GARCH模型驱动的多阶段随机最优组合：风险控制与交易费用考量

本文探讨了一种基于GARCH模型的多阶段随机最优组合模型，该模型是在Hibiki在文献[13]中提出的Hybrid模型基础上进行改进的。作者张昕丽、张可村和贾鹏针对投资决策中的关键要素进行了深入研究，他们关注的重点在于如何处理金融市场的不确定性、波动性和风险控制。 首先，GARCH模型被用于捕捉股票价格的时间序列特征，这是因为在实际交易中，价格的动态变化对投资组合策略至关重要。GARCH模型考虑了历史信息对当前波动性的贡献，能更准确地反映市场风险。 其次，风险度量方法CVaR（Conditional Value at Risk）被引入，这是一种风险敏感的衡量工具，它不仅考虑了极端事件的可能性，还能在投资组合的预期收益中加入尾部风险的补偿，有助于投资者在风险偏好和回报之间做出更为明智的选择。 文章还考虑了交易费用和不允许卖空等现实市场限制，这意味着模型的设计更加贴近实际操作，避免了理想化的假设。交易费用在投资决策中是个不容忽视的因素，它会直接影响投资者的最终收益，而传统的研究往往假设成本固定，这忽略了其随时间变化的影响。 为了优化模型的求解过程，作者将多阶段投资组合问题转化为线性规划形式，这种方法使得问题更容易解决，同时也有助于提高模型的实用性。通过模拟路径方法，作者对比了本文模型与Hybrid模型在风险控制上的性能，结果显示，本文模型在控制风险方面表现得更为出色。 最后，关键词包括Hybrid模型、交易费用、CVaR、模拟路径和有效前沿，这些都是构建和评估投资组合策略的重要概念，反映出本文在金融工程领域的核心研究内容。 本文的主要贡献在于提出了一种结合GARCH模型、CVaR风险度量和实际市场约束的多阶段投资组合优化模型，旨在帮助投资者在复杂金融环境中制定更为稳健和有效的投资策略。通过对模型的比较分析和实证检验，结果表明这种模型在风险控制上具有显著优势。这对于理解和实践现代投资组合管理具有重要的理论和实践价值。