基于CVaR的投资组合优化问题的中期报告.docx

基于CVaR的投资组合优化问题的中期报告
1.研究背景及意义
投资组合优化问题是投资领域中不可避免的问题，其目的是通过对多个资产进行分配来实现资产的最大化收益。但是，投资组合优化问题存在多个限制条件，如资产风险、收益率和流动性。因此，如何在满足多个限制条件的前提下，寻求最优的资产组合方案，一直是研究者们关注的重点。
在传统的投资组合优化问题中，常常使用方差作为衡量投资组合风险的指标。但是，方差偏向于忽略极端风险，即在市场崩盘等困难情况下发生的极端事件。为了弥补这一缺陷，近年来研究者们将风险度量指标扩展到了基于风险价值（CVaR）的方法上，从而得到更准确的风险度量。CVaR是条件风险的一种度量方法，它取决于风险分布的尾部，因此可以更好地考虑极端事件的可能性和影响。
因此，本研究旨在基于CVaR方法来进行投资组合优化，以解决传统方差模型不适用于极端情况下的问题，并提高投资组合的风险管理水平和收益稳定性。
2.研究方法和步骤
本研究采用以下方法和步骤：
2.1数据收集和预处理
从YahooFinance上获得标普500指数成份股的股票数据，包括收盘价、开盘价、最高价、最低价、成交量和调整后收盘价等数据。
2.2风险度量
使用CVaR方法来度量投资组合的风险。CVaR是在给定置信水平下资产价值损失的条件预期值。通常来说，CVaR水平为95%，即在一定的置信度下，计算组合价值的平均损失。
2.3模型构建
建立基于CVaR的投资组合优化模型，该模型旨在优化投资组合中的风险和收益，并满足给定的约束条件，如权重之和等。
2.4模型求解
通过使用Python编程语言，结合求解器（如Gurobi）来求解模型。
3.初步结果及分析
使用上述数据和方法，我们得到了如下的初步结果：
3.1数据预处理
在数据处理过程中，我们需要选择是否使用收盘价或者调整后收盘价，经过比较，我们选择使用调整后的收盘价。同时，我们需要计算每只股票的日收益率，用于后续计算。
3.2风险分析
使用CVaR方法来计算每只股票的日风险。我们使用一个月的观测数据来计算每只股票的CVaR。
3.3投资组合优化
在优化投资组合的过程中，我们使用前一天的数据来计算投资组合的权重和风险。根据我们设置的风险偏好，我们可以得到最优的资产配置方案。
4.下一步工作计划
在后续的研究中，我们将进一步完善该模型，并将其应用到更多的市场数据中，以评估其在不同市场情况下的表现。同时，我们将尝试对模型进行不同的风险控制实验，以评估其风险管理能力。此外，我们还将尝试对该模型进行更多的性能优化，以提高计算效率。