亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于VaR約束的均值-絕對偏差投資組合優(yōu)化模型及實證研究

        2010-07-23 07:15:14武敏婷高岳林
        統(tǒng)計與決策 2010年3期
        關(guān)鍵詞:證券公司適應(yīng)度證券

        武敏婷,孫 瀅,高岳林

        (北方民族大學(xué) 信息與系統(tǒng)科學(xué)研究所,銀川 750021)

        近年來,隨著人工智能技術(shù)的發(fā)展,把智能優(yōu)化方法應(yīng)用于投資組合問題已成為更廣闊的研究領(lǐng)域。劉俠,初紅霞等用粒子群算法解決證券投資組合問題。本文引入約束機制,提出帶有約束的多目標(biāo)決策模型,并用帶有罰函數(shù)處理機制的粒子群算法求解證券組合模型最優(yōu)解問題。

        1 基于VaR約束的均值-絕對偏差(VaR-MAD)證券組合優(yōu)化模型

        設(shè)證券市場有n種證券,第i種證券的收益率為ri,證券組合的收益率為r=(r1,r2,…,rn)T,證券公司投資于每種證券的金額是任意的,又設(shè)在每種收益率水平上的投資者足夠多,證券公司投放于每種證券的權(quán)重為證券組合的權(quán)重向量為x=(x1,x2,…,xn)T,記第i種證券與第j種證券的協(xié)方差為σij,證券組合的標(biāo)準(zhǔn)差和回報率分別為σp和rp,E(rp)表示證券組合的期望收益率。

        定義1:

        稱為VaR約束,其中,c為常數(shù)。

        式(1)表示證券組合收益率rp超過-VaR的概率不低于c,就證券組合而言,當(dāng)n充分大時,由中心極限定理可認(rèn)為其組合收益率近似地服從正態(tài)分布。因此,為討論方便,設(shè)證券組合的收益率服從正態(tài)分布。根據(jù)中心極限定理,在正態(tài)分布下,證券公司風(fēng)險承受能力的VaR約束可以轉(zhuǎn)化為Φ-1(c)σp-VaR≤r0,其中Φ(·)為標(biāo)準(zhǔn)正態(tài)分布函數(shù),r0為給定的一個常數(shù)。

        定義2:

        稱為絕對偏差,其中T為歷史數(shù)據(jù)的個數(shù)。

        投資者往往在追求高收益的同時要求承受最低的風(fēng)險,因此構(gòu)成了該決策的多目標(biāo)問題。在投資者追求低風(fēng)險和高收益的前提下,可以得到證券組合投資的多目標(biāo)規(guī)劃模型如下:

        因此,基于VaR約束的多目標(biāo)均值-絕對偏差模型為:

        式中,r=(r1,r2,…,rn)T為證券組合中n種證券的期望收益率,x=(x1,x2,…,xn)T為投資權(quán)重,B=(σij)n×n是 n 種證券的協(xié)方差矩陣。

        為求解方便,我們把多目標(biāo)轉(zhuǎn)化為單目標(biāo),形式如下:

        其中,λ,r0均為常數(shù)。λ可以反映投資者的風(fēng)險偏好,λ越大,投資者越重視收益,屬于激進派;反之,投資者越重視風(fēng)險,屬于保守派。

        2 模型的求解

        2.1 粒子群算法

        粒子群優(yōu)化算法是從鳥類飛行得到啟發(fā)而提出的優(yōu)化算法,它將每個優(yōu)化問題的解看作搜索空間中的一只鳥,在搜索空間中以一定的速度飛行,這個速度根據(jù)它本身的飛行經(jīng)驗和同伴的飛行經(jīng)驗來動態(tài)調(diào)整,第i個粒子在n維空間里的位置表示為矢量 X=(x1,x2,…,xn),飛行速度表示為矢量V=(v1,v2,…,vn)。每個粒子都有一個適應(yīng)值,自己到目前為止發(fā)現(xiàn)的最好位置(psb),現(xiàn)在的位置Xip以及到目前為止整個群體的最好位置pgb。

        PSO也是基于迭代的優(yōu)化工具。對于第k次迭代,每個粒子是按照下列公式進行變化:

        rand()是[0,1]之間的隨機數(shù),c1和 c2被稱作學(xué)習(xí)因子,ω是慣性權(quán)重加權(quán)系數(shù),如果ω較大,則算法的全局搜索能力較強;反之,局部搜索能力較強。

        本文通過采用群體適應(yīng)度方差和平均粒距判斷算法[9]是否出現(xiàn)早熟現(xiàn)象,如果算法陷入局部收斂,則通過對適應(yīng)值較差的部分粒子進行變異,從而跳出局部最優(yōu)解進行全局搜索。

        2.2 模型的求解

        對于多目標(biāo)問題來說,本中用加權(quán)法將多目標(biāo)轉(zhuǎn)化為單目標(biāo),結(jié)合罰函數(shù)處理機制又將其轉(zhuǎn)化為無約束問題,利用自適應(yīng)粒子群算法進行求解,運用混合罰函數(shù)的自適應(yīng)粒子群算法,具體的混合算法流程如下:

        Step1:隨機初始化粒子群:群體規(guī)模為n,包括粒子的隨機位置與速度,并進行標(biāo)準(zhǔn)化處理,使它滿足約束條件

        Step2:將粒子的psb設(shè)置為當(dāng)前位置,pgb設(shè)置為初始種群中最佳粒子的位置;

        Step3:計算粒子的適應(yīng)值:適應(yīng)度模型(4)的目標(biāo)函數(shù)計算,其中Q為一充分大的正數(shù),

        用式(7)來評價每個粒子的適應(yīng)度并進行排序,判斷算法收斂準(zhǔn)則是否滿足,如果滿足,轉(zhuǎn)向Step9;否則,執(zhí)行Step4;

        Step4:對于粒子群中的所有粒子,執(zhí)行如下操作:

        (1)根據(jù)式(5)、(6)更新粒子的位置與速度;

        (2)如果粒子適應(yīng)度優(yōu)于psb的適應(yīng)度,psb設(shè)置為新位置;

        表1 六種證券在八年的年收益率數(shù)據(jù)

        表2 當(dāng)固定λ變化時VaR-MAD模型的證券投資比重

        表3 當(dāng)固定λ變化時VaR-MAD模型的六種指標(biāo)

        表4 當(dāng)固定r0變化時VaR-MAD模型證券投資比重

        表5 當(dāng)固定r0變化時VaR-MAD模型的六種指標(biāo)

        表6 當(dāng)λ=0.6時MAD模型和VaR-MAD模型的投資比重

        表7 當(dāng) λ=0.6時MAD模型和VaR-MAD模型的不同指標(biāo)

        (3)如果粒子適應(yīng)度優(yōu)于pgb的適應(yīng)度,pgb設(shè)置為新位置;

        Step5:計算群體適應(yīng)度方差和平均粒距,并計算f(pgb);

        Step8:判斷算法收斂準(zhǔn)則是否滿足,如果滿足,執(zhí)行Step9,否則,轉(zhuǎn)向 Step4;

        Step9:輸出pgb,算法運行結(jié)束。

        3 實證分析

        本文借鑒文獻[11]中的數(shù)據(jù),如表1所示。假設(shè)給定的VaR=5%,c=95%,即Φ-1(c)=1.65,即該證券公司的風(fēng)險承受能力為:在置信度為95%的情況下,最大損失不低于5%。

        設(shè)六種不同證券的投資權(quán)重x=(x1,x2,x3,x4,x5,x6)T,我們將上面的數(shù)據(jù)帶入到本文中的模型(5)中進行求解,在MATLAB中用智能優(yōu)化算法-自適應(yīng)粒子群算法來實現(xiàn),取學(xué)習(xí)因子c1=2,c2=2組合權(quán)重因子為μ=0.5,最大和最小慣性權(quán)重分別為ωend=0.9,ωini=0.4種群規(guī)模N=30,最大迭代次數(shù)Tmax=100。懲罰因子Q=1000,我們分情況討論,當(dāng) r0為一定值 0.2時,取λ=0、0.1,0.4,0.6,0.8;1當(dāng)λ為一定值0.6時,取r0=0.2,0.4,0.6,0.8,十種情況分別運行20次,并對結(jié)果進行分析,運行結(jié)果如表2-表5。當(dāng)λ取0.6時,又用粒子群算法求解MAD模型,運行結(jié)果與VaR-MAD模型比較(表6和表7)。

        我們從表2~5四個表可以看出:當(dāng)VaR約束閾值r0為一定值時,(1)隨著λ的增大,證券1、3和4的比重增大,而其余三種證券的比重減小;(2)λ反映投資者的風(fēng)險偏好程度,隨著其值的增大,收益增大,風(fēng)險增大,而收益的波動程度相對減小,風(fēng)險的波動程度增大。當(dāng)λ為一定值時,(3)隨著VaR約束閾值的增大,證券1、2和5的比重增大,而其余三種證券的比重減小;(4)VaR約束對收益的影響不是很大,主要作用是對風(fēng)險的控制,在收益一定的情況下,使得風(fēng)險達到最小。以上結(jié)論比較符合客觀實際。

        由表6和表7,我們可以看出,本文中建立的VaR-MAD模型與MAD模型相比,前者使投資者在一定收益的水平下,風(fēng)險得到了有效控制。

        當(dāng)r0=0.20時,我們得到VaR-MAD模型的有效前沿(見圖 1):

        4 結(jié)束語

        本文通過增加約束對證券組合的收益和風(fēng)險進行控制和優(yōu)化,該方法既能控制證券公司的潛在風(fēng)險損失,又能兼顧證券公司的長遠(yuǎn)發(fā)展,提高證券公司投資決策的科學(xué)性。在實際操作過程中,決策者可根據(jù)對客觀實際情況的把握,證券公司的資本充足情況以及有關(guān)證券公司投資證券的法律、法規(guī)等,采用定性和定量相結(jié)合的分析方法,對組合證券的收益、風(fēng)險和投資權(quán)重進行優(yōu)化選擇,使決策更符合客觀現(xiàn)實。

        [1]Markowitz H.Portfolio Selection[J].The Journal of Finance,1952,7(1).

        [2]Jorion P.Value-at-Risk:The New Benchmark for Controlling Market Risk[M].New York:The Mc Graw-hill Companies,Inc,1997.

        [3]Dowd K.Beyond Value-at-risk[M].New York:John Wiley&Sons,Inc,1998.

        [4]Best P.Implementing Value-at-risk[M].New York:John Wiley&Sons,Inc,1998.

        [5]遲國泰,王際科,齊菲.基于風(fēng)險度量和風(fēng)險控制的貸款組合優(yōu)化決策模型[J].預(yù)測,2009,28,(2).

        [6]徐永春,高岳林,甘斌.一致性風(fēng)險測度下的和對比研究[J].統(tǒng)計與決策,2009,(6).

        [7]徐永春,高岳林.金融風(fēng)險管理的方法及實證分析[J].求索,2009(2).

        [8]劉俠,初紅霞,王科俊.基于粒子群算法的證券組合投資模型的研究[J].商業(yè)研究,2006,(16).

        [9]安曉會,高岳林.混合變異算子的自適應(yīng)粒子群優(yōu)化算法[J].計算機應(yīng)用,2008,28(3).

        [10]解可新,韓立興,林友聯(lián).最優(yōu)化方法[M].天津大學(xué)出版社,2002.

        [11]劉善存,汪壽陽,邱菀華.一個證券組合投資分析的對策論方法[J].系統(tǒng)工程理論與實踐,2001,(5).

        猜你喜歡
        證券公司適應(yīng)度證券
        改進的自適應(yīng)復(fù)制、交叉和突變遺傳算法
        計算機仿真(2022年8期)2022-09-28 09:53:02
        東方證券
        中國外匯(2020年17期)2020-11-21 08:24:22
        東方證券
        中國外匯(2020年5期)2020-08-25 12:05:02
        深入開展證券公司結(jié)售匯業(yè)務(wù)試點
        中國外匯(2019年19期)2019-11-26 00:57:26
        《今日證券》今日證券 每日相約
        基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
        中國塑料(2016年11期)2016-04-16 05:26:02
        近期連續(xù)上漲7天以上的股
        提高證券公司營業(yè)網(wǎng)點產(chǎn)品銷售能力的思考
        少數(shù)民族大學(xué)生文化適應(yīng)度調(diào)查
        自適應(yīng)遺傳算法的改進與應(yīng)用*
        中文字幕有码在线人妻| 777米奇色8888狠狠俺去啦| 国产午夜精品一区二区三区软件| 夫妇交换刺激做爰视频| 无码精品一区二区三区超碰| 国产成人自产拍免费视频| 中文字幕乱码亚洲美女精品一区| 激情五月开心五月麻豆| 精品亚洲a∨无码一区二区三区| 成片免费观看视频大全| 亚洲av熟妇高潮30p| 亚洲国产欧美另类va在线观看| 亚洲中文字幕人妻诱惑| 日本少妇又色又紧又爽又刺激 | 久久精品国产亚洲av高清三区 | 国产免费一区二区三区精品视频| 亚洲熟女综合色一区二区三区 | 亚洲色图视频在线免费看| 亚洲精品久久久久久久不卡四虎| 中文字幕熟妇人妻在线视频| 窄裙美女教师在线观看视频| 懂色av一区二区三区网久久| 精品国产一区二区三区不卡在线| 精品国产青草久久久久福利| 97精品国产手机| 免费视频一区二区| 亚洲一区二区不卡日韩| 国产91清纯白嫩初高中在线观看| 国产一卡2卡3卡四卡国色天香| 亚洲tv精品一区二区三区| 精品国产一区二区三区久久狼| 一本久道高清视频在线观看| 亚洲 另类 日韩 制服 无码| 欧美性受xxxx黑人xyx性爽| 在线观看视频日本一区二区三区 | 国产成人乱色伦区小说| 日本精品极品视频在线 | 国产一区二区三区四区三区| 国产精品.xx视频.xxtv| 国产亚洲高清不卡在线观看| 日韩精品成人一区二区三区久久久|