投资组合VAR和CVAR的研究.pdfVIP

摘要 摘要 统计方法度量市场风险的手段，它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。但由于它不具有次可加性、凸性等缺陷，使得条件风险价值 (Conditional 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 中更为实用而合理，因而得到越来越广泛的应用。 本文对VaR模型和CVaR模型作了简要的阐述和模型的求解，并简单阐述了它们 在投资组合中的运用，并可为投资者在规避现实风险中提供参考。 全文共分为五章，第一章简要介绍了本文的研究背景、研究意义，并对VaR和 CVaR的研究现状进行了简要的阐述：第二章概述了投资组合的概念、研究现状，以 及VaR模型和CVaR模型在投资组合中的应用：第三章首先详细介绍CVaR模型，提出 改进CVaR模型，结合实证并运用遗传算法对其进行了求解和分析：第四章提出基于 信息熵的投资组合并运用改进的遗传算法对其求解和实证分析：第五章对全文进 行了总结。 本文的取得的研究成果主要如下： 1 改进CVaR模型损失函数，对CVaR模型进行了改进，运用遗传算法对其实证 分析。 2结合信息熵对投资组合进行风险度量，大大减少了投资组合的计算量，在 现实中具有很重要的实际意义，并可指导投资者在投资期间进行投资组合的调整。 3结合沪指的5支股票(飞亚达／浦东建设／冀东水泥／上海机场／包钢股份)对 改进CVaR模型进行实证分析，利用沪指6支股票(中国银行／万科／中国平安／上海汽 车／厦门钨业／吉林敖东)结合信息熵对投资组合风险进行度量并进行实证分析，结 果表明对现实风险投资有实际指导作用。 关键词：风险价值(VaR)条件风险价值(CVaR)信息熵遗传算法 Abstract III Abstract Value-at-Risk(VaR)isan directioninrecentfinancialresearch．It’Sa important statisticmethodtomeasuretheriskofstockmarketsandestimatethe of probability losseswithinatime toitslackofsome suchas portfolio period．Due importantproperties and onConditional been sub-additivity convexity，study conducted researchers．CVaRisthe lossesor losses bymany expected average VaR．Itnot hasthe ofVaR alsoismore exceeding only advantagesmodel，but practical andreasonablefromthe ofview．Henceithasmoreandmore applicationpoint applications． Thethesis VaRandCVaRmodelsandtheirsolution proposes methods，briefly introduceshowto thesemodelstothe