简介:投资者进行投资实践时无不面临着背景风险。绝大多数以均值方差为框架的投资组合并没有考虑背景风险,其效用在实际应用中容易受到背景风险的影响。本文在含有交易费用的双目标函数模型中引入背景风险,从是否含有背景风险和背景风险偏好度大小两方面对投资组合问题展开研究,并使用智能算法得到模型的最优解,对模型进行实证分析。实证结果表明:1)当背景风险收益为0时,含有背景风险的投资组合比不含有背景风险的投资组合更能反映真实的投资环境。2)当背景风险收益不为0时,含有背景风险的投资组合比不含有背景风险的投资组合得到更高的收益。因此,考虑背景风险后投资组合的构建优于不考虑背景风险投资组合的构建。
简介:考虑横向监督中基于社会偏好的三种员工组合方式:同质组合、异质组合与双高组合。运用委托代理理论,研究基于社会偏好匹配的员工组合问题。模型分别给出了不存在横向监督、存在横向监督且员工是同质组合、存在横向监督且员工是异质组合与存在横向监督且员工是双高组合四种情形下的均衡结果。根据均衡结果做进一步分析,得出结论:①存在横向监督时员工的努力程度与企业收益总是高于不存在横向监督的情形,但不同的员工组合方式对其努力程度的激励效果是相同的;②异质组合能够通过节约薪酬成本而间接地提高企业总收益,双高组合能够通过获得较多的员工投入而直接增加企业总收益,并且异质组合与双高组合总是优于同质组合;③员工的社会偏好与风险成本是决定企业最佳员工组合方式选择的关键因素:当员工的风险成本很小而社会偏好差距较大时企业应选择异质组合;而当员工的风险成本很大或者风险成本小并且员工社会偏好差距也较小时企业应选择双高组合;因此,根据员工的个性特征选择适宜的组合方式是实现横向监督激励效应最大化的关键。
简介:金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用MonteCarlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。
简介:基于等级特征与可变信息板(VMS)研究了交叉巢式Logit(CNL)模型及网络交通流分配。综合幂函数与指数函数表示方法给出新的信息效用衰减因子,结合道路等级特征表示VMS对车流的影响系数及CNL模型的分配系数;给出等级结构道路网络的随机用户均衡条件下的交叉巢式Logit路径选择模型及其等价数学规划,并设计网络流分配算法。通过实例网络的计算与分析,得到一些有意义的结论:等级结构越显著的路网总出行时间费用越低且其分散参数(θ)弹性绝对值越大;对具有较强随机性的实际路网,若增加一定的确定性则节省更多网络总出行时间;道路网络中设置了VMS时总出行时间受分散参数的影响更小。