风险度量工具CDaR在股票组合选择中的应用

摘要

金融风险研究的重要组成之一是Markowitz的投资组合理论。投资组合理论的发展过程主要包括了均值-方差模型，以及均值-VaR和均值-CVaR方法。目前，国际上对VaR（风险价值）的研究已经有很多系统化的理论，然而不可忽视的是，绝大部分投资者是风险厌恶的，他们在投资的过程中会更关注损失，而绝非收益，因此急需建立一个与资产损失直接相关的损失函数，使得在控制了损失的情况下取得最大收益，这样的方法更简单直观，也更切合投资者的心理。弗罗里达大学的三位学者因此提出了一个新的风险度量工具—CDaR。首先它的概念很简单，又同时满足不少很好的性质，吸引了众多研究者的关注，在国外已经是金融风险管理的研究前沿，关于它的研究发展非常迅速。
　　本文通过介绍VaR，CVaR，CDaR的定义和特性，罗列了它们的优缺点，并比较了将条件风险价值和条件风险跌幅两种理论应用于组合选择的问题的处理技巧，主要介绍和研究单参数风险度量模型中的CDaR(conditional drawdown-at-disk)方法，这一风险度量工具量化的是，在一定时期内，投资组合在特定样本路径上的下跌频率和幅度。CDaR通过将一个投资组合优化模型表述为一个线性规划(LP)的问题，实现了高效和稳健的投资组合分配算法，使得处理成千上万的优化问题工具和方案成为了可能。

目录

声明

摘要

1 绪论

1．1 选题的背景

1．2 CDaR研究的意义

1．3 国内外研究综述

1．4 本文主要研究内容

2 不同风险度量方法下的组合投资模型

2．1 MV模型

2．2 基于VaR的投资组合优化

2．2．1 VaR的定义和性质

2．2．2 一致性风险度量模型(Coherent measure of risk)

2．3 基于CVaR的投资组合优化

2．3．1 CVaR的定义和性质

2．3．2 CVaR的计算及优化问题

2．4 CDaR模型的简单介绍

2．4．1 CDaR模型与CVaR模型的差别

2．4．2 跌幅函数、最大跌幅函数及平均跌幅函数的定义

2．4．3 CDaR模型的定义和性质

2．4．4 离散方程：简化为线性规划问题

3 CDaR风险度量方法的优化模型

3．1 CDaR的组合优化模型

3．1．1 建立约束条件

3．1．2 离散化与线性化

3．1．3 情景产生

3．2 CDaR模型的参数选择

3．2．1 置信水平的选择

3．2．2 时间范围的选择

4 CDaR风险测度的实证研究

4．1 股票数据的选取与处理

4．2 CDaR模型的有效前沿和比较分析

4．3 模型的扩展

5 总结与展望

5．1 本文研究小结

5．2 CDaR方法在我国的应用现状

5．2．1 CDaR方法所面临的困难

5．2．2 关于CDaR方法在我国发展的几点建议

参考文献

附录

致谢