套期保值有效性研究文献综述与方法比较

对期货市场最佳套期保值比率的研究可分为两大类:一类是从组合资产收益风险最小化的角度,研究最小风险套期保值比率;另一类是同时考虑组合资产收益和收益方差,从效用最大化的角度研究均值-风险套期保值比率。研究套期保值的模型方法一般运用以下六种:OLS、B-VAR、ECHM、EC-GARCH、VaR、几何谱风险测度GM。本文比较了六种模型各自的优势和缺陷。     

VaR方法在资产管理风险控制中的实证研究

本文使用国际通行的VaR方法来研究证券投资公司资产组合管理的风险计量、分析和控制。建立了以VaR为主要风险控制指标的风险管理模型，并进行了相应的实证研究和探讨。目的是对证券投资公司的资产组合管理进行定量研究，为证券投资公司风险定量化管理提供理论和实证的支持和借鉴。     

证券公司投资组合市场风险与适足资本实证研究

本文按照巴塞尔新资本适足率规范，以中国85家证券公司实际自营投资组合为样本，采用基于VaR的内部模型法估算备公司自营投资的市场风险和应计提资本，并以之检验中国新老资本监管制度的有效性。实证结果显示，改革后的2006版资本监管制度比老制度有所改善，但对风险的反映不如内部模型法准确，监管制度改革的方向是内部模型法。因主要品种风险折扣比率设置偏低，新制度平均低估证券公司自营风险29％。建议监管规则依据VaR结果调整部分品种的风险折扣比率。     

最小VaR套期保值比率研究

本文提出了最小VaR（风险价值）套期保值比率。与最小方差套期保值比率相比,最小化套期保值资产组合VaR套期保值比率,能够较好地反映金融资产收效率数据通常具有的尖峰厚尾、波动簇集等特征,提高了计算的准确性,从而更为精确地测定套期保值资产组合所面临的风险。实证研究结果表明,在动态预测中,使用最小VaR套期价值策略的预测效果优于最小方差套期保值策略,为投资者利用期货市场套期保值,估计和控制风险提供了一个有效手段。     

互联网金融资产的多目标投资组合研究

互联网金融的快速发展和不断创新,正在悄然改变着公众的投资理财行为。本文在分析互联网金融创新下公众流动性偏好、投资行为变化与资产选择的基础上,构建基于CRRA(常数相对风险厌恶)期末财富期望效用最大化和VaR最小化的多目标投资组合模型。同时引入多目标优化的NSGA-Ⅱ遗传算法,并选择实际数据对模型进行求解,得出最优的互联网金融资产组合。研究表明:(1)互联网金融给传统金融业带来冲击的同时,也改变了人们的流动性偏好、投资行为和资产组合选择。(2)互联网金融在一定程度上调和了金融资产“流动性、收益性和安全性”之间的矛盾,并兼顾了“三性”的相对统一。(3)模型求解结果显示,投资者对互联网金融资产的投资组合为低风险类资产60%左右、高风险类资产40%左右。     

ChatGPT能否对投资领域产生影响——基于Sharperatio视角

本文旨在探索ChatGPT在金融投资领域的影响。通过调用API接口实现ChatGPT资产组合的输出,并在夏普比率方面与随机生成资产组合进行对比,同时将实验进一步延伸到ChatGPT选择的资产组合回报在10000次随机中的表现情况。研究结果表明,ChatGPT生成的投资资产组合并非是东拼西凑,相较于随机资产,GPT的表现要优于随机选择的资产组合,其夏普比率总体要明显高于随机选择资产组合。本文的研究有助于更好地了解ChatGPT在投资中是否能够充当助手,为未来的研究提供方向。     

CVaR风险度量及投资组合优化的实证分析

CVaR法是在VaR法基础上优化改进而来的风险度量方法。通过CVaR法对金融资产风险进行评估,对投资组合资产配置进行优化等成为了金融风险管理的重要内容。本文首先对比了CVaR和VaR法的区别,并通过比较A股和H股收益分布的特征得出A股更适用CVaR模型的结论。通过多因子选股模型选出投资组合成分,再使用均值-CVaR模型对投资组合进行优化,最终得到不同置信度和阀值下投资组合的优化结果。从而证明了该模型的有效性,突出了CVaR法在国内证券市场的使用价值和意义。     

次贷危机对跨国资产投资组合VaR的影响研究北大核心CSSCISSCI

本文以两类时变Copula-EVT-VaR模型作为核心研究方法,探讨了次贷危机对于跨国资产组合VaR模型测度准确度的影响,进而对比分析了两类模型的测度精度。研究结果表明,次贷危机的爆发,导致股市间尾部动态极值风险传导的程度显著增强,VaR的测度精度明显降低,通过分散化投资以降低组合风险的作用在一定程度上被削弱。因此在金融危机传染的背景下进行组合投资,应注重对比研究各类风险评价模型的测度效率,谨慎进行资产组合选择以及风险管理。     

基于vine copula的股市风格资产组合风险预警研究

近年来,风格投资已成为一种重要的投资模式。在此背景下,如何有效地对风格资产组合风险进行刻画与预警具有重要的理论与现实意义。本文选取股市风格资产构建投资组合,分别基于传统分布假设与EVT极值理论构建边缘分布;运用三类vine copula模型(C-vine、D-vine、R-vine)刻画风格资产间的相依关系;进一步运用滚动时间窗的蒙特卡罗模拟方法进行组合风险的动态测度,并通过返回测试比较不同风险模型的测度效果;最后基于在险价值(VaR)的预测结果对组合风险预警系统进行构建。研究结果表明:R-vine模型能够相对灵活地刻画风格资产间的相依结构,并取得更高的组合风险测度精度;相较于传统资产分布假设,引入EVT极值理论的风险模型能够更为有效地预测风格资产组合风险状况;基于在险价值所构建出的风险预警系统能够较好地对组合风险进行分级预警,从而为投资者与市场监管部门提供决策参考。     

货币错配风险的特征与组合评估

提出一种基于VaR模型失败率的VaR风险综合值的权数构造方法,并利用它测度货币错配VaR风险上下限值和分析风险变动特征。同时AR(m)—ARCH类模型VaR组合风险测度表明:组合模型的VaR值比单一模型更合理和可靠;具有债权型特征的我国货币错配风险主要来自于外币资产增长快于外币负债的增长;货币错配风险区间的波动宽度与外币资产与外币负债增长之比值呈正相关关系;在本币升值和贬值之间权衡得失时,本币升值比贬值更有利于债权型货币错配风险的弱化。     

基于Copula的投资组合选择模型研究

基于概率收益率与概率风险的定义,建立基于风险与收益率的投资组合模型,为了更好拟合联合分布,在具体解法中采用Copula函数来构造多个资产收益率的联合分布。由于不要求收益率服从维纳过程,因此基于Copula的Markowitz投资组合选择模型具有更广的适用性。通过对上证领先指数与深证领先指数收盘数据实证分析发现,在收益率(基于概率ρ0的收益率)一定的情况下,通过投资组合可以降低风险。     

Copula—CVaR资产组合选择模型分析

采用基于MonteCarlo数值模拟技术的Copula—CVaR风险评估模型讨论Copula函数的选择对投资决策的影响，度量资产组合的集成风险，总结出了资产组合风险度量的一般步骤。通过计算资产组合的VaR和CvaR值，实证检验说明：ClaytonCopula由于能更好地刻画尾部特征，从而在危机时期准确度更高。根据该模型进行资产选择可以使投资者的选择更加稳健。     

基于Copula-VaR模型的资产组合风险研究

将Copula函数应用于风险管理中。在运用VaR计算单一投资风险的基础上,将原有的简单线性相关系数转换为Kendall秩相关系数和尾部相关系数,运用阿基米德Coupula函数中的Clayton Copula函数和Gumbel Copula函数测度了资产组合风险。通过实证研究运用Copula-VaR模型能够更好地衡量资产组合的风险,并给出了相关的投资建议。     

基于pair_Copula_CVaR模型的保险投资组合优化

本文基于pair_Copula_CVaR模型对保险投资组合进行优化.选用977个交易日的上证指数、上证国债指数、上证基金指数和SHIBOR为样本数据,采用GARCH模型对单个资产建模,运用pair_Copula模型估计投资组合的联合分布,并通过Monte Carlo方法得到投资组合未来收益的多个可能情景,求得组合VaR和CVaR,得到使CVaR最小时的投资比例.实证研究表明,为了使风险值最小,保险资金可以将大部分的资金投资到风险较小的银行存款和国债中,适当地投资到风险较大的股票和基金中.通过理论最优比例结合实际情况可动态调整保险投资的结构,有利于保险资产的合理配置和保险资金的高效利用.     

指数化投资模式的争议与发展

指数化投资模式的理论争议
　　基于法马（1965,1970）等人提出的有效市场假说（简称EMH）,以及在马科维茨（1952）均值/方差模型的基础上夏普（1964）等人提出的资本资产定价模型（简称CAPM）,为被动式指数化投资模式提供了必要的理论解释。CAPM模型证明了市场资产组合是经风险调整后的收益最大化组合。然而,人们对现代投资理论本身提出了多种质疑,这些质疑则为传统的主动式投资模式提供了支持。在传统的主动式投资经理人看来,现实中的市场并不是有效的,因此可以挖掘市场的无效性来获取超额收益。事实上,许多学者也都证实了市场中存在许多“财务异常”现象,如豪根和海因斯（1975）发现风险与报酬存在着负向关系,低风险的投资组合反而具有较高投资收益。巴苏（1983）发现具有低市盈率的公司比高市盈率的公司的投资收益更高。这些研究说明,主动式经理人有可能通过选股和择时来获得超越市场指数的投资收益。     

基于中国资本市场数据的Faber战术资产配置及择时效果检验

Faber战术资产配置是根据简单均线思想进行择时,并在大类资产间进行均衡配置的模型,在降低投资组合风险方面具有积极的作用。采用我国资本市场2010—2017年的股票、债券、期货等大类资产的周数据,在构造适用于我国资本市场的Faber战术资产配置策略的基础上,利用T-M模型和H-M模型详细检验了策略的择时效果,结果发现:无论是单独对股市进行分析,还是对大类资产进行组合构建,Faber战术资产配置模型均可以显著扩大投资收益并降低投资风险,T-M模型和H-M模型的检验结果也表明该模型的择时效果极其显著,充分验证了择时加资产配置对于提高投资组合的收益风险比具有关键的作用。     

收益法价值评估中贝塔系数（β）的理论及其应用

20世纪60年代,美国著名经济学家威廉.夏普(William F.Sharpe)教授等人在哈里·马克威茨(Harry M.Markowitz)投资组合理论的基础上,导出了风险资产定价的量化模型——资本资产定价模型(CAPM)。在这     

基于资本资产定价模型的债券市场估值

资本资产定价是现代金融理论的三大基石之一,一些西方的发达国家的投资者常常用资本资产定价模型来解决金融投资决策等相关问题。该模型在资产预算、投资风险控制分析、投资组合绩效预测、投资案例研究分析等方面被广泛应用。     

基于加权CVaR下具有不确定退出时间的最优投资组合研究

一、引言 VaR是指在一定的概率(置信)水平下,某一金融资产或投资组合在未来特定的一段时间内遭受的最大可能损失.但是经过后来的研究,发现了VaR具有很多不足之处,于是Artzner(1997)提出了CVaR,CVaR是指投资组合的损失大于某个给定VaR值的条件下,该投资组合的损失平均值.2000年Rockafeller等人证明了基于CVaR的投资组合优化必定存在最小风险的解.CVaR和VaR作为风险测量工具在文献[3]中作了广泛的比较,CVaR现在被认为是比VaR更好的一致性风险度量.     

VaR在证券投资基金风险管理中的应用研究

本文使用VaR对我国证券投资基金的市场风险进行度量。通过成分VaR概念的引入以及在此基础上对一只上海证券交易所样本基金的实证分析，剥离出投资组合中每一项资产的风险权重，揭示了证券投资基金的市场风险的组成结构，说明VaR技术可以帮助基金管理者进行更为有效的资产风险管理。