CN109508863A - 投资组合风险数据分析方法及装置 - Google Patents
投资组合风险数据分析方法及装置 Download PDFInfo
- Publication number
- CN109508863A CN109508863A CN201811190819.3A CN201811190819A CN109508863A CN 109508863 A CN109508863 A CN 109508863A CN 201811190819 A CN201811190819 A CN 201811190819A CN 109508863 A CN109508863 A CN 109508863A
- Authority
- CN
- China
- Prior art keywords
- assets
- risk
- threshold value
- combination
- linear relation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种投资组合风险数据分析方法及装置,方法包括:确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。本发明即时体现再平衡的实际效果,评分体系简单。
Description
技术领域
本申请涉及通信领域,具体而言,涉及一种投资组合风险数据分析方法及装置。
背景技术
投资者在持有多类资产进行组合式投资的过程中,由于投资者投资管理能力的高低不同,而且,即使投资者投资管理能力强也无法保证其每时每刻都能对已持有投资组合进行系统、深刻、动态的认识。自投资者建立投资组合以来,各类资产在组合中的实际比例会随着时间而发生变化进而与最初的配置比例发生偏离。投资者往往会在不恰当的时机通过赎回,追加,转换投资资产等方式意图平衡配置,但往往收效甚微,甚至适得其反。在存在交易费用,以及并非强有效的市场里,并非任何程度的偏离都是不可接受的。对于不同的资产配置,可接受的偏离程度范围,以及触发风险预警的偏离程度都是不同的。
投资组合管理是一个复杂而个性化的过程。特别是对互联网化的理财产品,投资者实际持仓与基准持仓存在着各种各样的累积起来的偏离。标准化的组合管理方方案难以满足广大投资者的个性化投资需求,即便声称科学合理的组合管理方案有时也难以得到投资者认同从而得到及时有效的执行,使得投资组合管理方案效果大打折扣,用户满意度也随之降低。
造成这一局面的主要原因,在于再平衡效果是一个延时反馈的过程,而再平衡所付出的手续费成本、机会成本等却是会即时反应在投资者的投资账户中的。两类反馈在时间上的错配,会显著降低投资者再平衡的意愿和执行效率;另一方面,不同投资者对组合的风险偏离程度有不同的认知与感受,投资相关知识水平较低的用户难以实时掌握投资组合的风险水平,对组合的管理随心而为,难以达到预期的投资目的。
而且现有的投资组合风险管理都是由专人进行管控,因此各种信息具有一定的延迟性,且风险管理中人为的主观判断也会造成无法实时有效地规避风险。
针对相关技术中存在的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种通过计算机数据处理方式结合组合风险评分方式的投资组合风险数据分析方法及装置,以解决相关技术中存在的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种投资组合风险数据分析方法。
根据本申请的投资组合风险数据分析方法包括:
确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;
根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。
进一步的,如前述的投资组合风险数据分析方法,所述N个资产的超额收益率的协方差矩阵V的确定方法如下所示:
其中,V为超额收益率协方差矩阵,矩阵中的元素σij是资产i与资产j(i≠j)的超额收益率之间的协方差,即:σij=Covariance(ri,rj);
σi 2=Variance(ri)为资产i的超额收益率的方差;其中ri为资产i的超额收益率。
进一步的,如前述的投资组合风险数据分析方法,所述根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系,包括:
将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
进一步的,如前述的投资组合风险数据分析方法,在根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间,包括:
根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;并定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
进一步的,如前述的投资组合风险数据分析方法,所述根据所述N个资产的实时的主动风险偏离所处的区间对所述N个资产的配置进行组合风险评分,包括:
确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;
按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
进一步的,如前述的投资组合风险数据分析方法,所述根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt,通过下式计算:
其中,hPA=hp-hB。
为了实现上述目的,根据本申请的另一方面,提供了一种投资组合风险数据分析装置。
根据本申请的投资组合风险数据分析装置包括:
资产配置比例确定单元,用于确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
非线性关系确定单元,用于根据N个资产的随机游走模型,确定所述组合期望收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
主动风险偏离确定单元,用于根据所述N个资产的超额收益率协方差矩阵V以及用于持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
区间确定单元,用于根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;
组合风险评估单元,用于根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。
进一步的,如前述的投资组合风险数据分析装置,所述非线性关系确定单元,包括:
组合年化收益率模拟模块,用于将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
非线性关系确定模块,用于在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
进一步的,如前述的投资组合风险数据分析装置,所述区间确定单元还包括:
第一触发阈值确定模块,用于根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;以及
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
第二触发阈值确定模块,用于根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
区间判断模块,用于根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
进一步的,如前述的投资组合风险数据分析装置,所述组合风险评估单元,包括:
评估基准确定模块,用于确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;
评估模块,用于按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
在本申请实施例中,采用通过计算机数据处理方式结合组合风险评分方式的投资组合风险数据分析方法及装置的方式,通过确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,i为(1~N)之间的整数;根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。本发明采用组合风险评分的方式实时为组合进行风险评分,投资者可以依据组合实时的评分水平判断组合是否可以、应该或者必须进行再平衡管理。再平衡的实际效果以评分提升的方式即时体现,解决了反馈时间的错配问题。简单的评分体系,降低投资者的认知门槛,有利于相关理财产品在普通投资者中的推广宣传等。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请一种实施例的投资组合风险数据分析方法流程示意图;
图2是根据本申请一种实施例的投资组合风险数据分析装置的功能模块连接示意图;
图3是根据本申请一种实施例的第一非线性关系示意图
图4是根据本申请一种实施例的第二非线性关系示意图;
图5是根据本申请一种实施例的组合平均年化收益率与触发再平衡的主动风险偏离阈值之间的关系图;以及
图6是根据本申请一种实施例的组合平均年化收益率与年化收益率标准差之比与触发再平衡的主动风险偏离阈值之间的关系图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,该方法包括如下的步骤S1至步骤S5:
为了实现上述目的,根据本申请的一个方面,提供了一种投资组合风险数据分析方法。
根据本申请的投资组合风险数据分析方法包括:
S1.确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
S2.根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
具体的,由于每次进行组合的资产再配置操作(以下称之为再平衡)都存在交易手续费用以及交易延时等造成的机会成本,因而每次再平衡都会对投资组合的到期收益率产生影响,且必须考虑到所述机会成本。并且可以通过对组合进行大量的蒙特卡洛模拟,发现组合期望收益率与设定的触发组合再平衡的阈值之间存在着复杂的第一非线性关系,以及组合的预期夏普比率与设定的触发组合再平衡的阈值之间存在着的复杂的第二非线性关系。显然过于频繁地再平衡会导致再平衡成本过高而降低组合预期收益率,而放任组合主动风险偏离不予调整、不进行任何再平衡则不利于组合风险管理,会降低组合的收益风险比,在非强有效的市场中显然是不明智的做法。
具体的,所述主动风险偏离ψth可以通过不同的取值0.1%、0.2%、0.3%等等,且每个所述主动风险偏离ψth可以通过对N个(N为正整数,可以为1000个或10000个)随机游走模型进行蒙特卡洛模拟进而得到所述第一非线性关系和第二非线性关系。并且会得到即使扣除机会成本之后也能够获得收益的主动风险偏离ψth区间;组合期望收益率与触发再平衡的之间的关系,即第一非线性关系,如图3所示。组合预期夏普比率(预期收益率与预期收益率的标准差之比)与触发再平衡的之间的关系,即第二非线性关系,如图4所示。
S3.根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
S4.根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;具体的,因为已经得到即使扣除机会成本之后也能够获得收益的主动风险偏离ψth区间;只需将所述主动风险偏离ψPt当下是否在所述区间或者具体到区间中哪一段即可;
S5.根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。具体的,可以对所述得到即使扣除机会成本之后也能够获得收益的主动风险偏离ψth区间进行分端计分,并对每一段给予不同的计分方法,进而区分各段的风险。
投资组合管理是一个复杂而个性化的过程。特别是对互联网化的理财产品,投资者实际持仓与基准持仓存在着各种各样的累积起来的偏离。标准化的组合管理方案难以满足广大投资者的个性化投资需求,即便声称科学合理的组合管理方案有时也难以得到投资者认同从而得到及时有效的执行,使得投资组合管理方案效果大打折扣,用户满意度也随之降低。造成这一局面的主要原因,在于再平衡效果是一个延时反馈的过程,而再平衡所付出的手续费成本、机会成本等却是会即时反应在投资者的投资账户中的。两类反馈在时间上的错配,会显著降低投资者再平衡的意愿和执行效率;另一方面,不同投资者对组合的风险偏离程度有不同的认知与感受,投资相关知识水平较低的用户难以实时掌握投资组合的风险水平,对组合的管理随心而为,难以达到预期的投资目的。本发明采用组合风险评分的方式实时为组合进行风险评分,投资者可以依据组合实时的评分水平判断组合是否可以、应该或者必须进行再平衡管理。再平衡的实际效果以评分提升的方式即时体现,解决了反馈时间的错配问题。简单的评分体系,降低投资者的认知门槛,有利于相关理财产品在普通投资者中的推广宣传等。
在一些实施例中,如前述的投资组合风险数据分析方法,所述N个资产的超额收益率的协方差矩阵V的确定方法如下所示:
其中,V为超额收益率协方差矩阵,矩阵中的元素σij是资产i与资产j(i≠j)的超额收益率之间的协方差,即:σij=Covariance(ri,rj);
σi 2=Variance(ri)为资产i的超额收益率的方差;其中ri为资产i的超额收益率。
在一些实施例中,如前述的投资组合风险数据分析方法,所述根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系,包括:
将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
此外,还可以根据多维随机游走模型(该多维随机游走模型仅为一种优选的模型,还可以采用其它模型)确定资产i在t时的价格Si,t;Si,t的计算方法如下所示:
其中,Δt是指模拟的时间间隔(一天或一周等);μi是资产i的预期收益率;(Zt,1,…,Zt,N)~N(0,IN×N)是服从N维的标准正太分布并且相互独立的随机数;ATA=V,V为所述N个资产的超额收益率的协方差矩阵,A是对所述超额收益率协差矩阵进行分解得到,aij为矩阵A中第i行j列的元素。进而能通过资产i在所有时间的价格Si,t得到该资产i的随机游走模型。
在一些实施例中,如前述的投资组合风险数据分析方法,在根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间,包括:
根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;并定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
在一些实施例中,如前述的投资组合风险数据分析方法,所述根据所述第一非线性关系和第二非线性关系对所述N个资产进行资产再配置进行组合风险分数评估,包括:
确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;具体的,不失一般性,可将组合风险评分S1、SL、SH、S3分别定义为100,90,80和60。
按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
通过风险评分将复杂的金融逻辑以简洁直观的方式呈现给客户,便于用户理解当前组合的健康状态,促使用户关注组合的各类资产的比例的偏离情况。
因而,通过风险评分,投资者随时可以了解当前所持有组合与基准组合的风险偏离程度并根据组合的风评分数做出科学合理的再平衡决策。
所述根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt,通过下式计算:
其中,hPA=hp-hB。
现有技术中,存在能够确定最多两个资产的实时主动风险偏离,而无法计算得到多个资产的实时主动风险偏离ψPt,通过本申请方法可以有效解决多个资产的主动风险偏离的计算。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述投资组合风险数据分析方法的投资组合风险数据分析装置,如图2所示,该装置包括:
资产配置比例确定单元,用于确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
非线性关系确定单元,用于根据N个资产的随机游走模型,确定所述组合期望收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
主动风险偏离确定单元,用于根据所述N个资产的超额收益率协方差矩阵V以及用于持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
区间确定单元,用于根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;
组合风险评估单元,用于根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
在一些实施例中,如前述的投资组合风险数据分析装置,所述非线性关系确定单元,包括:
组合年化收益率模拟模块,用于将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
非线性关系确定模块,用于在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
在一些实施例中,如前述的投资组合风险数据分析装置,所述区间确定单元还包括:
第一触发阈值确定模块,用于根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;以及
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
第二触发阈值确定模块,用于根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
区间判断模块,用于根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
在一些实施例中,如前述的投资组合风险数据分析装置,所述组合风险评估单元,包括:
评估基准确定模块,用于确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;
评估模块,用于按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
应用例,关于组合风险评分的具体案例如下所述:
以国内债券、国内股票、香港股票、国际债券、大宗商品以及美国股票为大类投资品种的投资组合,设定其基准组合的各大类资产比例为:
根据对上述投资品类的历史数据,得到长期历史的统计结果,各大类资产的预期年化收益率为:
因而得到各资产间超额收益率协方差矩阵为:
该投资组合预期的年化收益率,也即要求年化收益率为
投资者按基准比例买入各资产之后,随着资产的涨跌,比例发生偏离,投资组合的实际持仓比例记为hP,用主动风险偏离系数ψP来衡量实际持仓比例与基准比例的偏离程度:
其中hPA=hP-hB。
当ψP>ψth时,对投资组合进行一次再平衡,重新调整各类资产的投资比例,使其回归至基准,而ψth则是事先设定好的阈值。
将持有期间的实际年化收益率记为fP,采用多资产随机游走模型对该资产组合进行蒙特卡洛模拟,观察该投资组合在不同的风险偏离阈值ψth下,投资组合的表现。数万次模拟之后,可以得到年化收益率均值以及年化收益率均值与其标准差的比值与ψth的关系如图1所示:
组合平均年化收益率与触发再平衡的主动风险偏离阈值之间的关系如图5所示。
图5中直线1是要求年化收益率即6.98%,曲线2是在不同的主动风险偏离阈值条件下进行组合再平衡管理时,投资组合在模拟下的平均年化收益率。再平衡的手续费(包含买入以及卖出)设定为投资总额的0.5%。可以看到过低的阈值会使得再平衡过于频繁,由于手续费的损耗而得不偿失,不作任何再平衡也不利于投资组合达成预期收益率。
曲线2与直线1的第一个交点处的阈值记为ψ1=1%;
曲线2达到极大值时的阈值记为ψ2=1.25%;
曲线2与直线1的第三个交点处的阈值记为ψ3=3.5%
组合平均年化收益率与年化收益率标准差之比与触发再平衡的主动风险偏离阈值之间的关系如图6所示;
此比值表示的持仓收益率的集中度,集中度越高,组合满意度相对越高。将此比值取得极大值时的阈值记为ψ4=2.5%;
至此,获取了计算实时持仓评分所需的所有阈值ψ1=1%,ψL=1.25%,ψH=2.5%ψ3=3.5%。
根据专利中所述风险评分的具体算法(以百分制为例,对应S1=100,SL=90,SH=80,S3=60),举例计算持仓评分
按基准比例买入投资组合后,随着资产涨跌:
当实际持仓比例为:
此时投资组合的主动风险偏离为ψP=0.87%,组合评分为100;
当实际持仓比例为:
此时投资组合的主动风险偏离为ψP=1.16%,组合评分为:
当实际持仓比例为:
此时投资组合的主动风险偏离为ψP=2.10%,组合评分为:
当实际持仓比例为:
此时投资组合的主动风险偏离为ψP=3.06%,组合评分为:
如果实际持仓的主动风险偏离超过3.5%,组合评分将低于60,视为风险较大,因而需要提醒用户进行再平衡调整使得组合评分回到100。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种投资组合风险数据分析方法,其特征在于,包括:
确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;
根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。
2.根据权利要求1所述的投资组合风险数据分析方法,其特征在于,所述N个资产的超额收益率的协方差矩阵V的确定方法如下所示:
其中,V为超额收益率协方差矩阵,矩阵中的元素σij是资产i与资产j(i≠j)的超额收益率之间的协方差,即:σij=Covariance(ri,rj);
σi 2=Variance(ri)为资产i的超额收益率的方差;其中ri为资产i的超额收益率。
3.根据权利要求2所述的投资组合风险数据分析方法,其特征在于,所述根据所述N个资产的随机游走模型,确定组合平均年化收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系,包括:
将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
4.根据权利要求1所述的投资组合风险数据分析方法,其特征在于,在根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间,包括:
根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;并定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
5.根据权利要求4所述的投资组合风险数据分析方法,其特征在于,所述根据所述N个资产的实时的主动风险偏离所处的区间对所述N个资产的配置进行组合风险评分,包括:
确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;
按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
6.根据权利要求2所述的投资组合风险数据分析方法,其特征在于,所述根据所述N个资产的超额收益率协方差矩阵V以及持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt,通过下式计算:
其中,hPA=hp-hB。
7.一种投资组合风险数据分析装置,其特征在于,包括:
资产配置比例确定单元,用于确定投资者的N个资产的原始标准资产配置比例hB=[h1,…,hi,…,hN]T;其中,hi为资产i的配置比例,其中i=1,…,N;
非线性关系确定单元,用于根据N个资产的随机游走模型,确定所述组合期望收益率以及组合夏普比率分别与触发所述N个资产进行资产再配置的阈值ψth之间的第一非线性关系和第二非线性关系;
主动风险偏离确定单元,用于根据所述N个资产的超额收益率协方差矩阵V以及用于持有的N个资产的当前比例hp确定所述N个资产的实时的主动风险偏离ψPt;其中,t指的是t时刻;
区间确定单元,用于根据所述第一非线性关系和第二非线性关系判断所述N个资产的实时的主动风险偏离ψPt所处的区间;
组合风险评估单元,用于根据所述N个资产的实时的主动风险偏离ψPt所处的区间对所述N个资产的配置进行组合风险评分。
8.根据权利要求7所述的投资组合风险数据分析装置,其特征在于,所述非线性关系确定单元,包括:
组合年化收益率模拟模块,用于将持有所述N个资产期间的实际年化收益率记为fP,采用多资产随机游走模型对所述N个资产的组合进行蒙特卡洛模拟,得到所述N个资产投资组合在不同的风险偏离阈值ψth下的组合年化收益率;
非线性关系确定模块,用于在多次蒙特卡洛模拟之后,得到组合平均年化收益率以及所述组合平均年化收益率与其标准差的比值分别与ψth的第一非线性关系及第二非线性关系。
9.根据权利要求7所述的投资组合风险数据分析装置,其特征在于,所述区间确定单元还包括:
第一触发阈值确定模块,用于根据所述第一非线性关系确定所述组合期望收益率的最小触发阈值、最高触发阈值以及最大触发阈值;
其中,记ψ1是使得组合期望收益率不低于要求的预期收益率的最小触发阈值;如果将再平衡触发的阈值设定为低于此值,交易成本会吞噬组合实际收益,使得组合收益率不满足预期;
记ψ2是使得组合期望收益率达到最高触发阈值;从收益率角度,每次当组合风险偏离达到此阈值时进行再平衡是对组合最有利的;以及
记ψ3是使得组合期望收益率能勉强达标的最大触发阈值;当组合的主动风险偏离超过此阈值仍不做再平衡,将对组合产生不利影响;
第二触发阈值确定模块,用于根据所述第二非线性关系确定所述组合预期夏普比率的最高触发阈值ψ4;定义ψL=min(ψ2,ψ4),ψH=max(ψ2,ψ4);
区间判断模块,用于根据所述N个资产的实时的主动风险偏离ψPt与ψ1、ψL、ψH和ψ3之间的关系,确定所述N个资产的实时的主动风险偏离ψPt所处的区间。
10.根据权利要求9所述的投资组合风险数据分析装置,其特征在于,所述组合风险评估单元,包括:
评估基准确定模块,用于确定评书评估基准,并将ψ1、ψL、ψH和ψ3的组合风险评分依次定义为S1、SL、SH、S3;且S1>SL>SH>S3;
评估模块,用于按照下述方法对所述N个资产进行资产再配置进行组合风险分数评估:
当ψPt≤ψ1时,组合风险评分为S=S1;
当ψ1<ψPt≤ψL时,组合风险评分
当ψL<ψPt≤ψH时,组合风险评分
当ψH<ψPt≤ψ3时,组合风险评分
当ψPt≥ψ3时,组合风险评分为S=S3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190819.3A CN109508863A (zh) | 2018-10-12 | 2018-10-12 | 投资组合风险数据分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811190819.3A CN109508863A (zh) | 2018-10-12 | 2018-10-12 | 投资组合风险数据分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109508863A true CN109508863A (zh) | 2019-03-22 |
Family
ID=65746479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811190819.3A Pending CN109508863A (zh) | 2018-10-12 | 2018-10-12 | 投资组合风险数据分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508863A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915443A (zh) * | 2020-08-14 | 2020-11-10 | 国泰君安证券股份有限公司 | 实现智能投资产品组合分析计算处理的系统及其方法 |
CN112508460A (zh) * | 2021-01-04 | 2021-03-16 | 北京口袋财富信息科技有限公司 | 推送提醒信息的方法、装置、可读存储介质及计算设备 |
-
2018
- 2018-10-12 CN CN201811190819.3A patent/CN109508863A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915443A (zh) * | 2020-08-14 | 2020-11-10 | 国泰君安证券股份有限公司 | 实现智能投资产品组合分析计算处理的系统及其方法 |
CN112508460A (zh) * | 2021-01-04 | 2021-03-16 | 北京口袋财富信息科技有限公司 | 推送提醒信息的方法、装置、可读存储介质及计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chlistalla et al. | High-frequency trading | |
US8738508B2 (en) | Order risk management for financial product processing | |
US20180189869A1 (en) | Volume control for mass quote messages | |
CN108921706A (zh) | 基金投资理财的人工智能运算系统 | |
CN106504098A (zh) | 一种基于大数据技术的金融投资系统的投资方法 | |
US7519554B2 (en) | Processing binary options in future exchange clearing | |
Ngerebo | The impact of foreign exchange fluctuation on the intermediation of banks in Nigeria (1970-2004) | |
CA2733071A1 (en) | Pre-execution credit control | |
CN109508863A (zh) | 投资组合风险数据分析方法及装置 | |
TWM586419U (zh) | 智能理財投資決策分析系統 | |
CN108596493A (zh) | 拆单式交易方法及装置 | |
Naseem et al. | Exchange rate misalignment, volatility and import flows in Malaysia | |
KR102068407B1 (ko) | 야구용어 연계 투자평가 및 특성분석 방법 및 그 시스템 | |
Yin et al. | Risk management for international portfolios with basket options: A multi-stage stochastic programming approach | |
Rutkowska-Ziarko et al. | Diversification of risk of a fundamental portfolio based on semi-variance | |
Chen et al. | Optimal order exposure in a limit order market | |
Chou et al. | Deep learning in model risk neutral distribution for option pricing | |
Wang et al. | Algorithmic trading system: design and applications | |
Teresa et al. | Speculation and real estate: Can speculation contribute to an efficient real estate market? | |
Galadima et al. | The geometric mean model in finance | |
Ding et al. | Pricing of Multi-Asset Options Using Monte Carlo Method | |
KR20120130687A (ko) | 야구용어 연계 증권정보 특성분석 시스템 및 특성제공 방법 | |
Wan et al. | The Intensity of High-Frequency Feedback Trading and its Impact on Market Quality | |
Leea et al. | Analyzing the Law of One Price and Volatility in the New Zealand Emissions Trading Scheme using NZUs, CERs and ERUs | |
Rebesco et al. | Evaluating Equity Curves via Concentration Indexes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |