数字金融风控创新应用大赛参赛作品（节选）展示（五）基于（极端）风险测度理论（情景）的投资组合优化

CVaR风险测量方法是在VaR风险测量方法的缺陷基础之上产生的,最早是在1999年底由Rockafellar提出,其含义是:组合损失超过VaR的条件均值,反映超额损失的平均水平.它比VaR风险测量方法,更能体现投资组合的潜在风险.

随着资本市场的发展,越来越多的机构投资者和个人投资者加入到金融市场中,如何成功地构建证券投资组合成为了投资者成功投资的关键,因此,对于投资组合理论和方法的研究就越来越重要。投资组合理论是现代金融理论中发展最迅速、影响最大的理论。此次参赛的项目以“（极端）风险测度理论（情景）的投资组合优化”为题重点研究了均值——CVaR方法在投资组合管理中的运用。项目主要是依托于MPT理论，将此理论中的MPT的均值——方差改为了均值——CVAR，用夏普比率作为衡量的标准，通过由大赛组委会提供的数字孪生技术生成的孪生数据，为虚拟投资者制定了一系列投资组合，并通过与Python的结合，计算出最优投资组合比例，为投资者提供了投资建议，经过代码测试结果，证明参赛作品的模型可以较好的预测风险，给投资者的建议可以取得预期收益，模型很准确，很好的解决了投资者的实际问题。

第三轮评审专家组（部分）选送作品节选：

目 录

第1章 绪论

1.1 研究背景目的和意义

1.2 国内外研究现状

1.2.1 国外投资组合理论概述

1.2.2 国内投资组合理论概述

1.3 研究内容及研究思路

1.3.1 研究内容

1.3.2 研究思路

第2章 理论概述

2.1 MPT模型是什么

2.2 VaR和CVaR

2.2.1 VaR风险在值

2.2.2 CVaR条件风险价值

2.3 MPT的均值——方差模型和均值——CVaR模型

2.3.1 均值——CVaR模型

2.4 投资组合优化的方法

2.4.1 数学优化法

第3章 实证分析

3.1 确定股票池

3.2 下载股票池数据

3.3 计算CVaR值作为风险指标， 计算历史期望收益率作为期望收益

3.4 将风险和收益数据代入，计算最优的投资组合

3.5 确定持仓周期

3.6 根据持仓周期持仓最优投资组合

3.7 计算最终收益，查看效果

第4章 结论

4.1 结论

4.2 展望

致 谢

参考文献

第二部分市场分析

1、该项目方法可以为资金雄厚的客户提供一对一的投资决策服务，有利于发展固定的客户，降低经营中的风险，采用投资获利分红模式，可以实现长久的可持续发展，

2、现在同行业竞争者往往将投资理财的目标客户定为有一定经济能力的客户，因此市场的规模有限，但该代码也可以为小额用户提供投资决策建议，并为投资资金不足的客户配对合作伙伴，因此可以吸引更广大的用户群体进行投资决策，把投资理财的门槛降低，可以打开更广大的市场，满足更多人的投资需求。

3、截至2021年6月底，我国金融机构理财产品存续3.97万只，存续余额25.82万亿元，与年初基本持平。全市场共有325家银行有存续的理财产品，存续数量33306只，存续余额15.79万亿元;24家银行理财公司和4家外资控股理财公司已获批筹建，其中21家已正式获批开业，理财产品存续数量6402只，存续余额10.01万亿元。这说明理财产品市场规模——稳中向好，说明人们对投资理财热情高涨，市场非常广阔，但是国内做投资理财决策建议的机构还非常少，所以这个项目可以抢先战略市场。

第4章结论

可以通过前文中的理论概述和实证分析得出以下结论:

(1)随着中国金融市场的不断放开和金融体制的不断健全,中国的金融机构和公司企业都会拥有更多的机遇,同时中国的机构、个体乃至经济发展全局都可能会面临更加严峻的挑战。我们只有在抓住机遇时有力地抵御和防范风险,才能保证中国的金融经济获得长远的发展。

(2)金融市场的不断发展导致金融交易日益复杂,而且金融工程和金融理论的发展,对金融市场风险的测量方式也起到了促进作用,以前传统的风险测量方式在一定程度上存在一些缺点,尤其是从1994vaR方法产生以来,虽然曾经短时间内得到大家的一致认可,但是因为其自身存在非一致性等缺陷,才引发研究者对它进行重新度量。后来才有研究者又提出了CVaR的风险测量方法,这个方法不仅弥补了VaR的部分缺陷,而且还具备了它没有的一些优点,所以获得了长足的发展。

(3)把CVaR方法应用在投资组合理论和均值一方差模型及均值VaR模型是不同的,它探讨的是超越VaR的损失时的条件期望值,表现的就是小概率事件发生但是却有巨大损失的事件。也就是说,在把CVaR方法应用在投资组合管理时,它比别的传统方法更加平稳。因此,均值CVaR方法肯定要更符合实际现状当然,本文只是建立在对样本股票部分数据的简单分析的基础上分析得到的,在现实操作中,要确定一个完善的资产组合是非常复杂的过程,投资者必须要综合考虑各方面的因素。但是,从整体上说,基于CVaR方法的优化模型,不管是从广度上还是精确度上,都具有更好的实用性和操作性。

Abstract : With the development of the capital market, more and more institutional investors and individual investors have joined the financial market, and how to successfully construct a portfolio of securities has become the key to investors' successful investment. Research is becoming more and more important, so our project mainly relies on the MPT theory, changing the mean-variance of MPT in this theory to the mean-CVAR, using the Sharpe ratio as a measurement standard, and using data twinning for the sponsor. The data provided by the technology has formulated a series of investment portfolios for virtual investors, and through the combination with python, the optimal investment portfolio ratio is calculated, and investment suggestions are provided for investors. After many back tests, it is proved that our model can be very effective. A good prediction of risk, the advice given to investors can obtain expected returns, the model is very accurate, and it solves the actual problems of investors very well.
With the title of "Portfolio Optimization of (Extreme) Risk Measurement Theory (Scenario)", this paper focuses on the application of the mean-CVaR method in portfolio management.
The full text is divided into four chapters.
The first chapter is the introduction. On the basis of discussing the research background and the significance of the topic, it summarizes the general situation of research on portfolio theory at home and abroad, and gives the research content and research ideas of this paper.
The second chapter is the theoretical basis of the paper. First, the theoretical basis of portfolio optimization is introduced, and the definitions, calculation methods and applications of VaR and CVaR methods are described, and the defects of VaR are analyzed. Then, the related theories of investment portfolios, the classic mean value—— Variance model and improved mean - CVaR model.
The third chapter is the empirical research part, which is the focus of the thesis, and elaborates the realization process of the code in detail. Used Taking the historical data of stocks as a sample, an empirical study is carried out on the CVaR-based portfolio optimization model.
The fourth chapter is the conclusion of the whole paper, giving the conclusion of the paper and prospecting the further research direction.