割平面法求解WCVaR.docVIP

求解鲁棒回报-风险比值优化模型的割平面法 在投资组合理论中，有两个最重要的研究课题。一个是回报与风险的度量方法；另一个是建立平衡或协调回报与风险关系的优化模型。 对于前一个课题，国内外已取得相当丰富的研究成果。Markowize[]在研究不确定性最优投资组合问题时，提出了“均值-方差”模型。这为回报与风险的度量的量化提供了可行的方法。1993年J.P.Morgon[], G30集团在考察衍生产品的基础上提出了一种新的风险度量方法——“风险价值”（Value-at-Risk,简称VaR）。VaR因其含义易于理解掌握，事前可以计算风险，并且可衡量全部投资组合的整体风险，一度成为金融机构和金融管理机构衡量市场风险的标准度量方法。作为VaR的改进，Artzner et al.[][]提出“条件风险值”（Conditional Valu-at-Risk, 简称CVaR）这一风险度量概念。Rockafeller和Uryasev[][]讨论了其性质、计算与样本逼近和正态假设下的资产组合优化问题。为了更贴切的刻画实际问题，Lobo和Boyb[]对CVaR作了改进，提出最坏情况分析（Worse-Case analysis, 简称WCVaR）。Zhu-Fukushima证明了WCVaR理论继承了CVaR的连续风险度量性以及凸性。 在这些风险度量的基础上，国内外的研究学者们得到了有效前沿的三种等价定义。而对于这三种等价的模型，不同的界约束下有不同的最优值。该如何协调回报与风险的关系？这就引出了第二个重要的课题——优化模型的建立。众多优化模型中Sharpe[][]提出的Sharpe比值优化模型最受瞩目。自此后，各种比值优化模型被学者陆续提出。本篇所指的WCVaR比值优化模型是值风险用WCVaR刻画的比值优化模型。 WCVaR比值优化模型可以通过转化和模拟计算求解。童小娇等将WCVaR比值优化模型转化成线性规划，以求解线性规划得到原问题的最优解。但是转化之后决策变量的维数变得很大，给求解带来一定发困难。考察转化后的结构，引进割平面法，将大大减少决策变量的维数。 1 WCVaR风险度量下的比值优化模型 1.1 各类风险度量的定义 定义1[2] VaR是指投资组合在给定时期内，不超过给定的置信水平的最大可能的损失。在%的置信水平下，投资组合的VaR定义为： (1) 其中为的概率分布。 定义2[3] CVaR指在给定置信水平和期限下，超出VaR水平的平均损失。其数学表达式为： (2) 定义3[7] WCVaR是指在给定置信水平下，资产组合最坏情况下的CVaR值。其数学表达式为： (3) 在研究CVaR模型时，通常假设其随机变量服从某一确定的分布。但实际中，很多信息是不确定的或不充分的。因此，本篇切合实际，假设属于分布信息部分已知。即，假设，为复合混合分布。 定义4[11] 复合混合分布 (4) 其中表示可能分布的个数，表示第个可能的分布。是单位向量，表示第个分布所占权重，且，是第个分布的扰动，其范围为，表示分布所占权重的不确定性。 1.2 比值优化模型 本篇研究以下的比值优化模型： (5) 其中表示鲁棒风险，或称最坏情况下的风险值，即。表示鲁棒风险，或称最坏情况下的风险值，即。是可行域。 注意到在是紧的条件下，“inf”和“sup”可分别用“min”和“max”代替，则在是紧的假设下，（5）式可写为下列式子： (6) 其中是回报向量，是决策变量，是对应的投资回报。是水准回报值，是水准回报下给定决策的回报值，. 2 比值优化模型的转化 参见文献中的命题4，在一定条件下，可将（6）式等价写成下列式子： (7) 如果是（7）的最优解，则是（6）式的最优解。相反的，如果是（6）的最优解，记，则是（7）的最优解。 用Rockafeller和Uryasev[5]定义的回报和风险度量函数： ， (8) 且在考虑分布为复合分布下，（7）式可以具体表述为下列表达式（在转化时，习惯起见，用代替的记号）： (9) 参见文献[11]，（9）式可由对偶理论得到下列等价的表达式： (10) 其中，， 考虑有限离散情况，其概率分布如下： (11) 其中是对应的概率，且，。 设为指标集。根据文献[]中的命题1，（10）式可等价转化成下列表达式： (12) 为了简记，作如下标记： (13)