的收敛性、线性收敛和复杂性。最后,通过实证研究验证了算法的有效性。

不允许卖空情况下均值-半方差投资组合优化研究

运用不等式组的旋转算法求解不允许卖空情况下均值-半方差投资组合模型,并选取沪市六只业绩比较好的股票,进行模拟投资,计算出模型的总收益率,并与等比例投资相比较。结果表明均值-半方差投资组合的投资效果总体上优于等比例投资。

具有二次分段凹交易成本的均值-方差投资组合优化

在投资过程中,交易成本是不能忽视的。一般情况下,交易量较小时,单位交易成本较大;随着交易量的增加,单位交易成本不断减少;当交易量大于某值时,单位交易成本不变。提出了交易成本函数为二次分段凹函数的均值-方差投资组合模型,并结合不等式组的旋转算法和分枝定界法求解。最后,采用中国证券市场的实际数据,运用自编程序计算出不同期望收益率所对应的最优投资比例,从而为投资者提供决策支持。

多阶段均值-绝对偏差投资组合优化研究

建立了具有交易成本和交易量限制的多阶段均值-绝对偏差投资组合模型,并利用离散近似迭代法对其进行求解。离散近似迭代法的基本思路是:将连续型状态变量离散化,根据网络图的构造方法将组合模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,获得模型的一个可行解;以可行解为基础,继续迭代直至前后两个可行解非常接近。证明了离散近似迭代法的收敛性、复杂性和线性收敛,并通过实证验证了其算法的有效性。

具有交易成本的均值-绝对偏差模糊投资组合优化

考虑到资产收益率的模糊不确定性,提出具有交易成本和交易量限制的均值-绝对偏差模糊投资组合优化模型。运用可能性理论将该模型转化为显式的线性规划问题,并采用改进的旋转算法进行求解。最后通过实证研究证明该模型和算法的有效性,讨论了资产收益率为梯形模糊数的情况下投资者针对现有投资组合的调整策略。

基于离散近似迭代法的多阶段M-SAD投资组合优化

提出了具有交易成本和交易量限制的多阶段均值-半绝对偏差(M-SAD)投资组合模型,并用自创算法——离散近似迭代方法求解。该算法的基本思路为:首先,将连续型状态变量离散化,根据网络图的构造方法将上述模型转化多阶段赋权有向图;其次,运用嘉量原理求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后两个可行解非常接近。文章还证明了该方法的收敛性和复杂性。

遗传算法在投资组合模型中的应用

均值-VaR模型是比较复杂的非线性规划问题,传统的算法不能保证得到全局最优值。鉴于此,引入遗传算法求解资产配置比例。对基于均值-VaR的单目标优化问题,设计了限定搜索空间和惩罚函数的遗传算法;而对多目标优化问题,应用并行选择遗传算法,并以沪深300行业分类指数构建投资组合,分析了行业资产配置的投资组合问题。结果表明,算法取得了良好的效果,解的结果既满足了投资的目标和约束条件,又反映了投资者之间不同的收益风险需求,且具有较好的实践性。

基于旋转算法的随机模糊均值-方差投资组合优化

Markowitz首先采用方差度量风险,并应用于投资组合优化中,大多数的均值方差模型仅对随机投资组合优化或模糊投资组合优化进行研究,然而,实际投资组合优化问题既包含随机信息也包含模糊信息。本文首先定义随机模糊变量的方差,并用其度量风险,提出了具有交易成本、借贷约束和阀值约束的均值-方差随机模糊投资组合优化模型。基于随机模糊理论,将上述模型转化为具有线性等式和线性不等式约束的凸二次规划问题,并得到其KKT条件。本文还提出改进的旋转算法求解上述模型,该算法消掉KKT条件中部分变量,减少计算量。最后,采用中国证券市场的实际数据进行样本内分析和样本外分析,验证了上述模型和算法的有效性。

自融资均值方差投资组合模型的旋转算法

将自融资投资组合问题用一个以极小化方差风险为目标的凸二次规划表示,用线性不等式组的一种旋转算法解其库恩塔克条件的线性部分并使互补松弛条件得以满足.

考虑背景风险的均值-半方差投资组合优化模型

在投资决策过程中,投资者不仅面临金融市场风险,还将面临金融资产价格波动以外的背景风险.针对现有考虑背景风险投资组合模型大部分都是以方差作为风险度量的不足,本文用半方差代替方差作为风险度量,研究同时考虑金融市场风险和背景风险的投资组合选择问题,提出考虑背景风险的均值-半方差投资组合优化模型.然后,给出临界线算法对所构建的模型进行求解并分析其有效前沿.最后,借助数值分析验证了本文所提出模型较现有均值-方差模型的优越性.

可信性均值-绝对偏差投资组合优化

为了度量金融市场的不确定性,本文引入了模糊变量。假设资产收益率为模糊数,分别运用可信性均值和可信性绝对偏差度量投资组合的收益与风险。考虑到投资者偏好,分别提出了以收益最大化的均值-绝对偏差优化模型和以风险最小化的优化模型。基于可信性理论,将上述模型转化为线性规划问题,并运用旋转算法求解。通过实证研究,证明了该算法的有效性,并比较了两个模型在实际投资决策过程中的效率。结果表明,以收益最大化的均值-绝对偏差优化模型效率优于风险最小的优化模型。

具有心理账户的随机模糊均值-半绝对偏差投资组合优化研究

为了反映在不确定的证券市场环境下,投资者对不同收益目标产生的多种风险态度,本文构建了考虑心理账户和V型交易成本的随机模糊均值-半绝对偏差投资组合模型,并基于随机模糊理论将其转化为线性规划模型,运用线性规划的旋转算法进行求解。通过“滚动样本”的方法,文章将不同数据内上述模型和等比例模型的样本外单位风险收益进行对比检验。结果表明,本文模型有效地提升了投资组合的单位风险收益,且提升效果在“中期数据+小滚动窗口”下更为显著。