均值方差模型下aR与CVaR限制比较

合集下载

4风险管理专题(CVaR与VaR)

4风险管理专题(CVaR与VaR)

第三步,计算组合的日损益率
R
PA P0

1 P0
n
P0,i Ri
i 1
最后,得到组合的日损益率R的分布
A
1 P0
n
P0,i i
i 1

2 A

Var(R)

1 P02
n i 1
n
P0,i P0, j ij i j
j 1
15
ห้องสมุดไป่ตู้
日相对VaRR VaR R P0 1(c) R
4.907
4.9706
1.7166
4.8985 4.9505 4.9575
r55=(.1.994).4=49613r887(50+)+4.9r3(1710.56.)6--66435.r98(86-518)
6.0028
1.6622
4.9375
5.9488
1.66315
32
情景
1 2 3 4 5
风险因子可能值
25
2. 定义以下符号:
S :以美元表示的英镑的即期价格; K :货币远期合约中的约定价格,K=1.65; f :远期合约的市场价值; r :用年化的百分率表示的3个月的美元利率; r*:用年化的百分率表示的3个月的英镑利率; τ:合约的到期期限,τ=92/365年;
P 1 (1 r ): 3个月的美元折现因子; P* 1 (1 r* ):3个月的英镑折现因子。
21
(二) 一般计算步骤
假设证券组合的价值为V(t),受n个风险因子 fi t
的影响,其中,i=1,2,…,n。t=0表示现在时刻,t>0 表示将来时刻,-t<0表示过去时刻。用标准历史模 拟法计算置信度c下的VaR:

协方差矩阵退化情形均值_CVaR模型的有效边界_姚海祥

协方差矩阵退化情形均值_CVaR模型的有效边界_姚海祥

2008年l月第27卷第1期数理统计与管理

APPlieationofStatisticsandManagementJan2008VOI27No

l

文章编号1002一1566(2008)01刁111刁

7

协方差矩阵退化情形均值cvaR模型的有效边界

姚海祥`易建新,李仲飞

(1广东外语外贸大学信息科学技术学院广州51000;6

2华南师范大学数学科学学院广州510631;3中山大学岭南学院广州510275)

摘要:本文利用CVaR方法代替方差或CVaR来度量风险建立了均值CVaR模型首先利用

等CV匕R线的方法研究了包含无风险资产的均值CVaR模型的有效边界然后在无套利假设卜

研究了当风险资产的协方差矩阵是奇异时的均值CVaR模型并得到了正态情形下模型的有效

界及其解析表达式关祖词:CVaR;均值CVaR模型;等CVaR线;有效边界;奇异的;极大线性无关组

中圈分类号:F83059;F224文献标识码A

TheEifeientrFontiereFatureofRiskyAssetswithSingular丫恤rianee一evoarian

ee

Ma

t

r

ix

YAOHaixianglnJian劝nZLlZhong

fei

3

(1万bcultyofInformationSeieneeandeThcnolo幻GuangdongUnivesriytofFbrei,StudiesGuangZhou5100()6China;2SehoolofMathematiealSeieneesSouthChinaNormalUnivesrityGuangzhou516031China;3LingnanCollegeZhongshanUniversityGuangZhou510275Chi

na)

Abstract:ThisPaPerestablishestheMeanCVaRmodel妙rePlacingvarianeeorVaRwithCVaR韶a

协方差矩阵为奇异的均值-CVaR模型的研究

协方差矩阵为奇异的均值-CVaR模型的研究

无关 的 , 每个 ( =12 … , 可 以 由 且 i , , )

为 奇 异 条件 下 的均 值 . V R模 型 的 有 效 边界 Ca
定理 1 当 I I 0时, n = V 记 种风险资产 的 C a V R有效边界 ( 组合边界 ) F, 基 , …, ,r n 为 n 为 设 (< )
则有:
V R ( =mi {t∈R: , a 8 ) nO ( )≥ 卢}
() 2
Ca ( = 一)f)R/ , ( d )厂 , ≥ a ( ] V e ) ( /一x Vx(y y y E , l ) V t ) R 3 Jy a ) ) E y (y R , ( ( ̄ ) p > A 3
项 目基金 : 楚雄师范学院院级后备人才资助项 目(9 J C 3 . 0YR 1)
作者简介 : 向 华( 94一) 男 , 17 , 湖南怀化人 , 士 , 硕 从事金融数学研究
38 2
重 庆 工 商 大 学 学 报 (自然 科 学 版 )
第2 7卷


, 是 线性 相关 的 , 则是 线性无 关 的. 7 否
中图分 类号 : 2 09 文献标 志码 : A
1 风险度量 C a V R的 定 义
C a ( odtnl a ea Rs) 称 为条 件 风 险价 值 或 平 均超 额 损 失 ( a xesLs) 平 均 损失 V R C nioa V l t i 又 i u k MenE cs os 、 ( a hra1或尾 部 V R ( al a .其 含义 是在 一定 的置 信水 平下 , Mensot ) f l a T iV R) 损失 超过 V R的条 件 均值 , a 代表 了

var约束下的均值方差及其应用

var约束下的均值方差及其应用

var约束下的均值方差及其应用
在统计学中,方差是用来衡量一组数据的离散程度的指标,而均值则是这组数据的平均值。

在某些情况下,我们需要对数据进行约束,这时候就可以使用var 约束。

var约束是指在一组数据中,某些数据的方差不能超过一个给定的值。

这种约束可以用于许多实际问题,例如在金融领域中,我们希望一组投资组合的风险不超过一个给定的值,这时候就可以使用var约束来限制投资组合的方差。

在var约束下,我们可以通过求解一个带有约束的优化问题来计算数据的均值和方差。

具体来说,我们可以使用拉格朗日乘子法来将约束条件加入到优化问题中。

这样,我们就可以得到一个带有约束的优化问题,通过求解这个问题,我们就可以得到数据的均值和方差。

在实际应用中,var约束可以用于许多领域,例如金融、工程、物理等。

在金融领域中,var约束可以用于优化投资组合的风险收益比,从而使得投资组合的风险最小化。

在工程领域中,var约束可以用于优化设计参数,从而使得设计的产品在一定的约束条件下具有最优的性能。

在物理领域中,var约束可以用于优化实验设计,从而使得实验结果更加准确可靠。

总之,var约束是一种非常有用的统计学方法,可以用于解决许多实际问题。


过使用var约束,我们可以限制数据的方差,从而使得数据更加稳定可靠。

均值-方差模型优化工作手册

均值-方差模型优化工作手册

均值-方差模型优化目录1. ....................................................................................................................................................... 均值-方差模型原理.. (1)2. ....................................................................................................................................................... 均值方差模型改进方向. (5)2.1 分层筛选 (5)2.2 控制最大回撤 (5)2.3 控制VaR (6)3. ....................................................................................................................................................... 实验结果比较 (6)3.1 控制回撤和VaR (6)3.1.1 实验1 (6)3.1.2 实验二 (7)3.2 基于指标等权进行配置 (8)3.3 加牛熊市分解线 (8)3.3.1 实验一 (8)3.3.2 (9)4. ..................................................................................................................................................... 结果与讨论.. (10)本研究基于最大回撤和VaR在险价值对马科维茨进行优化,并讨论了基于牛市后期更精准的风险控制策略。

基于ARIMA与GARCH模型比较分析

基于ARIMA与GARCH模型比较分析

基于ARIMA与GARCH模型比较分析ARIMA和GARCH是时间序列分析中常用的模型,分别用于建模和预测时间序列数据的趋势和波动性。

在这篇文章中,我们将对这两种模型进行比较分析。

首先,ARIMA模型是自回归移动平均模型的简称。

它通过考虑时间序列数据的自回归部分、差分部分和移动平均部分,来捕捉时间序列数据的趋势。

ARIMA模型通常用于预测经济和金融领域中的时间序列数据,如股票价格、汇率和商品价格等。

ARIMA模型的优点是简单易懂,并且能够捕捉到时间序列的长期趋势。

相反,GARCH模型是广义自回归条件异方差模型的简称。

它用于捕捉时间序列数据的波动性,即数据的方差是否随时间发生变化。

GARCH模型通常用于新闻事件、金融危机等导致时间序列数据波动剧烈的情况。

GARCH模型的优点是能够捕捉到时间序列数据的波动性,并且具有一定的灵活性。

对比ARIMA和GARCH模型,两者均有各自的优点和适用范围。

ARIMA 模型适用于时间序列数据长期趋势的分析和预测,而GARCH模型适用于时间序列数据波动性的分析和预测。

因此,在实际应用中,研究者需根据具体的时间序列数据特点和问题类型,选择合适的模型进行分析。

另外,需要注意的是,ARIMA和GARCH模型都有一定的局限性。

ARIMA模型对异常值和非线性关系较为敏感,而GARCH模型对于长期依赖性、非线性关系和异方差结构的建模较为困难。

因此,在应用这两种模型进行分析时,需要对数据进行合适的预处理,以提高模型的预测精度。

总结来说,ARIMA和GARCH是常用的时间序列分析模型,分别用于捕捉时间序列的趋势和波动性。

它们在不同的应用场景中有各自的优点和局限性,研究者需根据具体的数据特点和问题类型,选择合适的模型进行分析。

同时,对数据进行合适的预处理,以提高模型的预测精度。

金融风险评估方法及模型比较分析

金融风险评估方法及模型比较分析引言:在金融领域中,风险评估是一项至关重要的任务。

金融市场的不确定性和复杂性使得风险分析具有挑战性。

为了更好地评估金融风险,研发出了多种评估方法和模型。

本文将对几种常用的金融风险评估方法和模型进行比较分析,包括历史模拟法、蒙特卡洛模拟法、风险价值(VaR)和条件风险价值(CVaR)。

1. 历史模拟法:历史模拟法是一种基于历史数据的金融风险评估方法。

它的基本思想是使用历史数据来模拟金融资产的未来变动。

具体而言,历史模拟法通过计算历史数据集中的变动幅度,来估计资产在未来某个时间段内的风险。

优点:- 简单易行,不需要太多的复杂计算和假设。

- 可以将不同历史数据集用于比较不同的市场条件。

缺点:- 历史模拟法忽略了金融市场的非线性特征和其他潜在的结构性风险。

- 对于长期极端事件的预测能力较弱。

2. 蒙特卡洛模拟法:蒙特卡洛模拟法是一种基于随机数生成的风险评估方法。

它通过模拟金融资产价格的随机变动,来评估投资组合在不同市场条件下的风险。

优点:- 能够较好地考虑金融市场的非线性特征和其他结构性风险。

- 结果较为准确,能够提供概率分布的信息。

缺点:- 计算复杂度较高,需要大量的计算资源。

- 模拟结果的准确性和可靠性依赖于随机数的生成和统计分布的理论假设。

3. 风险价值(VaR):风险价值是一种常用的金融风险度量方法。

它定义了在特定置信水平下,资产或投资组合在未来某个时间段内可能损失的最大金额。

优点:- VaR能够提供一个容易理解的风险度量,有助于决策者制定风险管理策略。

- 在市场风险管理中广泛应用,且计算相对简单。

缺点:- VaR无法提供损失超出置信水平时的风险信息。

- 对于极端事件的预测能力较弱。

4. 条件风险价值(CVaR):条件风险价值是对VaR的一种扩展。

它不仅考虑了资产或投资组合损失超过VaR的概率,还考虑了超过VaR时的损失大小。

优点:- CVaR能够较好地衡量风险损失的分布形态,提供了比VaR更全面的风险信息。

基于Factor_GARCH模型的动态VaR与CVaR度量及实证研究

收稿日期:2010-12-26;修复日期:2011-03-31作者简介:付淑换,女,河北衡水人,博士生,研究方向:金融风险管理;【统计理论与方法】基于Factor 2GA RC H 模型的动态VaR与CVaR 度量及实证研究付淑换,曹家和(河海大学商学院,江苏南京210024)摘要:动态CVaR 作为投资组合的风险度量工具较动态VaR 有很多优点,但同动态VaR 的计算一样,随着投资组合资产数量的增加,计算难度迅速增大。

通过改良Factor -GARCH 模型,将其用于多种资产时变方差-协方差矩阵的估计,实现了降维的目的,克服了计算多元动态CVaR 时的困难。

实证研究表明,与动态VaR 相比,动态CVaR 作为一种更保守的风险度量工具,能准确反映投资组合的可能损失。

关键词:CVaR ;动态VaR ;Factor -GARCH ;投资组合中图分类号:F832.48 文献标志码:A 文章编号:1007-3116(2011)05-0026-07一、引 言随着全球化进程的不断加快,金融业快速发展。

这也使得金融机构所面临的风险进一步加剧,在现实中表现为金融危机频发。

如何准确地对金融风险进行度量,成为金融风险和投资组合管理的重要研究内容。

马克维茨认为组合投资面临的风险是实际收益率偏离预期收益率的程度,他将过去收益率的方差作为未来投资的风险,将过去的平均收益率作为未来投资的预期收益率[1]。

由于其不能全面描述组合的风险等缺点,在实际应用中逐渐体现出了方差作为风险度量的不足。

20世纪90年代早期,国际上发生了几起震惊世界的破产事件,如美国加州奥兰治县因金融衍生品交易引起的破产、德国金属公司13亿美元的巨额损失和巴林银行的破产等等,使人们更加关注金融风险的监管。

1993年,一个由主要工业国家的高层银行家、金融家和学术界人士组成的咨询小组G -30建议引进VaR 指标并系统地给交易头寸估价、量化金融风险。

VaR 成为目前金融市场风险测量的主流方法,受到了学界和业界的共同关注,并取得了长足的进展。

CVaR在金融风险度量中的应用

CVaR在金融风险度量中的应用CV aR在金融风险度量中的应用摘要金融风险按照不同的标准划分有不同的风险,如市场风险、信用风险、操作风险、流动性风险等。

本文将就其中的市场风险进行研究。

作为证券行业主要风险的市场风险,在我国的经济体制转型时期表现得更加突出。

目前,我国对于风险度量方法的研究和探索尚不完善,应用也尚不成熟。

对于市场风险,本课题通过引入VaR的修正模型CVaR,将此法运用于度量市场风险,建立具体的数学模型,给出求解方法及步骤,从而测算出CVaR值,得到证券行业市场风险的预警值,并总结出目前CVaR风险测度法在我国运用的难度,最后提出建议。

关键词市场风险;VaR;CVaR;GARCH族模型Conditional V alue at Risk and Its Use inMarket Risk Measurement of SecuritiesAbstractMarket risk,the major risk of Securities,is more and more intense during the period of economic restructuring in China.In view of the flaw of present risk measurement system,Conditional Value at Risk is used for the market risk measurement which is better than Value at Risk. This paper creates the model,while gives the method and procedure for solving it.So CVaR of market combination is produced,which is just the early warning value of market risk. At last,it is concluded that the CVaR risk measurement is too difficult to use widely at present in China,then some advice is provided.Key words: market risk ; Value at Risk ; Conditional Value at Risk;GARCH model目录引言 (1)绪论 (2)第1章CVaR法的原理 (3)1.1 VaR风险测度法及其缺陷 (3)1.2 CVaR风险测度原理 (5)1.3 CVaR的检验 (5)第2章 CVaR法在市场风险度量中的运用 (6)2.1计算方法 (6)2.1.1 GARCH族模型 (6)2.1.2基于GARCH族模型中残差t分布下VaR和CVaR值的计算(6)2.2 模型求解 (7)结论与展望 (13)致谢 (14)参考文献 (15)附录A (16)附录B (33)附录C (34)引言金融风险关系到一个国家的长远发展,对其精确度量则可以有效地控制风险。

基于 CVaR 模型的投资组合优化

基于CVaR模型的投资组合优化戴道玲河海大学商学院,南京(210098)E-mail: wjpddl@摘要:本文从我国的寿险公司的投资组合现状进行分析,阐述了我国保险资金运用存在的主要问题和目前寿险公司面临的主要投资风险。

文章从寿险公司的投资组合优化出发,提出了经典的Markovitz 均值-方差模型基础上的均值-CVaR模型。

求解当CVaR最小时的各个投资比例系数。

这一步的求解可以转化为线性规划问题。

在求解最优投资比例的同时还可以将CVaR和VaR的值求解出来。

关键词:寿险公司;投资组合;条件在险价值;连接函数1.引言2008年发端于美国华尔街爆发的的金融危机如同海啸一般,对全球的经济产生着冲击和破坏,国内保险业也感受到了寒意。

在这场金融风暴的袭击下,不仅引发了国际金融动荡,也使保险业受到了比较严重的损失,由于我国保险业尚未放开投资海外金融衍生产品限制,因此没有直接受到大的影响,但次贷危机也给我们提供了深刻的风险警示。

随着金融市场的创新和发展,现在的寿险产品不仅具有风险保障的功能,同时保险还具有资金融通的功能,投资型产品在保险产品中占的比例越来越大,投资业务和承保业务一起成为寿险公司的两大支柱,现在西方发达国家的承保业务普遍出现亏损,主要依靠投资业务的收益来弥补承保业务亏损并获得利润。

这使得投资业务的重要性在保险业中凸显出来,投资不仅成为保险业继续正常运转的支点,而且被认为是保险业一个必不可少的利润增长点,成为现代保险业的生命线。

而我国的寿险资金投资渠道上这几年取得了很大的拓展,从允许寿险资金通过证券投资基金直接进入股市到寿险资金可以在百分之五的范围内直接进入股市。

但和国外相比,寿险投资的渠道还很窄,还不能直接投资于不动产、金融衍生工具等,同时寿险投资的收益率还很低,2001年、2002年中国的寿险资金投资的收益率分别是4.3%和3.14%而2003年只有2.68%,已经低于《保险公司偿付能力额度及监管指标规定》[1]中提出的3%的资金收益率底线。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

均值方差模型下aR与CVaR限制比较

2

———————————————————————————————— 作者: ———————————————————————————————— 日期:

3

均值-方差模型下VaR和CVaR限制作用的投资组合选择的对比研究

Gordon J.Alexander Alexandre M.Baptista

1引言 随着VaR成为最流行的风险度量工具,近些年风险控制吸引了很多金融从业者和管理者的注意力。举例来说,Jorion,Linsemeier,Pearson,Alexander和Baptista,Hull,Chance指出VaR已经被公司财团,交易人,基金经理,金融机构和管理广泛应用。与之相反,很多研究者言辞激烈的批评了作为风险控制工具的VaR。举例来说,Artzner et al指出因为不满足次可加性,VaR不是一个连续的风险度量。即,两个债券的组合的VaR可能会大于各个债券VaR的和。Basak 和Shapiro指出,如果在一个连续时间序列的开始部分选择使用VaR, 与不使用VaR相比较,这个机构将会承担更大的风险。因为上述的原因,这些研究者提出使用CVaR而不是VaR。

这篇文章中我们主要讨论的问题有以下几个:1、使用VaR作为风险控制工具将会有什么样的结果?2、这些结果与使用CVaR有什么不同?3、作为风险控制工具,有哪些情况下CVaR可以支配VaR?

为了找寻这些答案,我们查看一个周期的均值-方差模型。在一些特定的情况下,相比较不使用VaR,VaR的使用会使slightly risk-averse 选择带有更小标准差的投资组合。可是,也存在一些情形,VaR会使得highly risk-averse 选择有较大标准差的投资组合。因为当CVaR的边界和VaR边界重叠时,CVaR限制比VaR限制要严格这些组合选择结果是真实的。因此,控制slightly risk-averse agent, CVaR限制比VaR更加有效,但是却对highly risk-averse有着更加perverse的作用。可是当组合中存在无风险债券或者CVaR的边界大于VaR边界的时候,这些perverse结果会被削弱甚至消除。moreover,在后一种情形下,如果CVaR边界被设定在一定水平下使得CVaR限制对highly risk-averse有同VaR 限制一样的perverse 作用,那么相比较与VaR,CVaR限制会导致slightly risk-averse选择带有更小标准差的组合。如果CVaR边界被设定在一个更高的水平使得CVaR限制像VaR限制一样降低了slightly risk-averse的最优投资组合选择,那么相比较与VaR,CVaR限制将会允许highly risk-averse选择带有更小标准差的投资组合。因此,当CVaR标准被设定在这两个水平之间时,CVaR限制dominates VaR限制作为风险控制的工具。

这篇文章是如下组织的:第二部分是均值-VaR、均值-CVaR边界和有效前沿的特征。第三部分是使用VaR限制和CVaR限制下的投资组合选择。第四部分是分析性的展现了两种限制下的投资组合选择标准差的差异和不同。第五部分考虑了存在无风险债券的情况。第六

4

部分是结论。所有的证明在附录中给出了。 2模型

假设不存在无风险债券,有2n的债券。R是期望收益率的向量,是回报率的矩阵的协方差矩阵。1X{xR:1}nniiix为已经定义明确的投资组合。xR最为x的任意回报率。[]xER,[]xR分别为期望回报率和期望方差 。xF•为xR的累积分布函数 假设一个投资期限和置信水平(1/2,1),那么100%概率下VaR为 1[,](1)xVRF

同理,那么100%概率下CVaR为 [,]{|[,]}xxxxLRERRVR 假设投资组合中的债券回报率满足独立的正态分布。()•为标准累积正态分布函数。()•标准正态密度函数。

假设1(1)z,有()1zxdx 从而[,][][]xxxVRzRER

同理[,][][]xxxLRkRER,其中()1zxxdxk,kz 2.1均值-VaR 均值-CVaR边界 当VaR,CVaR和方差作为风险度量标准时,风险-回报边界如下定义: 对于任意的---E,XE{xX:[]=E} xRER 定义1:当且仅当对于某些_ER,_x满足_()min[,]RxxXEVR,在100%置信水平下,投资组合_xX属于均值-VaR边界 定义2:当且仅当对于某些_ER,_x满足_()min[,]RxxXELR,在100%置信水平下,投资组合_xX属于均值-CVaR边界

5

定义3:当且仅当对于某些_ER,_x满足_()min[,]RxxXER,在100%置信水平下,投资组合_xX属于均值-方差边界 在方差-VaR边界的投资组合并不依赖,因此我们可以得出以下结论: 因为0z,当且仅当一个投资组合属于方差-均值边界,它属于均值-VaR边界。 因为0k,当且仅当一个投资组合属于方差-均值边界,它属于均值-CVaR边界。

又Merton在1972年证明当且仅当x满足22[]([]/)11//xxRERACCDC,投资组合x属于均值-方差模型边界。

其中1TAI,1TB,1TCII,2DBCA,nIR为n维单位向量。

那么满足22[]([]/)11//xxRERACCDC的投资组合同时属于均值-VaR边界和均值-CVaR边界。

2,.2均值-VaR,均值-CVaR的有效前沿 定义4: 当且仅当没有xX使得[][]xxERER [,][,]xxVRVR(至少其中一个不等式是严格的),在100%的置信水平下,投资组合xX属于均值-VaR有效前沿。

定义5: 当且仅当没有xX使得[][]xxERER [,][,]xxLRLR(至少其中一个不等式是严格的),在100%的置信水平下,投资组合xX属于均值-CVaR有效前沿。

定义6: 当且仅当没有xX使得[][]xxERER [][]xxRR(至少其中一个不等式是严格的),在100%的置信水平下,投资组合xX属于均值-方差有效前沿。

2.2.1最小VaR 投资组合和最小CVaR组合 如果在100%置信水平下最小VaR的投资组合存在,那么他在均值-方差有效前沿

6

(证明:假设x。是最小VaR的投资组合点,但是不在均值-方差有效前沿。由定义6,存在投资组合点y。,使得y[][]xERER。。 y[][]xRR。。,其中至少一个不等式是严格的。从而有y[,][,]xVRVR。。,与假设矛盾。如果在100%置信水平下最小VaR的投资组合存在,那么他在均值-方差有效前沿。)

同理,如果在100%置信水平下最小CVaR的投资组合存在,那么他在均值-方差有效前沿。

min()XVx: 在100%置信水平下最小VaR的投资组合

minXx :在100%置信水平下方差最小的投资组合

g,h是n维向量 11(1/)[()()]gDBIA



11(1/)[()(I)]hDCA



命题1

当且仅当z/DC,在100%置信水平下最小VaR的投资组合存在。 如果z/DC,那么 22min()minmin/([][])/VxxDC

xghERRzDC

min()minmin2[,](/)[]-[]VxxxVRzDCRER

在选择置信水平时要慎重,因为这关系到全局最小VaR是否有解。如果z/DC,那么最小VaR不存在。

min()Lx表示100%置信水平下最小CVaR的投资组合。

当且仅当/kDC,在100%置信水平下最小CVaR的投资组合存在。 如果/kDC,那么 22min()minmin/([][])/LxxDC

xghERRkDC

7

min()minmin2[,](/)[]-[]LxxxLRkDCRER 因为zk,所以,当最小VaR投资组合点存在时,最小CVaR投资组合点也存在。但是也有可能只有最小CVaR投资组合点存在。

corollary1 在100%置信水平下最小VaR的投资组合存在时,min()min()[][]VLxxERER。

在100%置信水平下最小CVaR的投资组合存在时,min()min[][]LxxERER。 2.2.2 均值-VaR 均值-CVaR的特点 命题2 (1)

如果z/DC,那么在100%置信水平下不存在均值-VaR有效的投资组合; 如果z/DC,当且仅当投资组合x•属于均值-VaR边界并且min()x[R][R]vxEE•

时,投资组合x•在100%置信水平下是均值-VaR有效的 (2)

如果k/DC,那么在100%置信水平下不存在均值-CVaR有效的投资组合; 如果k/DC,当且仅当投资组合x•属于均值-CVaR边界并且min()x[R][R]LxEE•

时,投资组合x•在100%置信水平下是均值-CVaR有效的 corollary2 最小方差的投资组合在任何置信水平下都不是均值-VaR有效和均值-CVaR有效 corollary3

如果最小VaR的投资组合在100%置信水平下存在,那么它在100%置信水平下也是均值-CVaR有效的 corollary4

如果k/DC,那么均值-VaR和均值-CVaR有效前沿是空集; 如果z/kDC,那么均值-VaR有效前沿是空集,但是均值-CVaR有效前沿是均值-方差有效前沿的一个非空真子集;

相关文档
最新文档