大數(shù)據(jù)時代下數(shù)學(xué)理論模型在金融市場的應(yīng)用_第1頁
大數(shù)據(jù)時代下數(shù)學(xué)理論模型在金融市場的應(yīng)用_第2頁
大數(shù)據(jù)時代下數(shù)學(xué)理論模型在金融市場的應(yīng)用_第3頁
大數(shù)據(jù)時代下數(shù)學(xué)理論模型在金融市場的應(yīng)用_第4頁
已閱讀5頁,還剩4頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、 大數(shù)據(jù)時代下數(shù)學(xué)理論模型在金融市場的應(yīng)用 涂安妮Summary:金融市場的核心問題是資產(chǎn)定價,風(fēng)險度量是資產(chǎn)定價的基礎(chǔ)及重點(diǎn)。理性投資者在預(yù)期收益不變的同時始終追求風(fēng)險最小化,而風(fēng)險可以通過數(shù)學(xué)工具量化。大數(shù)據(jù)時代下,信息采集更為便利高效。因此,可以傳統(tǒng)風(fēng)險測度理論指標(biāo)為基礎(chǔ),在嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)邏輯下,由所得精準(zhǔn)數(shù)據(jù),結(jié)合新的科學(xué)理論算法建立新型(性能優(yōu)良、便于計(jì)算、合理檢驗(yàn))風(fēng)險度量理論模型,這也是今后值得深入探究的方向。Key:金融市場;風(fēng)險度量;數(shù)學(xué)理論;大數(shù)據(jù)時代一、引言隨著社會的進(jìn)步,我們正步入大數(shù)據(jù)時代,新興的科學(xué)技術(shù)正在不斷影響各個領(lǐng)域。以金融市場為例,互聯(lián)網(wǎng)金融就是近幾年所興起的金

2、融模式。大數(shù)據(jù)時代下,云計(jì)算、人工智能的應(yīng)用漸漸成為我們生活領(lǐng)域所不可分割的一部分。而傳統(tǒng)的風(fēng)險度量模型將會利用先進(jìn)的手段更新,以達(dá)到逐漸完善的目的,其中不可缺乏的必然還有數(shù)學(xué)理論的應(yīng)用。運(yùn)用數(shù)學(xué)理論中微積分的極限、微分、導(dǎo)數(shù)和線性代數(shù)的矩陣?yán)碚撘约案怕收撆c數(shù)理統(tǒng)計(jì)參數(shù)估計(jì)等知識,結(jié)合實(shí)際情況,建立數(shù)學(xué)模型,通過大數(shù)據(jù)搜集所獲取的歷史信息后,再進(jìn)行準(zhǔn)確的參數(shù)求解,實(shí)現(xiàn)更為理想的理論模型,我們便可以將此用于金融市場中各類資產(chǎn)衡量風(fēng)險的工具。二、傳統(tǒng)的風(fēng)險度量數(shù)學(xué)模型風(fēng)險是實(shí)際結(jié)果對期望值的偏離,風(fēng)險度量作為金融資產(chǎn)定價的核心因素之一,也是衡量某項(xiàng)資產(chǎn)收益情況的關(guān)鍵。因此,風(fēng)險度量是金融領(lǐng)域不可或

3、缺的部分,既是重點(diǎn),也是難點(diǎn)。傳統(tǒng)的風(fēng)險度量數(shù)學(xué)模型分為以下三種。(一)均值-方差模型把風(fēng)險定義為期望收益率的波動率,假設(shè)投資者依據(jù)證券收益的概率分布選擇投資,證券期望收益率估測證券組合風(fēng)險,僅考慮風(fēng)險和收益且投資者是理性的。建立均值方差模型:目標(biāo)函數(shù)rp=xiri,min=covij(xi,xj),條件1=xi(允許賣空)或1=xi,xi0(不允許賣空),其中rp、xi、ri分別為組合預(yù)期收益率、組合風(fēng)險、第i種資產(chǎn)在資產(chǎn)組合中所占的權(quán)重、第i種資產(chǎn)預(yù)期收益率。值得注意的是,在限制條件下求解上目標(biāo)式,運(yùn)用了數(shù)學(xué)理論中的拉格朗日目標(biāo)函數(shù)求得,這是首次將數(shù)理統(tǒng)計(jì)的方法運(yùn)用與投資組合理論的研究中。

4、(二)VaR模型(Value at Risk)指在給定置信水平下資產(chǎn)或其組合在未來特定一段時間內(nèi)可能遭受的最大損失。VaR的公式為:P(PtVaR),其中P、P、VaR、a分別表示資產(chǎn)價值損失小于可能損失上限的概率、資產(chǎn)在一定持有期t的價值損失額、可能損失的上限、給定的置信水平。這里運(yùn)用了概率論的理論知識。(三)一致性風(fēng)險測度對于一種風(fēng)險測度方法,任意兩個價值為1、2的投資組合,當(dāng)滿足以下性質(zhì):1.單調(diào)性:若12,則(1)(2)2.同質(zhì)性:(h)=h(),h03.位移不變性:(+k)=()-k,k為組合增加現(xiàn)金的數(shù)量4.此可加性:(1+2)(1)+(2)就稱為一致風(fēng)險測度。預(yù)期損失:ESC=-

5、EX|X-VaRC(X),其中VaRC(X)為置信水平為c的VaR值。三、大數(shù)據(jù)時代新型數(shù)學(xué)模型應(yīng)用于金融市場的風(fēng)險度量理論由于風(fēng)險具有復(fù)雜性、不確定性、隱蔽性等特點(diǎn),大數(shù)據(jù)時代下產(chǎn)生的金融資產(chǎn)風(fēng)險與傳統(tǒng)的風(fēng)險特征相比明顯有所不同,因此具有很大的研究意義?;ヂ?lián)網(wǎng)上每時每刻發(fā)布的信息數(shù)據(jù)數(shù)以萬計(jì),這些數(shù)據(jù)往往會從多方面對金融市場產(chǎn)生類似于多諾米骨牌效應(yīng)的影響。利用大數(shù)據(jù)的完備性和云計(jì)算等常規(guī)技術(shù)捕捉金融市場中有價值的數(shù)據(jù),通過處理數(shù)據(jù),得出風(fēng)險大致特征和規(guī)律。當(dāng)下,數(shù)據(jù)結(jié)構(gòu)的特點(diǎn)面板數(shù)據(jù)模型和函數(shù)的連接轉(zhuǎn)換是度量金融風(fēng)險的主要手段。其中連接函數(shù)又稱為Copula函數(shù),主要描述了各個變量之間的相關(guān)

6、性。大數(shù)據(jù)時代下,度量風(fēng)險最為常用的就是Copula函數(shù)風(fēng)險測度。它的基本原理:一個多元聯(lián)合分布函數(shù)可以分解成多個邊緣分布函數(shù),然后用一個Copula函數(shù)組成,以降低建立函數(shù)模型的成本。在Copula函數(shù)運(yùn)用的過程中,運(yùn)用了數(shù)學(xué)理論里的多元函數(shù)的構(gòu)造,以及各變量之間非線性與非對稱關(guān)系、將邊緣分布和相關(guān)性隔離分開,得出數(shù)理統(tǒng)計(jì)中尾部分布的相關(guān)關(guān)系并能精準(zhǔn)地描述。模型的假設(shè)是風(fēng)險的度量的前提,當(dāng)模型假設(shè)偏差過大可能會導(dǎo)致金融資產(chǎn)的風(fēng)險被高估或者低估。而Copula理論,使得模型的設(shè)定更加符合數(shù)據(jù)規(guī)律,因此對風(fēng)險測度的研究取得了重要的突破,然后運(yùn)用計(jì)算機(jī)科學(xué)實(shí)現(xiàn)。目前,Copola理論在金融市場領(lǐng)域

7、中運(yùn)用于資產(chǎn)組合風(fēng)險計(jì)算、金融法波動的溢價分析、信用風(fēng)險分析和資產(chǎn)證券化信用評級等多個領(lǐng)域。N元copula函數(shù)具有以下性質(zhì)1.定義域?yàn)镃=IN=0,1N(N個域相乘)2.C具有0基面且是N維遞增的3.C的邊緣分布,滿足Cn(xn)=C(1,.,1,xn,.,1)=xn,其中xn0,1,n=1,2,.,N4.F為具有邊緣分布F1,.,F(xiàn)N的聯(lián)合分布函數(shù),若F1,.,F(xiàn)N連續(xù),則存在一個函數(shù),滿足:F(x1,.,xn,.,xN)=C(F1(x1),.,F(xiàn)n(xn),.,F(xiàn)N(xN),C唯一。四、未來數(shù)學(xué)理論應(yīng)用于金融風(fēng)險度量模型隨著人類社會的進(jìn)步,未來的金融市場資產(chǎn)可能會更加多樣且復(fù)雜。然而目前

8、金融市場上主流的金融風(fēng)險度量方法仍然是建立在靜態(tài)風(fēng)險度量框架下的,風(fēng)險度量模型也是建立在靜態(tài)假設(shè)下,針對過去發(fā)生的現(xiàn)象進(jìn)行研究總結(jié)分析,沒有考慮未來市場的變動,以及投資者本身的風(fēng)險偏好等因素,存在一定的局限性,導(dǎo)致產(chǎn)生誤差。未能建立全面性動態(tài)框架下的風(fēng)險度量模型,并將之應(yīng)用。導(dǎo)致迄今為止還沒有出現(xiàn)真正意義上的動態(tài)風(fēng)險度量方法。對此,未來可以在較為完善的靜態(tài)風(fēng)險模型下以歷史數(shù)學(xué)理論模型為基礎(chǔ)建立起動態(tài)風(fēng)險模型的框架,利用大數(shù)據(jù)的有效信息分析投資者本身偏好以及市場預(yù)期,結(jié)合人工智能技術(shù)的測調(diào),實(shí)現(xiàn)誤差無線接近于零的動態(tài)風(fēng)險度量模型。五、現(xiàn)階段運(yùn)用理論模型的金融風(fēng)險管理金融市場上,有不同的風(fēng)險,在選

9、擇正確的風(fēng)險管理方法之前,應(yīng)當(dāng)先識別風(fēng)險類型。再根據(jù)不同類型的風(fēng)險選擇不同的風(fēng)險管理辦法。傳統(tǒng)上,金融風(fēng)險管理的主要方法包括以下六點(diǎn)(從金融機(jī)構(gòu)的角度來看)。1. 風(fēng)險規(guī)避策略:變更或者放棄原有的業(yè)務(wù)計(jì)劃,消除有可能發(fā)生的風(fēng)險,避免遭受損失,可以通過限制某項(xiàng)資產(chǎn)的經(jīng)濟(jì)資本配置或者改變投資戰(zhàn)略實(shí)現(xiàn),該方法主要應(yīng)用于風(fēng)險未發(fā)生但預(yù)期會發(fā)生時。2. 風(fēng)險轉(zhuǎn)移策略:將本身所遭受的風(fēng)險通過采取某種合法的經(jīng)濟(jì)措施轉(zhuǎn)移給其他經(jīng)濟(jì)主體,風(fēng)險的承擔(dān)者改變。3. 風(fēng)險分散策略:根據(jù)馬科維茲的投資組合理論認(rèn)為,分散投資于收益率相關(guān)系數(shù)不為1的資產(chǎn),即可降低風(fēng)險。即通過多樣化的投資或投資組合降低分散風(fēng)險。4. 風(fēng)險補(bǔ)

10、償策略:預(yù)先簽訂的,通過價格補(bǔ)償?shù)男问剑瑢︼L(fēng)險承擔(dān)者的損失進(jìn)行彌補(bǔ)的方式。5. 風(fēng)險對沖策略:通過購買與標(biāo)的資產(chǎn)收益波動負(fù)相關(guān)的某項(xiàng)資產(chǎn)或相關(guān)衍生產(chǎn)品,實(shí)現(xiàn)資產(chǎn)的自我對沖或者與市場對沖,以此沖銷標(biāo)的資產(chǎn)潛在損失。6. 風(fēng)險承擔(dān)策略:當(dāng)重大風(fēng)險事件發(fā)生時,利用提前所采取的預(yù)防措施,將自身內(nèi)部資源用以彌補(bǔ)損失,最典型的就是準(zhǔn)備金計(jì)提。由于市場上的金融資產(chǎn)不可能存在無風(fēng)險的,并且通常是伴隨多種風(fēng)險的,往往需要采取綜合的風(fēng)險管理辦法。而平衡成本與收益,采取多樣管理辦法需要根據(jù)資產(chǎn)風(fēng)險的具體情況,一切風(fēng)險管理方案的實(shí)施都在評估風(fēng)險理論模型的基礎(chǔ)上??傊?,建立一個最佳風(fēng)險度量理論仍是我們未來需要不斷研究探索有待進(jìn)一步開發(fā)、完善的重要問題。Reference:1何宏慶.淺談數(shù)學(xué)模型在金融市場中的應(yīng)用J.科技經(jīng)濟(jì)市場,200

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論