投资组合保险策略的概述

投资组合保险作为一种资产配置的方法,越来越受到投资者的关注.它通过改变无风险资产与风险资产的比例来达到规避风险的目的.其特点在于确保最低收益的同时不限制上升获利的机会.本文将详述投资组合保险两种策略的原理与运用,指出各自的优缺点.     

保险投资组合策略研究

保险基金投资渠道迅速扩展,保值增值机率与风险同步并行,加强保险基金投资策略与风险管理研究意义重大。合理的保险基金投资策略是实现其保值增值的关键,保持保险负债与资产投资匹配是风险管理的核心。发达国家保险基金投资的成功经验证明,投资组合中运用指数化投资是保险基金投资的明智选择。     

投资组合保险策略的运作原理

保本基金与组合保险策略 投资组合保险1理论起源于20世纪80年代的美国.由伯克利大学金融学教授Hayne E Leland和Mark Rubinstein创始的这项技术自1983年被首次应用于Wells Fargo Investment Advisors、AetnaLife、Casualty三家金融机构的投资管理运作实践中,并在80年代中期得到蓬勃发展.该理论对于较不愿承受风险的投资者或处于下跌的市况来说.是一种很好的投资策略.     

平均价格投资组合保险策略研究

根据连续时间条件下CPPI策略的操作原理,引入亚式期权,本文构造了一种基于平均价格的投资组合保险策略.通过采用上证综合指数,对APPI策略在多头、空头和震荡三个时期进行历史数据实证模拟,并与标准CPPI策略做对比.结果发现：多头时期APPI策略表现不如CPPI策略;空头和震荡时期,保险效果则优于标准CPPI策略.     

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.     

组合保险策略的实证检验

组合保险策略概述 组合保险策略核心思想是,通过静态或者动态资产配置策略的使用,将股票组合损失锁定在一定范围内,同时仍致力追求股市上涨时带来的收益.根据策略设计依据不同,组合保险策略可分为两大类:一类是依据Black、Scholes(BS,1973)提出的期权定价公式所衍生出的基于期权的组合保险(option-based portfolio insurance,OBPI)策略,包括欧式保护性卖权策略、复制性卖权策略;另一类则是依据投资者本身风险偏好以及承风险担能力设定一些简单的参数所形成的组合保险策略,包括固定比例组合保险(constant proportion portfolioinsurance,CPPI)策略、时间不变性组合保险(time-invariant portfolioprotection,TIPP)策略.     

价值策略构建投资组合

价值投资策略可以获得超额收益率,本文对我国A股市场用账面市值比、盈利/股票价值和现金流量/股票三个指标分别构建投资组合,检验了价值投资策略在我国股市的实际表现,最后讨论了价值投资策略在中国市场可行的原因和发展前景。     

An Empirical Study of Insurance Performance Measure

This author applies Insurance Performance Measure (IPM) to a set of Indian insurance companies over the period 2005–2016. This is the first article published that applies the IPM model on real industry data and studies its implications. The IPM was introduced in a Winter 2002 JACF article by Joseph Calandro, Jr., then at General Star management, a subsidiary of Berkshire Hathaway and by Scott Lane, then an accounting professor at the University of New Haven. Those authors explained why financial reporting for insurance companies was so challenging and presented the IPM metric as a better way to assess industry and company performance. Evaluating P&C companies is difficult because the unique format of insurance company financials does not lend itself to traditional financial accounting analysis and because the industry's preeminent performance measure, the Underwriting Ratio, captures underwriting and claims activity but says nothing about investment and risk distribution (reinsurance). By contrast, the IPM represents the interrelation of underwriting, investment and reinsurance along with a hurdle rate and is quite consistent with Warren Buffett's expressed desire for a balanced overview of industry performance. IPM uses financial data without modification thereby simplifying and fastening computation. Operationally, it could help in negotiations for reinsurance renewals and identify “Maximum Profitable capacity”—the threshold limit for overall profitability.     

基于蒙特卡罗模拟的多标的资产期权定价研究

在单标的资产价格随机模型的基础上,推导了具相关性的多标的资产价格的随机过程公式,以此构造蒙特卡罗模拟高维欧式期权定价的随机模型,给出模拟算法,并分析了影响蒙特卡罗模拟效果的几个关键因素。模拟算例的结果显示模拟效果较好。     

美式期权的Monte Carlo模拟法定价理论及应用

近年来随着计算机技术的飞速发展,美式期权的Monte Carlo模拟法定价取得了实质性的突破。本文分析介绍了美式期权的Monte Carlo模拟法定价理论及在此基础上推导出的线性回归MonteCarlo模拟法定价公式及其在实际的应用。     

存款保险费率结构的Monte Carlo比较——基于商业银行的风险暴露水平

存款保险制度可能引发道德风险问题,导致商业银行主动承受更大的风险。针对这一问题,有人提出基于风险设计存款保险费率结构。论文通过Monte Carlo实验,比较不同存款保险费率结构在控制商业银行的风险暴露水平方面的效能,发现存款保险费率结构在控制风险方面的效能优劣次序,对商业银行的风险偏好敏感,在确定商业银行的风险偏好之前,不能断定基于风险的存款保险费率结构一定优于固定费率结构。     

Adjoint-based Monte Carlo calibration of financial market models

Adjoint methods have recently gained considerable importance in the finance sector, because they allow to quickly compute option sensitivities with respect to a large number of model parameters. In this paper we investigate how the efficiency of adjoint methods can be exploited to speed up the Monte Carlo-based calibration of financial market models. After analyzing the calibration problem both theoretically and numerically, we derive the associated adjoint equation and propose its application in combination with a multi-layer method, for which we prove convergence to a stationary point of the underlying optimization problem. Detailed numerical examples illustrate the performance of the method. In particular, the proposed algorithm reduces the calibration time for a typical equity market model with time-dependent model parameters from over three hours to less than ten minutes on a usual desktop PC.      

Copula的投资组合选择模型的应用研究

结合Copula技术和GARCH模型,建立了投资组合的Copula-GARCH模型。由于该模型可以捕捉金融市场间的非线性相关性,因而可用于投资组合的风险分析中。利用这个模型,并结合Markowitz的投资组合选择模型,对我国的一支开放式基金——中信红利精选股票型证券投资基金投资组合的选择进行了优化,本文应用lingo 8.0,在收益率一定的情况下,得到了风险(VaR)最小的投资组合。     

蒙特卡罗方差减小技术以及在金融中的应用

本文主要介绍MonteCarlo方差减小技术及其在金融中衍生证券定价的一些的应用。对近几年来国际上取得的主要研究成果作了简要的介绍和比较。并提出一些目前待解决的问题。     

亚式期权定价的模拟方法研究

由于算术平均价格亚式期权的定价没有解析公式，所以文章用Monte Carlo模拟方法通过Matlab软件编写程序对亚式期权进行了定价。发现在某些情况下，亚式期权的价值并不是国内外一些研究者所认为的低于相应的欧式期权的价值。     

Least-squares Importance Sampling for Monte Carlo security pricing

We describe a simple Importance Sampling strategy for Monte Carlo simulations based on a least-squares optimization procedure. With several numerical examples, we show that such Least-squares Importance Sampling (LSIS) provides efficiency gains comparable to the state-of-the-art techniques, for problems that can be formulated in terms of the determination of the optimal mean of a multivariate Gaussian distribution. In addition, LSIS can be naturally applied to more general Importance Sampling densities and is particularly effective when the ability to adjust higher moments of the sampling distribution, or to deal with non-Gaussian or multi-modal densities, is critical to achieve variance reductions.     

投资组合行业配置的动态VaR研究——基于时变Copula-GJR-Skewed-t模型

用时变Copula-GJR-Skewed-t模型研究了深证22个行业分类指数中任意两个投资组合的动态VaR,并与静态VaR比较。实证结果表明,时变t-Copula函数在众多Copula函数中对行业投资组合的拟合效果最优,给出了模型估计出的VaR最大和最小的5对行业组合,不同行业组合的动态VaR在股市周期各阶段关系相对稳定,同一行业组合的动态VaR和静态VaR关系相对稳定,且略高于静态VaR。