基于遗传算法的cvar模型在投资组合中的应用

《基于遗传算法的cvar模型在投资组合中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要金融市场风险管理是金融实务界、学术界和监管局的重大课题和任务。风险价值(Value．at．Risk，VaR)是最近金融研究的一个重要方向，它是一种以统计方法度量市场风险的手段，是指在给定一个时间周期和置信水平下，预期最大损失的测量。由于它不具有次可加性、凸性等特征，使得条件风险价值(ConditionalValue．at．Risk，CVaR)的研究引起了许多学者的兴趣。CVaR是指损失额超过VaR部分的期望损失值或平均损失值。它不仅具有VaR模型的优点，同时在实际应用中更为实用合理，因而得到越来越广泛的应用。VaR和CVaR，尤其是后者，己成为当今金融评

2、估的重要参数。本文重点研究了基于遗传算法的CVaR模型在投资组合中的应用问题，取得的研究成果主要有以下几点：(1)针对CVaR模型当中各期损失函数通常比较复杂，线性的损失函数在现实当中可能难以准确描述实际损失的问题，提出了损失函数为一般非线性函数情形的CVaR模型。(2)设计了一种改进的遗传算法求解新的CVaR模型，并随机选取十支证券进行实例化分析，结果表明：新的模型能够同时降低CvaR和VaR两个重要风险度量指标，有效降低风险。(3)分析了投资组合风险构成，针对边际CVaR、成分CVaR和增量CVaR等风险分析方法在调整投资组合中各资产定量分析方面的不足，

3、提出一种风险规避模型，并给出了实例化分析，实验证明了风险规避模型能够在保证原有收益不变的前提下，降低投资组合的风险值。关键词：投资组合条件风险值(CVaR)遗传算法风险规避AbstractFinancialriskmanagementisanessentialproblemforfinancialpractioners，academicscholarsandrelatedsupervisiondepartments．Value-at-RiskWaR)isanimportantdirectioninrecentfinancialresearch，it’Sast

4、atisticmethodtomeasuretheriskofstockmarkets，anditisusedtopredictthelargestlostwithinatimeperiodandportfolio．DuetotheabsenceofsomegoodpropertiessuchaSsub—additivityandconvexity,study011ConditionalValue-at-Risk(CVaR)hasattractedmanyresearchers’interestsinthisfield．CVaRistheexpectedlo

5、ssesoraveragelossesexceedingVaR．ItnotonlyhastheadvantagesofVaRmodel，butalsoismorepracticalandreasonablefromtheapplicationpointofview．Henceithasmoreandmoreapplications．VaRandCVaR，especiallythelatter,havebecomestandardtoolsoffinancialriskevaluationcurrently．TheapplicationofCVaRmodelt

6、oportfolioisresearchedinthisthesis，andthemainresultsobtainedareasfollows：1．BecausethelossfunctioninCVaRmodelisusuallycomplex，itisratherdifficultforalinearlossfunctiontodescribethelossaccurately．Soanonlinearlossfunctionisproposed，bywhichanonlinearprogrammingCVaRmodelisdesigned．2．Ani

7、mprovedgeneticalgorithmisproposedandimplementedinordertosolvethenewCVaRmodel．TheresultoftheexperimentshowsthatthenewmodelCanlowerbothVaRandCVaR，whichmeanstheriskisreducedapparently．3．Theriskcompositionofportfolioisanalyzed，andsomeriskanalyzingmethods，suchasMarginCVaR，ConstituentCVa

8、RandIncrementCVaR，alestudi