譜函數(shù)風(fēng)險(xiǎn)測(cè)試下的最優(yōu)投資組合決策研究.pdf

1、本文運(yùn)用譜函數(shù)風(fēng)險(xiǎn)測(cè)度(Spectral Risk Measure)度量金融資產(chǎn)面臨的潛在下行風(fēng)險(xiǎn)，建立滿足投資決策的潛在下行風(fēng)險(xiǎn)在一定置信度下不超過(guò)給定風(fēng)險(xiǎn)閥值約束條件時(shí)，使得投資收益率極大化的最優(yōu)投資組合選擇模型。文章通過(guò)構(gòu)建一個(gè)類(lèi)似于夏普比例的指標(biāo)衡量投資組合的市場(chǎng)表現(xiàn)并將模型的優(yōu)化轉(zhuǎn)化為該指標(biāo)的優(yōu)化問(wèn)題，優(yōu)化求解時(shí)應(yīng)用遺傳算法有效地克服了優(yōu)化函數(shù)不連續(xù)和多局部極值的難點(diǎn)。文章研究了不同置信度下的風(fēng)險(xiǎn)價(jià)值、譜函數(shù)風(fēng)險(xiǎn)測(cè)度以及對(duì)應(yīng)風(fēng)

2、險(xiǎn)約束下的最優(yōu)投資組合特征，分析了資產(chǎn)收益率分布函數(shù)和下行風(fēng)險(xiǎn)測(cè)度方法對(duì)最優(yōu)投資組合選擇的影響。
　　文章創(chuàng)新:譜函數(shù)風(fēng)險(xiǎn)測(cè)度定義下行風(fēng)險(xiǎn)使模型擺脫了收益率服從正態(tài)分布的假設(shè)，相對(duì)于用風(fēng)險(xiǎn)價(jià)值、尾部條件期望和期望損失定義下行風(fēng)險(xiǎn)，譜函數(shù)風(fēng)險(xiǎn)測(cè)度對(duì)越嚴(yán)重的下行風(fēng)險(xiǎn)賦予越大的權(quán)重，在充分考慮下行風(fēng)險(xiǎn)的同時(shí)也更符合投資者心理特征，并且滿足一致性風(fēng)險(xiǎn)測(cè)度的可加性要求，因此能夠更準(zhǔn)確的刻畫(huà)資產(chǎn)的風(fēng)險(xiǎn)特征。考慮到資本市場(chǎng)中資產(chǎn)收益率尖峰厚尾性

3、質(zhì)與波動(dòng)聚類(lèi)的特征，本文采用基于t分布和GARCH模型的蒙特卡羅模擬產(chǎn)生資產(chǎn)預(yù)期收益率分布進(jìn)而估算不同置信度下的風(fēng)險(xiǎn)測(cè)度大小。應(yīng)用遺傳算法進(jìn)行模型求解時(shí)，相對(duì)于隨機(jī)設(shè)定算法參數(shù)值，文章中用參數(shù)檢測(cè)方法確定適用本文模型的最優(yōu)參數(shù)值，保證算法獲得最優(yōu)解的同時(shí)，提高了算法優(yōu)化效率。
　　文章結(jié)論:相同置信度下，譜函數(shù)風(fēng)險(xiǎn)測(cè)度大于風(fēng)險(xiǎn)價(jià)值，所以譜函數(shù)風(fēng)險(xiǎn)測(cè)度約束下的最優(yōu)投資組合中投資于風(fēng)險(xiǎn)資產(chǎn)的比例小于風(fēng)險(xiǎn)價(jià)值測(cè)度約束下最優(yōu)投資組合中風(fēng)險(xiǎn)