试析投资项目β系数的确定

根据投资组合理论,组合的资产项目达到一定数量的时候,组合当中单个项目、单个资产的非系统性风险几乎被完全地分散掉,只有系统性风险,所以在估计项目风险的时候,只需估计系统陛风险即可,而系统性风险是通过β系数来反映的.     

公司系统性风险与会计变量关联性研究

公司总风险由系统性风险和非系统性风险共同组成,其中系统性风险由国家政治经济等总体经济环境或国际性环境等外在因素所决定,而非系统性风险则与公司本身特性有关。在投资过程中,非系统性风险可经由投资组合分散消除。但系统性风险则不可分散消除。如何衡量及适应系统性风险是财务理论研究的热点之一,早期较为成功的模式为Sharpe等（1965）提出的资本资产定价模型,此模型中个别资产报酬等于无风险资产报酬与风险溢价之和,其中风险溢价为风险市场价格与证券系统性风险之积。     

基于系统性风险和夏普指数的社保基金投资绩效分析

本文利用资本资产定价模型(CAPM)中的贝塔系数来刻画全国社保基金投资组合的系统性风险,通过与市场收益系统性风险的大小做对比来说明投资组合的整体风险状况。并且以CVa R代替Va R计算夏普指数的变形形式(RAROC)来反映投资组合的风险收益状况。而CVa R则是利用Pair-Copula拟合投资组合的分布之后,通过蒙特卡罗模拟求出的。     

基于沪深300股指期货的动态套期保值实证研究

文章运用沪深300股指期货对CPPI投资组合中的风险资产部分进行套期保值,利用ECM-GARCH模型估计最优风险套期保值比率,按照最优套期保值比例对CPPI投资组合中的风险资产部分进行套期保值。通过实证研究,运用沪深300股指期货套期保值能够在保证收益的条件下有效降低投资组合的风险。     

基于非预期损失控制的资产组合优化模型

研究目标：控制银行资产组合的风险,优化银行资产配置。研究方法：以CVaR为约束条件,以经济增加值EVA最大化为目标函数,建立了基于非预期损失控制的银行资产组合优化模型。研究发现：进行银行资产配置时,不能仅仅估计、控制预期损失,同时还必须考虑非预期损失。研究创新：一是通过构建资产组合的非预期损失与国内生产总值和贷款健康状态的离散函数关系,确定了条件风险价值CVaR的函数表达式,解决了银行资产组合的非预期损失的控制问题。二是通过信用等级迁移矩阵将信用等级变化产生的风险纳入到风险度量体系,从而在总体上对信用风险的不确定性有了较可靠的把握。完善了仅考虑贷款违约风险而忽略信用等级变化风险的不足。三是以银行资产组合的经济增加值最大化为目标函数来追求风险调整后的资本回报最大,完善了以组合收益率最大化为目标的资产配置优化忽略资产组合的预期风险和资本占用因素的不足。研究价值：有效控制银行资产组合面临的风险,为银行优化资产配置提供了新的科学决策参考。     

我国国有商业银行资产组合行为分析的实证研究

本文通过对国有商业银行1996年～2002年季度值进行统计描述，用计量方法从多个变量对其中资产项目进行回归分析，发现国有商业银行资产组合管理实践与理论存在较大的差异。主要原因在于：资产各项目之间缺乏联动性；短期利率市场化与中长期利率管制的双重结构；短期调整机制不灵敏，导致资产组合资产管理的系统性和综合性不强。     

基于CAPM模型对股票市场的收益与风险研究——以上海股票市场为例

文章依据资本资产定价模型,来论证上海股票市场收益与风险之间的关系。文章还选取了上证50板块中50支2014年的股票作为样本数据进行分析,运用时间序列分析和横截面最小二乘法的回归方法,来检验系统风险是否对个股具有显著影响。最终我们发现,非系统性风险对股票收益影响较大,系统性风险与投资收益率的关系并不符合CAPM模型,并论证通过建立投资组合可以达到分散非系统性风险的作用。     

项目融资的动态风险分析

项目融资指的是作为资金需求方的企业,以其拥有的项目的资产和现金流量向资金供给方银行抵押,换取项目所需的资金。其特征有项目导向、风险分担、有限追索、非公司负债型融资、信用结构多样化、融资成本较高等。 按照现行的项目融资风险定量分析方法,在可行性研究的基础上,首先是进行投资决策的风险分析。投资者在利用资产定价模型(CAPM)确定能够正确反映项目风险的贴现率的基础上,考虑项目的系统性风险,以及由于承担了这种风险而应该得到的收益,据此进行     

风险投资多项目多阶段投资组合决策研究

针对多项目多阶段风险投资,以提高风险投资收益率、成功率和降低投资风险为目标,构建了多项目多阶段投资总体概念模型。在此基础上,利用马可维茨投资决策模型进行项目筛选,然后建立决策树和三级模糊评价模型对单个项目多阶段投资进行决策,得到了在风险资本投资总额一定的情况下的多项目投资组合、项目的投资比例以及单个项目多阶段的投资方式和资金比例。     

高频数据下积分波动率矩阵的伪似然估计、预测及应用

研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合。     

资产证券化释义

资产证券化的主要特征 资产证券化是以资产所产生预期现金流为支撑,在资本市场发行证券进行融资,将资产的风险和收益进行分割与重组的过程或技术。资产证券化的主要特征：一是资产范围,资产证券化不是以某单个企业的整体资产为支撑的,而是将其中适合于证券化的部分资产“剥离”出来（这种剥离与现在所说的企业重组的资产剥离是不同的）,然后将其真实销售给一家特殊目的载体,由该载体来进行证券化。而且,证券化资产的范围也不仅限于单个企业的资产,而可以将许多不同地域、不同企业的资产组合为一个证券化资产池。二是破产隔离由于资…     

Markowitz投资组合模型下最优组合权重的显著性检验

鉴于Markowitz投资组合模型与线性回归模型之间的联系,我们可以通过线性回归方法估计最优组合权重,并且检验最优组合权重的显著性。Markowitz投资组合权重是最优的,但并不保证该证券能够有效分散组合的非系统性风险。线性回归模型的显著性检验告诉我们,只有最优组合权重通过了显著性检验的证券才对分散组合的非系统性风险有明显的贡献。在实际运用中,以计算最小方差点处的最优组合权重为例,最小二乘回归的结果与直接使用非线性规划求解的结果相同。通过显著性检验还可以把不显著的证券从组合中去掉,建立更加简洁有效的投资组合,从而降低管理成本。     

基于ISM的施工企业项目组合的风险管理研究

为应对施工企业面对多项目时资源受限、风险管理压力增大的现实情况,本文提出施工企业在企业战略的高度上采取项目组合管理,降低总风险并实现企业收益最大化。为有效推进施工企业项目组合的风险管理,选择ISM解释结构模型技术,建立风险管理指标体系。并且,本文根据各层次的风险要素,提供针对性的风险管理思路和方向,为进一步深入研究施工企业项目组合的风险管理系统性、科学性和有效性打下坚实基础。     

Markowitz投资组合模型最优权重的稳定性检验

鉴于Markowitz投资组合模型与线性回归模型之间的联系,可以在线性回归框架下解决投资组合问题,并作相关的统计与计量经济学检验。Markowitz投资组合权重是最优的,但并不保证该证券在分散组合的非系统性风险方面显著有效,线性回归模型的显著性检验告诉我们,只有最优组合权重通过了显著性检验的证券才对分散组合的非系统性风险有明显的贡献。在实例中,首先用线性回归的方法估计出最小方差点处的最优组合权重;其次通过显著性检验,把不显著的证券从组合中去掉,建立更加简洁有效的投资组合,降低管理成本;最后,使用邹氏预测检验对投资组合的动态性或最优组合权重的结构性变化进行检验,为投资组合的最佳调整时机选择提供一种思路。     

资产组合选择问题的一致性研究

本文首先依据多准则决策原理,从理论上证明期望效用最大化的资产组合选择准则只是均值—风险资产组合选择准则的一个特例。然后根据期望效用原理、随机占优原理,分析使均值—风险资产组合选择准则与期望效用最大化资产组合选择准则具有内在一致性时,风险度量方法和收益度量方法应该满足的必要条件。     

以宏观审慎视角推进新一轮金融改革

当前我国金融体系受多方因素影响,其潜在系统性风险有所上升,已对新一轮金融改革提出迫切要求.但上一轮以单个领域、单个金融机构改革为重点的微观审慎改革思路显然已不能适应当前金融体系的新特点与新趋势,系统性风险的不断累积与演变需要我们以宏观审慎视角来推进新一轮金融改革.     

基于风险预算的资产配置方法

本文根据Markowitz投资组合理论进行最优资产配置的思想,用风险贡献率作为风险预算的表示,提出了基于风险预算理论的次优资产配置方法,为投资者在有多种风险约束和偏好的情况下,确定符合其特定风险预算需求的次优资产组合提供了一种思路。     

Bayes风险值

风险值(VaR)是最近几年发展起来的一种市场风险度量尺度，是目前国际上最常用的金融市场风险度量基准。传统的VaR估计方法基本上都依赖于历史数据，并且只能在市场处于正常变动时衡量所面临的风险。由于金融市场中影响资产收益状况的因素时刻都在变化之中，资产收益分布中的参数也是不断变化的，因此用Bayes方法预测未来收益状况的VaR更合适。本文给出了BVaR和BCVaR的概念，讨论了BVa／R的性质与特点，并对市场因子服从正态分布时组合BVaR以及非线性组合BVaR的计算进行了研究。     

基金投资面临的问题与障碍

我国证券投资基金目前的投资品种限于流通A股及国债 ,一是无法满足投资者对收益和风险的不同偏好 ,不利于吸引社会资金 ;二是对大额资金因交易品种单一而意味着投资组合调整的有限性 ,使系统性风险加大。仅靠注重业绩、组合投资的理性投资理念 ,基金经理可以分散非系统性投资风险 ,但无法从根本上避免股市的主要风险 ,即系统性风险。     

利用Excel实现β系数自动计算

在证券市场中,β系数是揭示上市公司股票系统性投资风险的重要指标,更是投资组合管理、业绩评价的必备信息,因此,对β系数的准确估计具有重要的理论价值和现实意义。本文分析了影响β系数的主要因素,提出了构建Excel模板实现β系数自动计算的方法。