导读:本文包含了凸风险度量论文开题报告文献综述及选题提纲参考文献，主要关键词:凸风险度量,多维凸风险度量,多维亏损风险,Fenchel-Legendre变换
凸风险度量论文文献综述
王瑜[1]（2018）在《基于交易偏好的的多维凸风险度量研究》一文中研究指出目前,风险度量的研究已成为金融数学研究领域的热点问题之一,甚至,有学者将风险度量的研究誉为〝华尔街的第叁次金融革命〞.关于风险度量的研究方法,普遍用到了两种方法:公理化方法和构造性方法.近年来,对多维金融头寸(即投资组合)的风险进行度量成为了风险度量研究的热点问题.Burgert and R¨uschendorf(2006)[1]首次研究了数量值多维一致风险度量和多维凸风险度量.近几年,许多学者应用公理化的方法来研究风险度量.因此,我们通过多维亏损风险来研究多维凸风险度量.本文给定一个损失水平,就多维亏损风险而言,从可接受的投资组合集合入手,我们构造了一种新的数量值多维凸风险度量.通过讨论最小惩罚函数,给出了多维凸风险度量的对偶表达.最后,我们给出了包括数量值多维熵风险度量的例子.本文围绕投资组合的数量值风险度量问题展开研究,主要内容概述如下:第一章,介绍了风险度量的研究背景、研究现状以及本文的主要工作.第二章,研究了基于交易偏好的多维凸风险度量.本章是本文的主要结果.(本文来源于《新疆大学》期刊2018-06-30）
纪荣林[2]（2016）在《动态凸风险度量及相关问题研究》一文中研究指出伴随着诸如Allais悖论、Ellsberg悖论等的提出,学者们致力于在非线性数学期望框架下研究经济金融问题.1997年,彭实戈院士通过一般形式的倒向随机微分方程引入了g-期望的概念.g-期望是一类典型的域流相容的非线性数学期望.本文以g-期望理论为基础,研究时间相容的动态凸风险度量的表示及相关问题.本文第一章为绪论部分,简要地介绍了研究的背景及本文的主要工作.第二章起,开始对动态凸风险度量的表示及相关问题进行深入探讨,并在以下方面取得较为显着的进展.第二章探讨了线性数学期望与凸期望之间的控制关系.我们研究了带限制条件的凸期望集合的极小元问题.通过构造性的方法,克服了Huang-Jia (2011)主要定理证明过程中存在的缺陷,并取得了一系列丰富的结果(见定理2.1-2.4,2.6).在Coquet-Hu-Memin-Peng (2002)非线性数学期望公理化的框架下,建立了着名的Hahn-Banach定理与带(单边)双边控制条件的凸期望集合的极小元结果之间的内在联系(见定理2.5).进一步地,研究了凸g-期望集合的极小元问题.获得了g-期望框架下的Sandwich定理(见定理2.7),证明了凸g-期望集合的极小元是线性g-期望(见定理2.8).此外,还获得了g-期望诱导的(静态)动态凸风险度量的最小惩罚函数零值问题的充分必要性条件(见命题2.4).第叁章研究了g-期望诱导的时间相容的动态凸风险度量的表示问题.首先,研究了g-期望诱导的动态凸风险度量的表示形式.应用最小惩罚函数的上循环性,借助于次线性g-期望所控制的概率测度族刻画了g-期望诱导的动态凸风险度量的表示,从而从生成元g的视角,给出了g-期望诱导的动态凸风险度量的表示结果(见定理3.3-3.6).其次,研究了g-期望诱导的动态凸风险度量的最小惩罚函数的表示形式.给出了Barrieu-El Karoui (2005)中由生成元g生成的惩罚函数项是最小惩罚函数的一个充分必要性条件(见定理3.7).本章节的研究结果是Jiang (2008)g-期望诱导的风险度量在表示方面的一个自然的拓展,也是Rosazza Gianin (2006)、Barrieu-El Karoui (2005)、Chen-Kulperger (2006)、Jiang (2009)等对应结果的一个非平凡推广和完善.第四章研究了基于g-期望理论的时间相容的动态凸风险度量的表示问题.Delbaen-Peng-Rosazza Gianin (2010)在附加两个强制假设条件的前提下,通过应用g-期望理论研究了一类时间相容的动态凹效用的表示问题.本章提出了一个新的假设条件(A)来替代Delbaen-Peng-Rosazza Gianin (2010)所附加的两个强制假设条件.本章的结果(见定理4.1)是Delbaen-Peng-Rosazza Gianin (2010)结论的自然的改进和完善.事实上,从非线性数学期望视角出发,本章节的结果也是第叁章的一个拓展.第五章研究了倒向随机微分方程诱导的关于过程的时间相容的动态凸风险度量问题.在倒向随机微分方程生成元g满足相关假设的前提下,其中生成元g不一定要求独立于y, Penner-Revaillar (2015)证明了以随机过程为参数的一类倒向随机微分方程的解所诱导的风险度量是关于过程的时间相容的动态凸风险度量.本章证明了该类倒向随机微分方程的解所诱导的风险度量是关于过程的时间相容的动态凸风险度量当且仅当生成元g满足Penner-Revaillar (2015)相关假设(见定理5.5).本章结果是Penner-Revaillar (2015)相应结果的拓展和完善,也是Jiang (2008)在关于过程的动态凸风险度量框架下的自然拓展和推广.(本文来源于《中国矿业大学》期刊2016-06-01）
秦军燕[3]（2016）在《凸风险度量方法UES及其在投资组合中的应用》一文中研究指出自从二十一世纪的钟声敲响以来,中国在国际上的地位得到了显着提高,并开始扮演着重要的角色。但是有些人,在欢呼声背后,却暴露出一丝丝担忧,因为世界的金融风险正逐步步入中国。在金融人士的眼里,金融风险管理占据着重要的地位,那么,为了使金融风险管理与国际吻合,运用哪种方法去做科学的风险度量便成为了许多学者研究的重点。在金融市场中,金融管理人员,一方面,为了满足投资者的利益最大化和风险最小化的目标,制定出一系列的投资决策,另一方面,他们积极寻找投资者的目标函数。在这条道路上,许多学者,经过反反复复的研究,最终收获了一些果实。本文在借鉴前人的基础上,也将在这方面做一些初步研究。本文在简单介绍一些金融度量工具的基础上,深入总结了风险度量工具ES,并且发现了这种风险度量的不足与缺陷。为此,本文结合投资者对消费计划的主观满足程度,将效用函数与ES结合起来,创造出新型凸风险度量工具UES。UES满足两个性质：单调性和凸性。本文对这两个性质进行了理论性论证。本文通过总结所用效用函数的特征,列举了与某一类投资者相匹配的效用函数族,并用Matlab软件绘制出这类效用函数族的图形。本文的最后对ES与UES进行了实证分析。这种新方法的引入让风险度量管理在金融业领域里的面貌焕然一新。风险度量方法在投资组合中的应用是学术界比较关心的话题。因此,本文将这种新的度量方法应用在投资组合中,也显得很有价值,意义重大。(本文来源于《北方工业大学》期刊2016-05-24）
李梦君[4]（2010）在《基于凸风险度量的投资组合选择模型研究》一文中研究指出2008年全球范围的金融危机对各大投资银行影响巨大,也为世界各地的投资者带来了庞大的经济损失。其影响之一就是监管者对于金融机构的严格监管,要求更为谨慎的风险控制。于是,更为合理的风险度量法以及投资组合的建立变得尤其重要。本文在理论研究与实证研究的基础上,系统地探讨了基于凸风险度量的投资组合选择模型的相关问题。本文首先对投资组合理论以及风险度量理论进行了介绍,并对传统的风险度量方法作为投资组合的风险度量的不足进行了阐述。进而引出了一致性风险度量。在本文的第3章节,详细介绍了一致性公理的内容以及经济内涵,并介绍了作为一致性风险度量方法的CVaR风险度量。接着在本文的第4章中,提出了凸风险度量这一概念及主要方法后,将其与一致性风险度量进行了对比研究,揭示两者的区别与联系。在本章中也介绍了作为凸风险度量方法的信息熵风险度量。最后,本文在第5章中详细探讨了凸风险度量下的投资组合选择模型,分别建立了基于GCVaR风险度量方法和基于信息熵风险度量方法的投资组合选择模型。在前者的研究中,本文探讨了置信水平对于GCVaR模型有效前沿的影响,并且进一步做了实证分析工作；对于后者,本文在基于最大熵原理的基础上建立了均值-信息熵投资组合选择模型,并且进一步比较研究了均值-信息熵投资组合选择模型与Markovitz的均值-方差投资组合选择模型的实际意义和数学意义的区别。本文对于主要的风险度量方法进行了比较系统的研究,这有助于理论研究工作的进一步开展。另外,本文建立并详细分析了凸风险度量方法下的投资组合选择模型,这对于实际操作也有相当的指导意义。(本文来源于《武汉理工大学》期刊2010-04-01）
凸风险度量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
伴随着诸如Allais悖论、Ellsberg悖论等的提出,学者们致力于在非线性数学期望框架下研究经济金融问题.1997年,彭实戈院士通过一般形式的倒向随机微分方程引入了g-期望的概念.g-期望是一类典型的域流相容的非线性数学期望.本文以g-期望理论为基础,研究时间相容的动态凸风险度量的表示及相关问题.本文第一章为绪论部分,简要地介绍了研究的背景及本文的主要工作.第二章起,开始对动态凸风险度量的表示及相关问题进行深入探讨,并在以下方面取得较为显着的进展.第二章探讨了线性数学期望与凸期望之间的控制关系.我们研究了带限制条件的凸期望集合的极小元问题.通过构造性的方法,克服了Huang-Jia (2011)主要定理证明过程中存在的缺陷,并取得了一系列丰富的结果(见定理2.1-2.4,2.6).在Coquet-Hu-Memin-Peng (2002)非线性数学期望公理化的框架下,建立了着名的Hahn-Banach定理与带(单边)双边控制条件的凸期望集合的极小元结果之间的内在联系(见定理2.5).进一步地,研究了凸g-期望集合的极小元问题.获得了g-期望框架下的Sandwich定理(见定理2.7),证明了凸g-期望集合的极小元是线性g-期望(见定理2.8).此外,还获得了g-期望诱导的(静态)动态凸风险度量的最小惩罚函数零值问题的充分必要性条件(见命题2.4).第叁章研究了g-期望诱导的时间相容的动态凸风险度量的表示问题.首先,研究了g-期望诱导的动态凸风险度量的表示形式.应用最小惩罚函数的上循环性,借助于次线性g-期望所控制的概率测度族刻画了g-期望诱导的动态凸风险度量的表示,从而从生成元g的视角,给出了g-期望诱导的动态凸风险度量的表示结果(见定理3.3-3.6).其次,研究了g-期望诱导的动态凸风险度量的最小惩罚函数的表示形式.给出了Barrieu-El Karoui (2005)中由生成元g生成的惩罚函数项是最小惩罚函数的一个充分必要性条件(见定理3.7).本章节的研究结果是Jiang (2008)g-期望诱导的风险度量在表示方面的一个自然的拓展,也是Rosazza Gianin (2006)、Barrieu-El Karoui (2005)、Chen-Kulperger (2006)、Jiang (2009)等对应结果的一个非平凡推广和完善.第四章研究了基于g-期望理论的时间相容的动态凸风险度量的表示问题.Delbaen-Peng-Rosazza Gianin (2010)在附加两个强制假设条件的前提下,通过应用g-期望理论研究了一类时间相容的动态凹效用的表示问题.本章提出了一个新的假设条件(A)来替代Delbaen-Peng-Rosazza Gianin (2010)所附加的两个强制假设条件.本章的结果(见定理4.1)是Delbaen-Peng-Rosazza Gianin (2010)结论的自然的改进和完善.事实上,从非线性数学期望视角出发,本章节的结果也是第叁章的一个拓展.第五章研究了倒向随机微分方程诱导的关于过程的时间相容的动态凸风险度量问题.在倒向随机微分方程生成元g满足相关假设的前提下,其中生成元g不一定要求独立于y, Penner-Revaillar (2015)证明了以随机过程为参数的一类倒向随机微分方程的解所诱导的风险度量是关于过程的时间相容的动态凸风险度量.本章证明了该类倒向随机微分方程的解所诱导的风险度量是关于过程的时间相容的动态凸风险度量当且仅当生成元g满足Penner-Revaillar (2015)相关假设(见定理5.5).本章结果是Penner-Revaillar (2015)相应结果的拓展和完善,也是Jiang (2008)在关于过程的动态凸风险度量框架下的自然拓展和推广.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
凸风险度量论文参考文献
[1].王瑜.基于交易偏好的的多维凸风险度量研究[D].新疆大学.2018
[2].纪荣林.动态凸风险度量及相关问题研究[D].中国矿业大学.2016
[3].秦军燕.凸风险度量方法UES及其在投资组合中的应用[D].北方工业大学.2016
[4].李梦君.基于凸风险度量的投资组合选择模型研究[D].武汉理工大学.2010
标签：凸风险度量; 多维凸风险度量; 多维亏损风险; Fenchel-Legendre变换;