METOD OPTIMAL'NOGO UPRAVLENIYa AKTIVAMI S POShAGOVYMI CODITIONAL VALUE AT RISK (CVAR) OGRANIChENIYaMI PRI IZVESTNYKh PARAMETRAKh VEKTOROV DOKhODNOSTEY

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Предметом исследования является многошаговая задача инвестирования с Conditional Value at Risk (CVaR) ограничениями на приращения процесса риска, с заданным порогом капитала для банкротства, разрешением коротких продаж и нормальной моделью суммарного дохода. Целью является нахождение метода оптимального управления активами для целевого функционала равного среднему значению финального капитала инвестора. В результате исследования показано, что оптимальный инвестиционный портфель на каждом шаге не зависит от текущего значения капитала инвестора, а зависит только от номера шага инвестирования. Доказано, что многошаговая задача сводится к конечному числу одношаговых задач оптимизации, которые сводятся к задачам конического программирования. Для одношаговой задачи приведены условия непустоты множества допустимых портфелей и применена теорема Куна-Таккера об условиях оптимальности портфеля. Изучен случай, когда доходности активов имеют не нормальные распределения, а эллиптические распределения. Представлен иллюстративный численный пример нахождения оптимальной инвестиционной стратегии, основанный на открытых данных о котировках акций трех компаний на фондовой бирже.

References

  1. Markowitz H. Portfolio Selection // J. Finance. 1952. V. 7. P. 77-91.
  2. Gaivoronski A., Pflug G. Value at Risk in Portfolio Optimization: Properties and Computational Approach //J. Risk. 2004. V. 7. No. 2. P. 1-31.
  3. Голубин А.Ю., Гридин В.Н. Построение эффективных инвестиционных портфелей с вероятностью падения финального капитала ниже установленного уровня в качестве меры риска // АиТ. 2023. № 4. С. 131-144.
  4. Кибзун А.И., Кан Ю.С. Задачи стохастического программирования с вероятностными критериями. М.: Физматлит, 2009.
  5. Alexander G.J., Baptista A.M. Economic Implications of Using a Mean-VaR Model for Portfolio Selection: A Comparison with Mean-variance Analysis // J. Econom. Dynam. Control. 2002. V. 26. P. 1159-1193.
  6. Alexander G.J., Baptista A.M. A comparison of VaR and CVaR constraints on portfolio selection with the mean-variance model // Management Sci. 2004. V. 50. P. 1261-1273.
  7. Shiba N., Xu C., Wang J. Multistage Portfolio Optimization with VaR as Risk Measure // Int. J. Innovat. Comput., Inform. Control. 2007. V. 3. No. 3. P. 709-724.
  8. Tyrrell R., Rockafellar R.T., Uryasev S. Conditional value-at-risk for general loss distributions // J. Banking Finance. 2002. V. 26. No. 7. P. 1443-1471. https://doi.org/10.1016/S0378-4266(2)00271-6.
  9. Pinar M.C. Static and Dynamic VaR Constrained Portfolios with Application to Delegated Portfolio Management // Optimization. 2013. V. 62. No. 11. P. 14191432.
  10. Gardoni P., Murphy C. Gauging the societal impacts of natural disasters using a capabilities-based approach // Disasters: Disaster Studies, Policy, Management. 2010. V. 34. No. 3. P. 619-636.
  11. Golubin A.Y. Optimal Investment Policy in a Multi-stage Problem with Bankruptcy and Stage-by-stage Probability Constraints // Optimization. 2022. V. 70. No. 10. P. 2963-2977. https://doi.org/10.1080/02331934.2021.1892674
  12. Li C., Li Z. Multi-period portfolio optimization for asset-liability management with bankrupt control // Apppl. Math. Comput. 2012. V. 218. P. 11196-11208.
  13. Wei S., Ye Z. Multi-period optimization portfolio with bankruptcy control in stochastic market // Apppl. Math. Comput. 2007. V. 186. P. 414-425.
  14. Голубин А.Ю., Газов А.И. Условия оптимальности в задаче выбора инвестиционного портфеля при вероятностном ограничении на капитал инвестора // Информационные технологии в проектировании и производстве. 2018. № 4. С. 53-57.
  15. Boyd S., Vandenberghe L. Convex Optimization, Cambridge, Cambridge: University Press, 2009.
  16. Burkardt J. The Truncated Normal Distribution, Department of Scientific Computing, Florida State University, 2014.
  17. Landsman Z., Valdez E.A. Tail Conditional Expectations for Elliptical Distributions // North Amer. Actuarial J. 2003. V. 7. No. 4. P. 55-71.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2024 The Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».