基于遗传算法模型在投资组合中的应用

西安电子科技大学硕士学位论文基于遗传算法的CVaR模型在投资组合中的应用姓名：柳菲申请学位级别：硕士专业：管理科学与工程指导教师：王宇平20090101基于遗传算法的CVaR模型在投资组合中的应用作者：柳菲学位授予单位：西安电子科技大学相似文献(10条)1.学位论文罗晓艳投资组合中均值—CVaR模型与均值—ER模型的实证研究2006作为现代证券投资组合理论的基石，国外对证券投资组合理论进行定量研究已经有超过半个世纪的历史。但在实践中，均值—方差证券组合理论并没有被众多个人和机构投资者运用。因为该模型投资实践运用中有相当的差异，常常会导致不相关的最优投资组合。研究者对模型提出了一些质疑，比如：用方差度量风险不合理，从投资者的角度看，收益率的方差中收益率高于均值部分不是“风险”等观点。因此研究者提出了许多拓展研究方法。自1994年VaR（Value-at-Risk或风险价值）风险度量方法出现以后，便在金融经济领域广泛应用。进而有研究者把VaR运用到投资组合理论中替代方差来度量风险，对均值—VaR有效前沿进行研究。但是由于当资产收益非正态的条件下，VaR不满足次可加性，不是一致性风险度量而且仅表示出损失函数的分位点等缺陷，研究者又提出了几种对修正方法。例如，ConditionalValue-at-Risk(或条件风险值）描述超过的损失均值；ER（ExpectedRegret或预期遗憾）描述“残余”损失的均值，损失到底超过多少。本文目的就是要评价在实际运用中，在同样置信水平时CVaR和ER度量风险的表现，研究均值—CVaR模型和均值—ER模型分别得到的资产比例最优解和均值—VaR有效前沿是否相同。通过对从上证50指数样本股中选取的10种股票组成一个投资组合的实证分析，得到结论：（1）在其它条件同等下，预期遗憾ER能够更好地度量风险，尤其是设定在较大的阈值条件下求解预期遗憾ER最优化问题时，能得到更真实、准确的均值—VaR有效前沿；（2）通过CVaR风险最小化和ER风险最小化都可以对初始组合里的资产的比例进行一个很好的调整，但它们的解在实际操作中是不相同的。2.期刊论文孟志青.虞晓芬.高辉.蒋敏.MENGZhi-qing.YUXiao-fen.GAOHui.JIANGMin基于条件风险值CVaR模型的房地产组合投资的风险度量与策略-中国管理科学2006,14(z1)降低房地产投资风险不仅是房地产企业、投资者关注的问题,更是降低金融风险的重要内容.本文着重研究了基于条件风险值(CVaR)模型的房地产组合投资风险度量问题,通过定义离散α-VaR、α-CVaR损失值以及α-FCVaR损失值的等价函数,建立了基于离散CVaR模型的房地产组合投资优化模型,通过计算得到在一定置信水平下的组合投资比例和风险损失,从而为房地产投资决策提供依据.论文用2003-2005年我国六大城市房价数据实验,结果表明控制房地产风险的一种主要策略是选择低风险的CVaR值的投资组合.3.会议论文孟志青.虞晓芬.高辉.蒋敏基于条件风险值CVaR模型的房地产组合投资的风险度量与策略2006降低房地产投资风险不仅是房地产企业、投资者关注的问题,更是降低金融风险的重要内容.本文着重研究了基于条件风险值(CVaR)模型的房地产组合投资风险度量问题,通过定义离散α-VaR、α-CVaR损失值以及α-FCVaR损失值的等价函数,建立了基于离散CVaR模型的房地产组合投资优化模型,通过计算得到在一定置信水平下的组合投资比例和风险损失,从而为房地产投资决策提供依据.论文用2003-2005年我国六大城市房价数据实验,结果表明控制房地产风险的一种主要策略是选择低风险的CVaR值的投资组合.4.学位论文陈晶条件风险价值法在保险资金股票投资组合中的应用研究2006随着保险业的发展以及竞争的日益加剧，投资在保险公司的经营中处于越来越重要的地位，投资的成败在一定程度上将直接影响保险企业的偿付能力和生存。自从我国1980年恢复国内保险业务以来，保险公司的投资渠道逐渐放宽，2005年2月，相关法规的出台标志着保险资金可以直接进入A股市场直接购买股票。保险资金直接入市是我国保险业市场化改革的重大举措，一方面，有利于保险业竞争力的提升，从长期看有利于保险资产的保值增值；另一方面，有利于资本市场资金来源的多元化，可为中国资本市场的发展提供新的资金渠道，同时，可完善中国资本市场机构投资者的规模、素质、种类和结构，改变市场运行特征，形成新的投资理念，对我国的投资组合管理者也提出了更高的要求。论文首先就对条件风险价值法做了比较全面的介绍，包括其产生的背景、概念、参数选择及其计算和性质。表明CVaR是一种基于VaR基础上的一致性的风险度量，可以通过构造一个功能函数而化为一个凸数的优化问题，在数学上容易处理，计算更加简单易行。随后，文章介绍和比较了几种流行的投资组合模型，选择了一种基于条件风险价值方法的投资组合模型，接着，对保险资金投资风格和投资选择进行分析后，构建了一个具有十只股票的投资组合，对选取的模型进行实证研究，研究结果表明基于条件风险价值法的模型能比较有效地减少风险与最大化收益，所建立的组合在某种程度上优于传统的均值方差模型，它由于满足线性的要求，能用线性规划求解，因此不用估计组合的协方差矩阵，从而简化了参数输入与计算，使其可以用于由大量证券构成的投资组合。在文章的最后提到了CVaR在应用时有待解决的问题。5.期刊论文孟志青.虞晓芬.蒋敏.高辉.MENGZhi-qing.YUXiao-fen.JIANGMin.GAOHui基于动态CVaR模型的房地产组合投资的风险度量与控制策略-系统工程理论与实践2007,27(9)研究了基于动态条件风险值(CVaR)模型的房地产组合投资风险度量问题.定义一种动态CVaR模型,它是一个动态规划问题,证明了它可以等价一个非线性规划问题求解.据此,建立了一个基于动态CVaR的房地产组合投资优化模型,通过计算这个模型可以得到在一定置信水平下的房地产投资的风险损失值和组合投资比例.应用这个模型对全国10个城市的房屋价格数据进行了多阶段的风险值和投资比例数值计算,结果表明多阶段组合投资的风险值要比单个阶段更小.控制风险的主要策略是选择低风险的CVaR值的投资组合.6.学位论文赵淑飞随机占优准则下有效解的几个充分条件2008选择最优的投资组合通常采用两种模型：基十随机占优准则的模型和均值一风险模型。但是，均值一风险模型不能完整反映决策者的风险厌恶偏好，可能会产生次优的证券组合，为了克服这个问题，有必要分析这两种模型的一致性。本文在Ogryezak和Ruszxzynskia工作的基础上，分析和讨论条件风险值CVaR、加权均差hx(p)和TailGini’s均差度量下的均值一风险模型与二阶随机占优模型的一致性，证明随机占优准则下有效解的充分条件，此结果能够保证它们的均值一风险模型产生的有效边界部分也是随机占优准则下有效的，它有助十避免由十风险度量选择不恰当而产生随机占优次优解。7.期刊论文周艳菊.邱菀华.王宗润.ZHOUYan-ju.QIUWan-hua.WANGZong-run基于CVaR约束的多产品订货风险决策模型-中国管理科学2006,14(5)过去随机环境下多产品订货往往以期望值作为唯一决策准则,没有将风险控制纳入决策范畴,与实际决策过程不相符合.为给具有不同风险偏好的决策者提供合适的决策分析工具,文章在分析投资组合和产品组合存在某种相似性的基础上,借鉴金融工程领域广泛应用的条件风险值方法,建立多产品最优订货决策模型,并对模型进行了检验,发现它完全符合决策者的直觉要求.而且,由于所建的模型最终可以表示为一个线性规划问题,因此即使是大规模的产品组合问题也可以借助工具软件求解.8.学位论文蒋敏条件风险值（CVaR）模型的理论研究2005风险值模型(Vaule-at-Risk，VaR)是一种使用广泛、易于理解和掌握的计量和管理金融风险的方法。VaR是指金融资产或证券组合在一定置信水平下和持有期限内预期的最大可能损失值。而条件风险值(ConditionalValue-at-Risk，CVaR)是指损失额超过VaR部分的期望损失值，它具有VaR模型的优点，同时在理论上又具有良好的性质，如具有次可加性、凸性等。在投资组合优化决策时，以CVaR作为优化目标，可以采用线性规划方法进行求解，求解过程还可以同时得到投资组合的VaR。由于CVaR是近年来刚刚开始研究的新课题，在理论上和实践中还存在着一些未解决的问题，需要进一步的研究和完善。目前，CVaR的数学模型主要研究损失函数为连续型随机变量且损失只有一个的情形，它主要是由在给定置信水平下的VaR损失值和CVaR损失值构成，研究的主要内容是寻找使得VaR损失值或CVaR损失值达到最小的投资组合，求解的关键是证明此问题等价于另一个易求解的最优化问题。基于上述连续型单损失CVaR模型，本文将研究多损失CVaR模型与多阶段CVaR模型，并将其中的数学问题转化为另一个等价的较易处理的数学问题。具体的，本文将分别研究离散型单损失CVaR和多损失CVaR、连续型多损失CVaR和多阶段CVaR的数学模型。全文研究分六章进行。第一章介绍风险值模型及应用的研究背景、研究进展，以及本文的研究内容，第二章概述VaR模型和CVaR模型，第三章研究离散型单损失CVaR模型，第四章研究离散型多损失CVaR模型，第五章研究连续型多损失CVaR模型，第六章研究多阶段CVaR模型。本文所取得的研究成果可分以下四个方面。1、研究了离散型单损失CVaR数学模型。首先，我们假设随机风险因素是离散型的，只取有限多个可能的值，这时获得的主要结论与连续型单损失CVaR模型的结论不一样，我们证明可以通过优化问题求得相应的α-VaR和α-FCVaR值。其次，针对证券组合优化问题，我们给出了相应的数值计算和分析。最后，我们讨论证券投资风险规避问题。2、研究了离散型多损失CVaR模型，即多个损失函数是离散型随机变量的CVaR模型。首先，我们研究了多α-VaR值的多损失CVaR问题，对每个损失函数分别给定一个置信水平，定义了相应的α-VaR损失向量、α-CVaR损失向量和α-FCVaR损失向量，建立了对应的CVaR多目标最优化问题，我们证明可以通过求解另一个较容易求解的优化问题得到对应的α-VaR损失向量和α-FCVaR损失向量。其次，我们讨论基于权重及置信水平下的多损失CVaR问题。对于给定的权值，定义了多损失函数的α-VaR损失值、α-CVaR损失值和α-FCVaR损失值，我们也证明它可以通过求解另一个较容易求解的优化问题得到对应的解，并讨论基于权重及置信水平下的最小α-VaR损失值的问题。最后我们就离散型情况分别对证券组合优化、证券投资风险规避的α-VaR和α-FCVaR进行数值分析。3、研究了连续型多损失值CVaR模型，即多个损失函数是连续型随机变量的CVaR模型。首先，对每个损失函数分别给定一个置信水平，定义多损失函数的α-VaR损失向量和α-CVaR损失向量，建立对应的CVaR多目标最优化问题，我们证明它可以通过求解另一个较容易求解的单目标优化问题得到对应的解。其次，我们讨论基于权重及置信水平下的多损失CVaR问题，对于给定的置信水平和权值，定义多损失函数的α-VaR损失值和α-CVaR损失值，建立对应的CVaR最优化问题，我们证明它也可以通过求解另一个较容易求解的优化问题得到对应的解。然后，我们分别研究基于权重置信水平的最小α-VaR损失值问题和基于权重置信水平的最大α-VaR损失值问题。最后，我们针对证券数据做了相应的数值计算与分析。4、研究了多阶段CVaR模型。首先，讨论确定性状态转移时的多阶段CVaR模型，在给定每一个阶段的置信水平下我们定义多阶段的α-VaR和α-CVaR值，得到求全过程最小CVaR的最优问题，将求解全过程的CVaR最小损失归为求解一个递推方程，并证明新递推方程等价于另一个更易计算的递推方程。然后，在全过程各阶段同一个置信水平下的多阶段CVaR模型，