论文部分内容阅读
本文的目的在于建立一个兼具实用性和代表性的动态资产负债管理模型(D-ALM,Dynamic Asset and Liability Management)框架。在这个框架下,D-ALM模型应该既可以处理大规模的生成元素(Scenarios),满足精度和稳定性的要求,又能够表现出风险规避的特征,同时,模型还应该能够方便的修改和扩充,以符合特定投资机构的要求。本文提出的分段线性化D-ALM模型较好的解决了这个问题,它可以近似代替具有凹效用函数的非线性D-ALM模型。这种近似导致的误差可以被增加生成元素带来的精度提高部分抵消。同时,因为将效用函数作为投资者风险偏好的度量本身就具有一定的主观性,所以这种近似也不会影响到模型结果的可信性和实用性。本文最主要的贡献在于,为D-ALM模型的分段线性方法建立了相对完整的理论框架。首先,利用差分代替微分,可以计算分段线性目标函数在分段点处的Arrow-Pratt风险规避系数。其次,由于差分和微分的内在联系,只要求出非线性函数的二阶导数,就可以利用本文的结论直接得到对应的分段线性目标函数。最后,对于任何符合本文形式的分段线性目标函数,也可以求出它的极限形式,即对应的非线性函数。通过在非线性模型和线性模型之间建立直接、简便的联系,非线性模型可以方便的求解。本文的后半部分通过一个实例描述了建立实用的分段线性化D-ALM模型的具体过程,包括模型设计、生成元素产生、模型求解、结果分析四个步骤。在此基础上,论文通过大量的实验数据对D-ALM的风险规避特性及稳定性进行了深入的分析。