[发明专利]一种FOF模式下的养老金资产配置方法在审
| 申请号: | 202110615925.7 | 申请日: | 2021-06-02 |
| 公开(公告)号: | CN113313608A | 公开(公告)日: | 2021-08-27 |
| 发明(设计)人: | 陆忠华;范祚军;李晨;陈瑶雯;陈逸东;何欢 | 申请(专利权)人: | 广西大学;中国科学院计算机网络信息中心 |
| 主分类号: | G06Q40/08 | 分类号: | G06Q40/08;G06Q40/06;G06Q40/04 |
| 代理公司: | 北京亿腾知识产权代理事务所(普通合伙) 11309 | 代理人: | 陈霁 |
| 地址: | 530004 广西*** | 国省代码: | 广西;45 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 fof 模式 养老金 资产 配置 方法 | ||
1.一种FOF模式下的养老金资产配置方法,其特征在于,包括以下步骤:
基于金融市场历史价格数据,使用BL模型计算资产期望收益向量与收益协方差矩阵;所述金融市场价格数据,包括:历史收盘价与开盘价数据;
构建面向养老金市场的FOF资产配置模型;
面向养老金市场的FOF资产配置模型的有效求解,根据求解出的投资组合中的资产权重去定制个性化养老目标。
2.根据权利要求1所述的方法,其特征在于,在所述使用BL模型计算资产期望收益向量与收益协方差矩阵步骤中,
资产期望收益向量表示为:
E(R)=[PTΩ-1P+(τ∑h)-1]-1[PTΩ-1q+(τ∑h)-1π]
其中,P为投资者观点映射矩阵,代表观点与相应资产的对应关系,Ω为观点不确定性矩阵,τ为标量,q为观点向量,∑h为资产收益协方差矩阵,使用收缩估计法基于历史收益向量rt估计得到,其中,Cprt+j为时刻t+j时的收盘价,Oprt为时刻t时的开盘价;π=δ∑hωmkt为资产均衡收益向量,δ为风险规避参数,ωmkt为资产市场权重向量;
资产收益协方差矩阵的后验估计可表示为:
∑=[PTΩ-1P+(τ∑h)-1]-1+∑h。
3.根据权利要求2所述的方法,其特征在于,所述构建面向养老金市场的FOF资产配置模型步骤,包括:
将所述E(R)与∑分别作为FOF资产配置模型的输入参数;
所述FOF资产配置模型表示为:
s.t.max1≤k≤T{max1≤j≤k{yj′w}-yk′w}≤v1
wmin≤wi≤wmax,i=1,2,...,n
w′*1=1
wi≥0,i=1,2,...,n
其中,为目标函数,在目标函数中,w=(w1,w2,......wn)为包含n个资产的投资组合的权重向量,w′E(R)表示投资组合预期收益,λw′∑w表示风险惩罚,λ是组合资产的风险厌恶系数,具体可由资产的历史收益数据计算而得。λ=(Rm-Rf)/σ2,Rm为市场组合的收益率,Rf为无风险利率,σ2为市场组合的方差;Mar表示最小可接受目标收益率,在制定时可以参照社保基金对最低收益的要求;具体表达式为:
Mar=oyi+αGDP
其中,oyi代表当前银行一年期定期存款利率;GDP代表当前的GDP;α∈[0,1],δE(tra)表示投资组合的预期交易成本;
其中,max1≤k≤T{max1≤j≤k{yj′w}-yk′w}≤ν1为最大回撤约束,该约束表示投资者面临的最大亏损或盈利减少,具体是指在一定时间跨度内,任何一个时间点之后的资产净值达到最低点时收益率回撤幅度的最大值;yj为j时刻的资产累计收益率向量,ν1表示投资者可承受的最大亏损或盈利减少水平;
其中,为FOF基金投资约束,该约束根据《公开募集证券投资基金运作指引第2号-基金中基金》中FOF的定义构建,Sr表示现金类标的对应权重下标的集合;
其中,wmin≤wi≤wmax,i=1,2,...,n为阈值约束,该约束根据《公开募集证券投资基金运作指引第2号-基金中基金》资金运用中有关投资比例的规定,将wmax设为20%。wmin可根据对资产多样性的要求设置;
其中,为货币基金投资限制约束,该约束用于保证投资于货币市场基金的比例不得超过基金资产的15%;Sc表示货币基金对应权重下标的集合;
其中,w′*1=1为预算约束,该约束条件表明,投资者需对财产进行完全投资;
其中,wi≥0,i=1,2,...,n为非卖空约束,不允许投资者进行卖空操作;
其中,为养老金股票投资比例限制约束,Ss表示股票基金对应权重下标的集合,Sm表示股债混合基金对应权重下标的集合;
其中,为养老金债券投资比例限制约束,Sb表示债券基金对应权重下标的集合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西大学;中国科学院计算机网络信息中心,未经广西大学;中国科学院计算机网络信息中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110615925.7/1.html,转载请声明来源钻瓜专利网。





