您的位置: 专家智库 > >

潘磊

作品数:5 被引量:7H指数:2
供职机构:安徽工程大学更多>>
发文基金:国家自然科学基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
相关领域:经济管理理学更多>>

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 5篇经济管理
  • 4篇理学

主题

  • 4篇投资组合
  • 4篇红利
  • 3篇投资组合选择
  • 2篇支付
  • 2篇通胀
  • 2篇红利支付
  • 1篇递归
  • 1篇动态资产
  • 1篇动态资产配置
  • 1篇跳扩散过程
  • 1篇资产
  • 1篇资产配置
  • 1篇最大化
  • 1篇最优消费投资
  • 1篇先验
  • 1篇效用最大化
  • 1篇扩散
  • 1篇扩散环境
  • 1篇HJB方程
  • 1篇MONTE

机构

  • 5篇安徽工程大学

作者

  • 5篇潘磊
  • 4篇费为银
  • 2篇杨武
  • 1篇蔡振球

传媒

  • 1篇东华大学学报...
  • 1篇纯粹数学与应...
  • 1篇应用数学与计...
  • 1篇安徽工程大学...

年份

  • 1篇2014
  • 4篇2013
5 条 记 录,以下是 1-5
排序方式:
跳扩散环境下考虑红利支付的动态资产配置问题研究被引量:2
2013年
研究资产价格带跳环境下红利支付对投资者资产配置的影响,投资者将其财富在风险资产和无风险资产中进行分配,在终端财富预期效用最大化标准下,利用动态规划原理建立的HJB方程推导最优配置策略,并得到最优动态资产配置策略的近似解.最后通过数值模拟,分析了跳和红利支付对投资者最优配置策略的影响.结果表明在跳发生的情况下,不管跳的大小和方向如何,投资者都会减少其在风险资产中的配置头寸,同时带有红利支付的资产比不带红利支付的资产对投资者更具吸引力.
蔡振球费为银潘磊
关键词:跳扩散过程红利支付资产配置HJB方程效用最大化
奈特不确定下考虑红利和机制转换的最优消费投资
2014年
分析了在奈特不确定性环境下,股票的预期回报率服从Markov链的跨期消费和资产选择问题.首先,对由风险资产预期回报构成的不可观测状态下的隐Markov状态转换模型做出了刻画,使人们对感性的"不可观测状态"的实际金融市场到其精确的数学模型表达有一个清晰的认识.其次,在连续时间风险模型下,假设具有递归多先验效用的投资者拥有一个不可观测的投资机会的先验集,借助Malliavin导数和随机积分方程求解投资者最优消费和投资策略的显式表达式.通过数值模拟分析时,发现不完备信息下的连续Bayes修正产生了能够削减跨期对冲需求的含糊对冲需求,含糊厌恶增大了最优投资组合策略中对冲需求的重要性.讨论了当市场上出现红利因素,上述最优投资组合结论将会发生何种变化,并对红利因素进行具体的量化,定量地研究不同大小的红利对最优投资组合的影响.最后,利用Monte Carlo Malliavin导数模拟计算法分别说明了考虑含糊情形下最优股票需求和跨期对冲需求的变化趋势,且考虑在股票是否考虑支付红利的情况下对投资的影响.
潘磊费为银
关键词:投资组合选择MONTE
奈特不确定下考虑通胀和机制转换的最优消费投资研究被引量:1
2013年
研究了在奈特不确定和通胀的情形下,股票的预期收益率服从Markov链的跨期消费和资产选择问题.假设具有递归多先验效用的投资者拥有一个不可观测的投资机会的先验集,再借助Malliavin导数和随机分析求解了投资者最优消费投资策略的显式表达式.通过数值模拟分析,我们发现不完备信息下的连续Bayes修正产生了能够削减跨期对冲需求的含糊对冲需求,且含糊厌恶和通胀波动率增大了最优投资组合策略中对冲需求的重要性,阐明了股票是否考虑通胀对投资比例及消费比例的影响.
潘磊费为银杨武
关键词:通胀投资组合选择
模型不确定下带红利支付的最优消费和投资组合被引量:4
2013年
探讨了带有递归偏好的投资者在考虑股票红利支付情形下的最优消费和投资组合.投资者担心模型的误定,因此寻求稳健的决策规则.假设股票的预期收益率遵循一个均值回复过程,在当投资者跨期替代弹性等于1和风险厌恶适中情形下,推导了最优消费和投资决策的显示解.通过数值模拟,发现模型不确定性厌恶增加了财富投资于股票的比例,同时股票支付红利也进一步加大了财富投资于股票的比例.
杨武费为银潘磊
关键词:红利支付投资组合
奈特不确定下考虑红利、通涨和机制转换的最优消费投资研究
本文是基于Merton等众多金融研究者研究的基础上,对某些结论进行完善和推广.着重分析了在奈特不确定性环境下,股票的预期回报率服从Markov链的跨期消费和资产选择问题.具体内容分为以下三个部分: 基于国内对外考虑...
潘磊
关键词:通胀投资组合选择红利
文献传递
共1页<1>
聚类工具0