用遗传算法配置上证50指数型投资组合.pdfVIP

422 2008中国发展进程中的管理科学与工程(卷I) 用遗传算法配置上证50指数型投资组合 陆 阳 东北大学工商管理学院，辽宁沈阳110004 ylu@mail．neu．edu．an 摘要：考虑到不同风险偏好以及最小交易量、交易费用等实际因素，建立了符合我国国情的用VaR度量风险的指数型 投资组合优化模型，并针对上证50指数，通过因子分析的方法对原始数据处理后，以遗传算法求解该模型。通过Matlab语 言编写的求解程序进行测试，验证了该方法的有效性、可行性。 关键词：风险价值；资产配置；因子分析；遗传算法 益率R～N(户，，砖)，投资组合的VaR为： 1 引 言 VaR=一(E(Rp)一旷1(pap) (3) 1952年马科维茨投资组合理论[13的创立，标志着 无摩擦市场下的均值一vaR模型(模型I)为： 现代金融理论的开始，马科维茨均值一方差模型在金 minVaR=矿1(a)ap--E(Rp) 融理论界和金融实务界得到了广泛的引用和应用。但 maxE(Rp)=FR 是，该模型存在较大的局限性，其假设与实际存在较大 s．t．∑Zi=1 差别，因此出现了很多新的风险度量标准，如风险价值 l-1 模型中：尺=(R。，R。，…，R。)r，R。为第i种资产的 at (ValueRisk，vaR)。使用VaR作为风险度量对指 期望收益率；X=(z。，z。，…，z。)f是投资组合的权重 数型投资组合进行配置，存在待估计参数多、计算量大 向量，和为1；E(R，)是投资组合的期望收益率，Z为 的问题。针对这一难题，本文首次提出通过因子分析 收益率的方差。 对原数据进行降维处理，并通过对上证50指数基金以 2．2模型的改进 遗传算法求解计算，证明了该方法的有效性。 在传统的马科维茨均值一方差模型中，Z=，· 2 VaR模型 ∑·X，∑为，z种资产收益的协方差矩阵。该方法的一 个显著缺陷是需要做大量的参数估计。如果投资组合 2．1基本模型 中共有，z种风险资产，那么协方差矩阵中就包含 VaR译为风险价值或在险价值)不仅具有概念简丛掣个数。例如，对于上证50指数，收益的协方差 单、易于沟通和理解的优点，而且为不同金融工具构成 的复杂的投资组合提供了一个统一的综合性的风险测 共包含1225个待估计参数，而沪深300指数则高达 量框架。因此，它被巴塞尔委员会确认为市场风险的 44850个，故文献口-43中的投资组合都只含5种风险资 标准测量工具，成为当今国际上主流的金融风险计量 产。Stavros在文献[53提出了一种建立指数型投资组 方法，被全球各主要银行、投资公司、证券公司及金融 合模型的解决办法，即对每种风险资产的收益按特定 监管机构广泛采用。 因素进行回归： 对于决策X，z∈P，随机变量L(z)∈R表示损 R。=肛+届