基于遗传算法的CVaR模型.pdfVIP

Issue 第14卷 专辑 中国管理科学 V01．14，Special 2 1 ChineseJournalof Science 2006 006年0月 Management October， 文章编号：1003—207(2006)zk一0263一05 基于遗传算法的CVaR模型 王雨飞1，王宇平2 (1．西安电子科技大学经济管理学院，西安710071；2．西安电子科技大学计算机学院，西安710071) 摘 要：条件风险值模型在金融和管理科学中有着广泛的应用。已有的CVaR模型通常是一个线性规划模型，其中 每个阶段的损失函数常用线性函数近似，然而，在一些实际问题中，这些函数通常是非线性函数，用非线性函数近 似会更加符合实际规律。本文通过引入非线性损失函数值，将原有模型转化为一个非线性规划模型，并通过一种 改进的遗传算法求出新的CVaR模型的近似最优解。结合实例说明该方法能够同时降低CvaR和VaR两个重要风 险度量指标。 关键词：CvaR；VaR；遗传算法 ． 中图分类号：F224 文献标识码：A 证明此问题等价于另一个易求解的最优化问题。文 1 引言 献¨1将CvaR模型用于计算最优化投资组合问题。 风险值(VaR)是指金融资产或其组合在一定置建立了一个最优投资组合线性规划模型。但该线性 信度下及一定的期间内的最大预计损失额，它能够 规划模型存在维数障碍，其约束条件数量取决于模 计算一定置信水平下的最大损失，能够适应金融市 拟的次数，当模拟情景增多时，约束条件趋于复杂， 场在正常波动情形下的风险管理要求。VaR方法存 使计算变得不可行。 在的问题在于注意力过于集中在一定置信度下的分 本文通过对损失函数值为非线性函数的情况， 位点上(即最大的预计损失)，而该分位点后面的尾 将已由的CVaR模型转化为一个非线性规划模型。 部信息则完全被忽略了，所以这种方法不能防范某 通过一种改进的遗传算法求出新的CVaR模型的近 些极端事件的风险。 似最优解。结合实例说明该方法能够同时降低 CvaR和VaR两个重要风险度量指标。 Rockfellar…提出了一个新风险度量工具—— 条件风险值(CVaR)，是指损失额超过VaR的部分 2 CVaR模型 的平均值，弥补了VaR无法反映尾部损失信息的缺 陷。此外，它还能够作为风险优化手段。由于 设以菇，，，)投资面临的损失函数，其中的名EX， CVaR是近年来刚刚开始研究舶新课题，在理论上x为投资组合的可行集且xcR“，Y为市场因子(比 和实践中还存在着一些未解决的问题，需要进一步 如市场价格)且Y∈R“，它的密度函数为P(y)。假 的研究和完善。 定P(Y)是连续的。当Y是一个已知分布的随机变 目前，CVaR的数学模型主要研究损失函数为量时以茹，y)就是一个依赖于茗的随机变量，它不超 连续型随机变量且损失只有一个的情形，它主要是 过临界值a的概率由下式确定： ， 由在给定置信水平下的VaR损失值和CVaR损失 妒(石，口)= J