• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于CVaR風(fēng)險(xiǎn)度量的投資組合優(yōu)化決策

      2012-03-12 06:03:26楊愛(ài)軍孟德鋒
      統(tǒng)計(jì)與決策 2012年15期
      關(guān)鍵詞:偏態(tài)正態(tài)分布度量

      楊愛(ài)軍,高 岳,孟德鋒

      (南京審計(jì)學(xué)院 金融學(xué)院,南京 211815)

      0 引言

      Markowitz于1952年提出的組合投資理論與方法奠定了均值—方差分析框架,開(kāi)創(chuàng)了對(duì)金融風(fēng)險(xiǎn)進(jìn)行定量測(cè)度與防范的先河,是后續(xù)許多其他理論研究的基礎(chǔ)。隨著金融實(shí)踐不斷深化和金融計(jì)量建模技術(shù)的發(fā)展,該理論的不足之處也逐漸凸現(xiàn)出。

      一方面,傳統(tǒng)的均值—方差模型假設(shè)投資組合收益率分布函數(shù)為多元正態(tài)分布。盡管均值—方差模型仍很受歡迎,但它也受到了種種批評(píng)。重要一點(diǎn)是沒(méi)有充分考慮投資組合收益率的尖峰厚尾和偏態(tài)特征。當(dāng)投資組合收益率服從正態(tài)分布時(shí),均值—方差模型能夠完美地刻畫投資組合收益率分布情況,從而為管理投資風(fēng)險(xiǎn)提供堅(jiān)實(shí)的基礎(chǔ)。事實(shí)上,大量實(shí)證研究成果表明,投資組合收益率往往呈現(xiàn)出尖峰胖尾和有偏特征。Markowitz[1]詳細(xì)說(shuō)明了當(dāng)投資者效用函數(shù)與投資組合損益率的均值、方差和偏態(tài)有關(guān)時(shí),均值—方差模型不再有效;Athayde和Flores[2]給出了基于均值—方差—偏度的有效前沿的許多性質(zhì),并且通過(guò)模擬得到有效前沿形狀;Jurczenko[3]提出了一種優(yōu)化算法來(lái)得到基于均值—方差—偏度的投資組合有效前沿。但是這些研究都沒(méi)有充分考慮投資組合收益率的尖峰厚尾特性。

      另一方面,盡管存在種種批評(píng)和多種與其競(jìng)爭(zhēng)的風(fēng)險(xiǎn)度量方法,方差仍然是投資管理實(shí)踐中應(yīng)用最為廣泛的風(fēng)險(xiǎn)度量方法。在金融市場(chǎng)波動(dòng)較為平穩(wěn)的情況下,均值—方差模型仍然能較好地發(fā)揮作用。然而在金融市場(chǎng)波動(dòng)較為劇烈的情況下,投資組合收益率尖峰厚尾和偏態(tài)特性使得方差不能有效度量投資組合重大損失風(fēng)險(xiǎn)。當(dāng)前金融市場(chǎng)的波動(dòng)越來(lái)越大,投資者越來(lái)越關(guān)注投資組合重大損失風(fēng)險(xiǎn)的發(fā)生;同時(shí)監(jiān)管當(dāng)局也越來(lái)越重視對(duì)投資組合重大損失風(fēng)險(xiǎn)的監(jiān)管。國(guó)內(nèi)外一些學(xué)者提出了利用VaR來(lái)改造均值一方差模型,形成均值一方差模型。然而由于VaR不滿足次可加性,從而不滿足一致性風(fēng)險(xiǎn)度量標(biāo)準(zhǔn),這個(gè)缺陷影響了投資組合選擇的正確性。CVaR是一致性風(fēng)險(xiǎn)度量方法,且容易進(jìn)行優(yōu)化處理,受到學(xué)術(shù)界和實(shí)務(wù)界越來(lái)越多的重視。為了方便計(jì)算均值—CVaR模型有效前沿,常常假設(shè)投資組合收益率服從多元正態(tài)分布[4~6]。雖然多元正態(tài)分布簡(jiǎn)化了均值—CVaR模型的計(jì)算,卻低估了實(shí)際的重大損失風(fēng)險(xiǎn)。

      鑒于此,本文擬研究基于均值—CVaR模型的投資組合優(yōu)化問(wèn)題。首先,利用多元廣義雙曲線分布來(lái)擬合投資組合收益率,這個(gè)分布可以更好的考慮投資組合收益率的尖峰厚尾和偏態(tài)特征,還包含了多元正態(tài)分布和多元偏態(tài)分布為特例,進(jìn)而可以從分布本身的角度來(lái)比較比較實(shí)證研究結(jié)果;其次,本文將引入CVaR代替方差和VaR來(lái)度量風(fēng)險(xiǎn),進(jìn)而建立均值—CVaR投資優(yōu)化模型;最后,利用中國(guó)股票市場(chǎng)的真實(shí)數(shù)據(jù)來(lái)演示本文方法,筆者期望提出的基于多元廣義雙曲線分布的均值—CVaR模型能為投資者更好地管理投資風(fēng)險(xiǎn),提供更廣泛的選擇空間。

      1 均值-CVaR模型

      假設(shè)有n種股票可用于構(gòu)建投資組合,第i種股票期望收益率為ri(i=1,2,…,n),記r=(r1,r2,…,rn)T,上標(biāo)T表示矩陣的轉(zhuǎn)置;第i種股票在投資組合中的投資比重為wi,則投資組合可以表示為w=(w1,w2,…,wn)T,那么投資組合損益率為有效反映投資組合收益率分布是進(jìn)行風(fēng)險(xiǎn)管理的重要基礎(chǔ),進(jìn)而對(duì)投資組合優(yōu)化問(wèn)題具有重要意義。本文在利用多元廣義曲線分布來(lái)描述n種股票期望收益率基礎(chǔ)上建立均值—CVaR模型。

      1.1 多元廣義雙曲線分布

      Kλ(z)為階數(shù)為λ的第二類修正Bessel函數(shù),那么r服從多元廣義曲線分布,其中參數(shù)滿足:當(dāng) λ<0,則χ>0,ψ≥0;當(dāng) λ=0,則 χ>0,ψ>0;當(dāng)λ>0,則 χ≥0, ψ>0。這里λ可用于描述某個(gè)子類的特征,并且改變?chǔ)说闹悼梢詠?lái)調(diào)整分布尾部的厚度;λ,χ,ψ是分布的形狀參數(shù),決定了數(shù)據(jù)在分布尾部和中心部分的比重,當(dāng)參數(shù)取值趨向無(wú)窮大時(shí),分布演化為正態(tài)分布;u是位置參數(shù);γ是偏態(tài)參數(shù),越大表示分布函數(shù)偏度越大就說(shuō)明分布函數(shù)是對(duì)稱分布,也是一類橢圓分布,γ在描述金融收益率數(shù)據(jù)分布中具有重要的作用。由此可見(jiàn),與多元正態(tài)分布僅有兩個(gè)參數(shù)相比較,通過(guò)引進(jìn)其他幾個(gè)參數(shù)使得這個(gè)分布族非常靈活,能更好地?cái)M合實(shí)際金融收益率分布。

      多元廣義雙曲線分布族包含許多分布,并且這些分布的一維形式已經(jīng)被廣泛應(yīng)用于金融領(lǐng)域:當(dāng)λ=1時(shí),為多元廣義雙曲線分布[7];當(dāng)λ=(n+1)/2時(shí),為多元雙曲線分布;當(dāng)λ=-1/2時(shí),為多元正態(tài)逆高斯(NIG)分布[8,9];當(dāng)λ>0,χ=0時(shí) ,為 多 元 方 差 -gamma分 布[10];當(dāng)λ=-ν/2,χ=ν,ψ=0時(shí),為多元偏態(tài) t分布[11,12];當(dāng)λ=-ν/2,χ=ν,ψ=0,γ=0時(shí),為多元學(xué)生t分布。

      1.2 風(fēng)險(xiǎn)度量

      VaR是在一定的持有期和一定的置信度內(nèi),投資組合所面臨的、潛在的最大損失金額;VaR不僅指出了市場(chǎng)風(fēng)險(xiǎn)暴露的大小,同時(shí)也給出了損失的概率。如令α∈(0,1)為給定置信度,則VaR可表示為:

      VaR=inf{l∈R∶Pr(L>l)≤1-α}=inf{l∈R∶FL(l)≥α}

      CVaR是指損失超過(guò)VaR的條件均值[13],也稱為平均超額損失,代表了超額損失的平均水平,其表達(dá)式為:

      在方差、VaR和CVaR三種風(fēng)險(xiǎn)度量中,方差不一定滿足一致性風(fēng)險(xiǎn)測(cè)度標(biāo)準(zhǔn);VaR不一定滿足次可加性,從而不一定滿足一致性風(fēng)險(xiǎn)測(cè)度標(biāo)準(zhǔn),但是當(dāng)分布函數(shù)為橢圓分布族時(shí)[14],VaR滿足次可加性,也滿足一致性風(fēng)險(xiǎn)測(cè)度標(biāo)準(zhǔn);對(duì)CVaR而言,無(wú)論分布函數(shù)是否為橢圓分布族時(shí),其都滿足一致性風(fēng)險(xiǎn)測(cè)度標(biāo)準(zhǔn)。一致性風(fēng)險(xiǎn)測(cè)度標(biāo)準(zhǔn)對(duì)方差、VaR和CVaR三種風(fēng)險(xiǎn)度量在投資組合優(yōu)化問(wèn)題中的重要性可以用如下結(jié)論來(lái)描述。

      假如r服從橢圓分布,并且分布的所有邊際分布方差有限;對(duì)所有g(shù)∈R,記

      那么對(duì)任何滿足正齊次性,傳遞不變性的風(fēng)險(xiǎn)度量ρ而言,argminL∈Ωρ(L)=argminL∈Ωσ2L。

      這里σ2L為變量L的方差。以上結(jié)論說(shuō)明,如果投資組合收益率向量服從橢圓分布,那么在給定組合收益率的期望值的條件下,基于Markowitz方差最小化理論所得到的最優(yōu)投資組合同基于其他滿足正齊次性,傳遞不變性的風(fēng)險(xiǎn)度量方法所得到的最優(yōu)投資組合一樣。也就是說(shuō),最優(yōu)投資組合不僅依賴于風(fēng)險(xiǎn)度量方法的選取,也依賴于投資組合收益率向量分布函數(shù)的選取(本文省略具體證明過(guò)程,感興趣可以和作者聯(lián)系)。但通過(guò)具體例子來(lái)說(shuō)明上述結(jié)論的內(nèi)涵。因?yàn)槎嘣龖B(tài)分布和多元t分布為橢圓分布的特例,這里假設(shè)投資組合收益率向量服從多元t分布,通過(guò)簡(jiǎn)單計(jì)算可得

      其中,c1,c2為依賴于α和自由度的常數(shù)。因此,在給定組合收益率的期望值條件下,即ωTu為常數(shù),對(duì)CVaR進(jìn)行極小化求解相當(dāng)于對(duì)方差(ωTΣω)進(jìn)行極小化求解。因此,無(wú)論使用方差、VaR和CVaR那一種來(lái)度量風(fēng)險(xiǎn),所得最優(yōu)投資組合的結(jié)果始終一致;同時(shí)優(yōu)化結(jié)果也不依賴α的選取。當(dāng)多元廣義雙曲線分布中的γ=0時(shí),多元廣義雙曲線分布演化為一類橢圓分布,此時(shí)投資組合優(yōu)化問(wèn)題不依賴于風(fēng)險(xiǎn)度量方法的選取;但是當(dāng)γ≠0時(shí),投資組合優(yōu)化問(wèn)題依賴于風(fēng)險(xiǎn)度量的選取。因此本文將利用CVaR來(lái)度量投資組合潛在損失。

      1.3 投資組合優(yōu)化

      由于在投資組合收益率向量服從多元廣義雙曲線分布下,無(wú)法得到CVaR的具體表達(dá)式,對(duì)此本文利用Rockafellar and Uryasev[15]的算法①當(dāng)分布函數(shù)為正態(tài)或者學(xué)生分布時(shí),我們也可以繼續(xù)使用這個(gè)方法,所得結(jié)果和直接求解所得結(jié)果一致。,具體過(guò)程如下。

      步驟1:首先將CVaR表示為如下形式:

      這里[x]+=max(x,0)。由于上式涉及高維積分,傳統(tǒng)方法非常困難,本文利用MCMC抽樣技術(shù)從r的密度函數(shù)中隨機(jī)產(chǎn)生m個(gè)樣本,得到Fα(w,p)估計(jì)為:

      步驟2:在給定組合收益率的期望值約束下,關(guān)于(w,p)對(duì) F∧α(w,p)進(jìn)行最小化求解②這里我們可以使用Matlab軟件提供的線形規(guī)劃算法,fmincon,對(duì)F∧α(w,p)進(jìn)行最小化問(wèn)題的求解。。如果 F∧α(w,p)在(w*,p*)處取得極小值,那么w*為最優(yōu)投資組合,p*為VaR,極小值為CVaR。

      2 實(shí)證分析

      本文選擇不同行業(yè)的五只股票作為研究對(duì)象③本文也研究了其他不同種類股票組合的優(yōu)化情況,所得結(jié)果也支持本文結(jié)論。限于篇幅,這里不再列出,感興趣的讀者可以向或者索取。,這五只股票分別是:東方航空、浦發(fā)銀行、萬(wàn)科A、中國(guó)石化和中國(guó)重汽;計(jì)算使用的歷史數(shù)據(jù)區(qū)間為:2000年1月1日到2010年6月29日;數(shù)據(jù)來(lái)源:金融研究數(shù)據(jù)庫(kù)(RESSET)。所選取的股票相關(guān)統(tǒng)計(jì)資料見(jiàn)表1。

      表1 五只股票收益率的相關(guān)統(tǒng)計(jì)分析

      從表1中單個(gè)股票來(lái)看,可以發(fā)現(xiàn)東方航空股票平均收益率最高,而其偏態(tài)情況也最顯著。中國(guó)石化和中國(guó)重汽也存在比較明顯的偏態(tài)情形。根據(jù)前面的理論,運(yùn)用廣義雙曲線分布和CVaR風(fēng)險(xiǎn)度量來(lái)研究投資組合優(yōu)化問(wèn)題時(shí),必須對(duì)數(shù)據(jù)的聯(lián)合分布進(jìn)行檢驗(yàn)。表2運(yùn)用MardiaTest統(tǒng)計(jì)量對(duì)數(shù)據(jù)的多元正態(tài)性進(jìn)行檢驗(yàn)。從表2分析中,五只股票的數(shù)據(jù)顯然不滿足多元正態(tài)分布。這個(gè)結(jié)論可以從表3得到進(jìn)一步確認(rèn)。在表3中,我們用三種不同分布來(lái)擬合數(shù)據(jù)。從最優(yōu)擬合優(yōu)度AIC值可以得出,正態(tài)逆高斯分布和偏態(tài)t分布的擬合效果差別不是很大,但是正態(tài)逆高斯分布對(duì)數(shù)據(jù)擬合效果最好,無(wú)論是正態(tài)逆高斯分布還是偏態(tài)t分布,擬合結(jié)果都表明數(shù)據(jù)具有尖峰厚尾和偏態(tài)特征。因此有必要對(duì)傳統(tǒng)的均值—方差模型進(jìn)行改進(jìn)。

      表2 多元正態(tài)分布檢驗(yàn)

      表3 不同分布下的AIC值

      表4 基于多元正態(tài)分布和方差、95%VaR和95%CVaR度量的優(yōu)化結(jié)果

      在前面部分我們指出,當(dāng)分布為多元正態(tài)分布時(shí)④我們這里僅以多元正態(tài)分布為例,這個(gè)結(jié)論對(duì)橢圓分布族中的任何分布都滿足。,使用方差、VaR和CVaR中任一種作為風(fēng)險(xiǎn)度量工具,所得到最優(yōu)投資組合結(jié)果是不變的。表4給出基于這三種風(fēng)險(xiǎn)度量的優(yōu)化結(jié)果,顯然優(yōu)化結(jié)果始終保持一致。下面利用正態(tài)逆高斯分布和CVaR研究投資組合優(yōu)化問(wèn)題。為了對(duì)均值—方差模型與均值—CVaR模型做一個(gè)比較,進(jìn)而分析均值—CVaR模型的特點(diǎn),我們對(duì)每一個(gè)模型都計(jì)算了在給定組合收益率的期望值約束下的最優(yōu)投資組合。表5分別給出了五組最優(yōu)投資組合的計(jì)算結(jié)果。分析表4和表5可以發(fā)現(xiàn),盡管在給定組合收益率的期望值約束下,基于均值—方差模型與均值—CVaR模型得到的最優(yōu)投資組合并不相同。具體來(lái)說(shuō),東方航空和萬(wàn)科A的投資比重顯著增大(+20%,+30%);浦發(fā)銀行的投資比重減少很多(-60%);而其他兩個(gè)股票的投資比重基本保持不變。這個(gè)結(jié)果表明本文的方法運(yùn)用到證券投資管理是相當(dāng)有潛力的。由于在均值—CVaR的模型中,損失是用貨幣來(lái)表示的,它更加直觀,同時(shí)由于CVaR是下方風(fēng)險(xiǎn)的度量方法,更接近投資者的心理習(xí)慣。因此應(yīng)用正態(tài)逆高斯分布和CVaR風(fēng)險(xiǎn)度量有著更多的優(yōu)點(diǎn)。

      表5 基于正態(tài)逆高斯分布和95%CVaR度量的優(yōu)化結(jié)果

      3 結(jié)論

      現(xiàn)代證券投資組合管理依靠數(shù)量化、模型化的方法來(lái)確定最優(yōu)資產(chǎn)組合。在國(guó)內(nèi),數(shù)量化組合投資這一方法已引起一批機(jī)構(gòu)投資者的興趣,已有不少券商研究機(jī)構(gòu)和基金管理公司對(duì)此展開(kāi)了研究,越來(lái)越多的投資組合管理者將采用現(xiàn)代投資組合優(yōu)化模型來(lái)管理組合。盡管均值—方差模型仍很受歡迎,但它受到的批評(píng)也是很多的,主要在于均值—方差模型是建立在分布函數(shù)為多元正態(tài)分布和使用方差作為風(fēng)險(xiǎn)度量方法的基礎(chǔ)之上。然而,大量實(shí)證研究成果表明:投資組合收益率向量往往呈現(xiàn)出尖峰胖尾和有偏特征,如果我們?nèi)匀皇褂枚嘣龖B(tài)分布來(lái)擬合投資組合收益率向量,那么我們將得到不精確的結(jié)果;同時(shí)方差對(duì)極值并不敏感,恰恰這些極值就是投資者所關(guān)心的。本文提出使用一種靈活的多元廣義雙曲線分布來(lái)描述投資組合收益率向量。另外本文使用CVaR來(lái)度量風(fēng)險(xiǎn),CVaR可以把風(fēng)險(xiǎn)量化為貨幣表示。通過(guò)對(duì)市場(chǎng)的實(shí)證研究我們發(fā)現(xiàn),分布函數(shù)和風(fēng)險(xiǎn)度量的選取對(duì)最優(yōu)投資組合具有顯著影響。這表明本文方法運(yùn)用到證券投資管理中是相當(dāng)有潛力的。

      [1]Markowitz H.The Utility of Wealth[J].Journal of Political Economy, 1952.

      [2]Athayde G M de,Flores R G.Finding a Maximum Skewness Portfo?lio—A General Solution to Three Moments Portfolio Choice[J].Econ. Dynam.Control,2004,(28).

      [3]Jurczenko E,Maillet B,Merlin P.Hedge Funds Portfolio Selection with HigherOrderMoments:A Non-parametric Mean-vari?ance-skewness-kurtosis Efficient Frontier[M].New York:John Wiley &Sons,2006.

      [4]Alexander G J,Baptista A M.A Comparison of VaR and CVaR Con?straints on Portfolio Selection with the Mean-variance Model[J].Man?agement Science,2004,50(9).

      [5]林旭東,鞏前錦.正態(tài)條件下均值-CVaR有效前沿的研究[J].管理科學(xué),2004,17(3).

      [6]劉小茂,李楚霖,王建華.風(fēng)險(xiǎn)資產(chǎn)組合的均值-CVaR有效前沿( II)[J].管理工程學(xué)報(bào),2005,19(1).

      [7]Eberlein E,Keller U.Hyperbolic Distributions in Finance[J].Bernoul?li,1995,(1).

      [8]Aas K,Hob?k Haff I,Dimakos X K.Risk Estimation Using the Multi?variate Normal Inverse Gaussian Distribution[J].Journal of Risk, 2005,8(2).

      [9]Kassberger S.Kiesel R.A Fully Parametric Approach to Return Mod?elling and Risk Management of Hedge Funds[J].Financial Markets and Portfolio Management,2006,20(4).

      [10]Madan D,Seneta E.The Variance Gamma Model for Share Market Returns[J].Journal of Business,1990,(63).

      [11]Demarta S,MvNeil A.The t Copula and Related Copulas[J].Interna?tional Statistics Review,2005,(73).

      [12]Aas K,Haff I H.The Generalized Hyperbolic Skew Student’s t-Dis?tribution[J].Journal of Financial Econometrics,2006,(4).

      [13]Artzner P,Delbaen F,Eber J M,Heat D.Thinking Coherently[J]. Risk,1997,(10).

      [14]Bradley B,Taqqu M.Financial Risk and Heavy Tails[Z].In Hand?book of Heavy-tailed Distributions in Finance,Elsevier North-Hol?land:Amsterdam,2003.

      [15]Rockafellar R T,Uryasev S.Optimization of Conditional Value at risk[J].Journal of Risk,2000,(2).

      猜你喜歡
      偏態(tài)正態(tài)分布度量
      有趣的度量
      模糊度量空間的強(qiáng)嵌入
      考試成績(jī)轉(zhuǎn)換成偏態(tài)分布量化成績(jī)的算法
      迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
      隧穿量子點(diǎn)分子的Wigner-Yanase偏態(tài)信息
      基于對(duì)數(shù)正態(tài)分布的出行時(shí)長(zhǎng)可靠性計(jì)算
      正態(tài)分布及其應(yīng)用
      正態(tài)分布題型剖析
      地質(zhì)異常的奇異性度量與隱伏源致礦異常識(shí)別
      χ2分布、t 分布、F 分布與正態(tài)分布間的關(guān)系
      琼中| 乃东县| 苗栗县| 昌都县| 文登市| 贡觉县| 新邵县| 永德县| 梨树县| 天长市| 平和县| 册亨县| 吉水县| 磐石市| 华坪县| 南开区| 泗洪县| 静安区| 翼城县| 靖江市| 蒲江县| 伊金霍洛旗| 芜湖市| 瑞昌市| 阿克苏市| 宁远县| 泸溪县| 秦安县| 桦南县| 桦川县| 东乡县| 巨鹿县| 五大连池市| 醴陵市| 剑川县| 石家庄市| 宣汉县| 西安市| 乌兰察布市| 丘北县| 盱眙县|