基于VaR与遗传算法的投资组合策略研究

发布时间：2017-10-10 06:06

  本文关键词：基于VaR与遗传算法的投资组合策略研究

  更多相关文章： VaR 卡尔曼滤波 遗传算法

【摘要】：马柯维茨提出的证券投资组合理论标志着现代投资理论的诞生,首次从资产收益率和风险两个角度对投资组合进行评价,反映了人们对于投资风险的足够重视,而不是仅仅追求高收益。事实上,上世纪七十年代以来,布雷顿森林体系倒塌,各主要发达国家为了快速发展而逐渐放松金融管制,使得市场上出现了大量衍生品,进不步加大了金融风险。迫切需要更为完善的投资组合理论指导投资者,从多种角度认识金融市场,准确估计投资活动的收益与风险,而这都需要传统的金融理论及新的计量方法支撑。因此,投资组合理论也得到不断完善。 VaR作为量化某资产组合市场风险程度的一个货币数量,是特定时期内资产组合价值变动概率分布的一个较低分位数的预测值,因而VaR是下行金融风险(损失)的一个货币度量。我们可以通过计算银行持有的全部金融工具组合的VaR得出银行所有头寸的市场风险的一个单一度量。此外巴塞尔委员会允许符合条件的金融机构可以使用VaR方法估计自身资本充足率,有利于促进VaR计量建立国际标准。另一方面,金融机构充分认识到风险管理的重要性,需要根据风险状况配置相应的资金从而保证其经营安全。于是引入VaR进行风险管理提上金融机构议程,加强对VaR的理论研究对于金融机构来说意义重大。本文首先介绍了传统的三种VaR的计算方法,包括德尔塔-正态法、历史模拟法和蒙特卡洛模拟法。并进行了回测检验,发现三种方法都不能通过回测检验,因此需要对VaR计算方法进行修正。 在经典的CAMP中,β系数是假设不变的。然而大量文献证明股票的β系统具有时变性,无论是经济增长等宏观因素,还是企业自身会计变量等因素都对β系数产生影响。因此在对β系数的研究中,时变性是必须加以考虑到重要因素,本文对经典的CAPM模型建立状态转换模型,用卡尔曼滤波估计β系数,计算基于时变β系数的VaR,对风险进行更准确地度量。并将其引入投资组合中,构建动态投资组合,对各类投资人的投资实践进行指导。因此,本研究的实用价值也很明显。 Markowitz投资组合理论强调多种证券的组合,通过多种证券的相关性降低投资组合的风险,分别用收益率的期望描述未来收益,用标准差描述未来风险水平。而标准差可以反映组合可能发生的风险,却不能描述风险的可能性,VaR则指明在一定置信水平下的预期损失且对于置信水平的设置可以反映投资者的风险偏好情况,更便于投资者进行投资选择。因此基于VaR的估计可以作为对经典的Markowitz理论的一种补充。通过在Markowitz组合理论中加入VaR的约束条件可以更严谨地计算组合权重。因此本文基于VaR和多目标遗传算法对投资组合策略进行研究,具有重大的理论意义。
【关键词】：VaR 卡尔曼滤波 遗传算法
【学位授予单位】：东北财经大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F830.59;TP18
【目录】：

• 摘要2-4
• ABSTRACT4-8
• 1 引言8-17
• 1.1 研究背景和实际意义8-12
• 1.1.1 本文的研究背景8-10
• 1.1.2 研究的实践意义10-12
• 1.2 国内外研究现状12-14
• 1.2.1 国内研究现状12-13
• 1.2.2 国外研究现状13-14
• 1.3 研究内容及主要方法14-17
• 1.3.1 研究的主要内容14-15
• 1.3.2 研究方法的创新与不足点15-17
• 2 基于VAR与遗传算法的投资组合理论17-33
• 2.1 VAR理论介绍17-25
• 2.1.1 VaR计算方法17-20
• 2.1.2 回测检验20-23
• 2.1.3 三种方法的对比及其优缺点23-25
• 2.2 基于B时变性估计VAR25-29
• 2.2.1 β系数的时变性介绍25
• 2.2.2 建立状态转换模型25-27
• 2.2.3 卡尔曼滤波算法27-28
• 2.2.4 根据β系数计算投资组合VaR28-29
• 2.3 MARKOWITZ组合理论介绍29-33
• 2.3.1 遗传算法介绍29-33
• 3 实证分析33-41
• 3.1 VAR的计算与回测检验实证分析33-37
• 3.2 运用卡尔曼滤波估计时变B系数37-38
• 3.3 引入VAR约束建立投资组合38-41
• 4 结论及评价41-42
• 参考文献42-46
• 后记46-47

【参考文献】

中国期刊全文数据库 前10条

1 张丹,庄新路;VaR原理及其在风险管理中的应用[J];东北大学学报(社会科学版);2004年03期

2 郑文通;金融风险管理的VAR方法及其应用[J];国际金融研究;1997年09期

3 王春峰,万海辉,李刚;基于MCMC的金融市场风险VaR的估计[J];管理科学学报;2000年02期

4 林丹,李敏强,寇纪凇;基于实数编码的遗传算法的收敛性研究[J];计算机研究与发展;2000年11期

5 陈守东,俞世典;基于GARCH模型的VaR方法对中国股市的分析[J];吉林大学社会科学学报;2002年04期

6 江涛;;基于GARCH与半参数法VaR模型的证券市场风险的度量和分析:来自中国上海股票市场的经验证据[J];金融研究;2010年06期

7 国嘉,王瑞敏,王家海,张忠民;基于遗传算法的神经网络学习方法[J];计算机与数字工程;2004年05期

8 林晓梅;;基于历史模拟法和GARCH模型的VaR比较[J];科技情报开发与经济;2006年21期

9 王劲松;刘家鹏;苏涛;刘睿;;基于状态转换的风险分解VaR模型研究[J];西北农林科技大学学报(社会科学版);2013年04期

10 魏永强,李刚;风险价值法在投资银行市场风险管理中的应用[J];现代财经-天津财经学院学报;2000年04期

中国硕士学位论文全文数据库 前6条

1 代红果;几种典型VaR度量方法的比较研究[D];山东大学;2006年

2 郭晓辉;基于VaR的无卖空投资组合分析及实证研究[D];北方工业大学;2007年

3 郎波;投资组合风险度量：VaR约束下允许持有无风险资产投资组合模型研究[D];西南财经大学;2007年

4 曹建美;VaR方法在中国股票市场风险度量中的应用[D];东北财经大学;2007年

5 林财超;VaR和CVaR在证券投资组合决策中的应用[D];长沙理工大学;2008年

6 梅婷;基于VaR的风险测度及投资组合[D];上海交通大学;2010年

，

本文编号：1004719