实验简介

实验背景

党的十九届五中全会提出了“十四五”时期推动共同富裕迈出坚实步伐的重点任务,党的二十大报告指出,中国式现代化是全体人民共同富裕的现代化,共同富裕是中国特色社会主义的本质要求。资本市场作为提高居民财产性收入、分享经济增长成果的重要渠道之一,对促进共同富裕目标的实现发挥着重要的作用。

家庭是经济参与最基本的单位,家庭金融需求的满足及其金融市场参与对金融市场的健康发展非常重要。居民家庭通过金融市场进行资源跨期优化配置既能提高家庭福利,降低资产配置对房地产投资的依赖性,增加投资组合多样性,更有助于宏观经济高质量发展。

家庭具有财富管理能力与风险防范能力是合理使用金融工具投资风险市场实现资产的保值增值的必要前提。在后金融危机时代,随着经济逐渐复苏,我国居民出于对更高生活水平的追求,迫切希望开展家庭金融投资活动。家庭财富管理是根据家庭成员对风险的偏好和承受能力,结合各种理财工具或产品管理家庭资产,从而在家庭可接受的风险范围内实现资产效用的最大化。但金融投资在可以获得丰厚的投资回报的同时,也会使投资者承担相应的投资风险。目前,我国居民的金融投资意识有所增强,但由于对金融市场现状分析不足,依旧存在很多问题。相较于企业与金融机构,家庭收入有限且结构单一,增强家庭的金融风险防范意识更为重要。以家庭为单位的金融投资者必须深刻认识到金融投资的风险来源,分析家庭金融投资的风险因素,形成合理预期,在保障家庭正常生活的基础上制订合理的金融投资计划。综上所述,家庭财富管理是需要对家庭资产进行科学的、有计划的、系统的、全方位的管理,是计算机科学、经济学、管理学、投资学、运筹学等交叉学科知识综合运用。在此背景下,通过基于真实交易数据的资产投资组合仿真实验,对于赋能提升家庭财富管理能力、投资分析能力、风险预警防范能力具有重要现实意义。

然而,在当前的教学具体体系中,由于相对缺乏利用真实资本市场数据进行仿真实验的平台或工具,金融投资学相关课程教学往往主要以理论模型讲解为主,实验则以分散性的、单知识点的、小型初级实验为主。同时,由于缺乏一个多步骤、连贯性、跨学科的仿真实验平台综合支撑,同学们在学习投资组合波动率测算、投资组合前沿分析、最优投资组合优化测算、投资者风险偏好影响、投资组合绩效评估、VaR(风险价值)测算、投资组合风险管理预警等知识时,容易出现知识体系逻辑关联关系理解断层,面临理论难以联系实际的问题,必然导致难以真正运用相关理论来解决实际的家庭投资组合优化问题。

如果让学生或实验者置身真实的金融投资环境,可能还面临高成本、高消耗的问题,一是学生投资的资金来源无法解决;二是一旦发生错误投资行为将导致严重财产损失,是一个不可逆操作。因此,基于完全真实的资本市场交易数据,综合涵盖股票、期货、黄金、债券、外汇等多样化资本市场,构建一个模拟真实市场的家庭财富管理与风险智能预警大型综合仿真实验,让参与者沉浸式地认知金融市场产品,熟悉资本市场机制,对跨资本市场的投资组合风险测算、投资组合前沿分析、最优投资组合求解、投资者风险偏好影响、投资组合绩效评估、VaR(风险价值)、ES(期望损失)测算、机器学习计算、投资风险管理预警等一系列串联性的投资模型进行实操实验,一方面可以赋能学生更好地系统性掌握相关理论知识,另一方面也增强了其投资的科学测算的能力,为其以后的家庭财富管理与风险预警防范具有重要启迪意义。

实验目的

本实验是利用交互式计算机编程技术实现大型数据矩阵式运算,基于最优投资组合理论、风险度量理论、动态最优化原理、机器学习原理等来实现不同家庭风险偏好下的投资组合、投资策略与风险智能预警分析。实验者依靠真实数据和投资模型来寻找在其风险偏好下的最优投资标的、最优投资策略,并建立基于时间移动窗口的动态风险监督、投资策略动态优化预警机制。

(1)掌握股票、期货、黄金、债券、外汇等不同资本市场下的多标的产品相关系数矩阵、协方差矩阵、移动窗口波动率风险动态测算。

(2)掌握马科维茨的现代最优投资组合理论,学会系统地、有步骤地进行资本市场多标的产品的最优资产组合构建。

(3)掌握在基于不同投资者偏好下的最优投资组合测算,学会基于计算机Python程序实现在不同条件约束条件下的最优化问题求解。

(4)融会贯通投资组合集的有效前沿分析绘制,能够进行资本市场线(CML)绘制、全局最小波动率计算,并实现BI可视化。

(5)融会贯通资产投资组合的盈亏动态测算,能够基于虚拟资金投入,根据未来一段时间的市场走势,动态测算最优投资组合的每日市值变化,分析盈亏结果并BI可视化。

(6)掌握在险价值VaR (Value at Risk)模型运用,学会基于投资者风险偏好下的可承受在险价值度量,VaR警戒线设置等。

(7)了解期望损失ES(Expected Shortfall)的含义,掌握在风险测度方面,相较于在险价值VaR,ES的发展背景及改善原理。在系统利用机器学习方法提供损失分布的前提下,引导学生理解ES的计算方法。

(8)融会贯通投资组合VaR(风险价值)、ES(期望损失)的移动窗口动态测算,根据投资组合VaR与实验者VaR警戒线、投资组合ES与实验者ES警戒线,测算不同情景下的风险智能预警、投资组合优化建议。

(9)对于有编程基础的同学,进一步提供基于交互型的代码实验步骤的编程提醒,帮助其融会贯通利用Python编程进行大型数据矩阵运算、统计分析、最优化问题求解。

实验原理
图1 虚拟仿真实验原理图
图1 仿真实验原理与架构图

图1给出了本虚拟仿真实验的理论支撑、技术支撑、以及真实资本市场下的家庭投资核心策略环节,实验在马科维兹现代投资组合理论、风险偏好与风险价值VaR理论、投资尾部风险预期损失ES理论,投资组合绩效评估理论、运筹学线性规划与动态优化理论、风险偏好等理论或模型支撑基础上,实验者首先通过本人风险态度测评,确定家庭风险偏好等级(保守型、稳健型、平衡型、成长型、进取型)、然后再通过资本市场(股票、期货、黄金、债券、外汇、基金等六大市场上百只标的产品)实现不同标的产品的选择,进而在以上相关理论支撑下测算家庭最优投资组合、各投资产品组合权重,最终实现家庭虚拟资金账户的盈亏动态测算,并建立在其风险偏好下不同风险等级的家庭投资组合风险动态预警。

实验步骤

本实验教学的过程主要分为6个层层递进环节,共计16个步骤:

板块一
家庭可承受风险测试
通过风险测评问卷调查,得到家庭财富情况调研以及风险态度测评结果,将家庭风险偏好等级通过分数映射到保守型、稳健型、平衡型、成长型、进取型。
步骤1
家庭可承受投资风险测试
通过问卷设计,实现家庭投资风险偏好分类,并映射到VaR(风险价值)、ES (期望损失)以及投资组合波动率参数,确定不同投资者风险偏好下的VaR、ES 警戒线,并输出投资者偏好结果。
板块二
家庭可投资市场与产品介绍
对股票、期货、黄金等资本市场的专业基础知识点进行系统介绍,便于金融知识相对缺乏的投资者也能够熟悉本实验相关资本市场与投资产品,更加顺利完成后续实验流程。
步骤2
家庭可投资市场与产品介绍
本实验覆盖股票、期货、黄金、债券、外汇、基金等六大市场上百只标的产品,本步骤对应仿真实验选取的标的产品概况介绍,包括市场规则、交易机制、标的产品等,学习方式为实验者通过交互式的命令调取知识卡片学习。
板块三
家庭投资产品选择与投资产品分析
包括家庭投资标的产品的收益率、波动率、相关系数矩阵、协方差矩阵、投资组合的波动率测算、投资组合集的可视化等。基于此环节步骤的相关实验,可以提升实验者对投资组合风险分散理念的充分认知,深化了解风险与收益的相关关系,其对应本仿真实验的步骤3-步骤6如下:
步骤3
家庭投资产品选择与可视化
将股票、期货、黄金、债券、外汇、基金等金融市场交易产品历史数据导入,通过实验者选择进行调取,并进行描述性统计与可视化(可选取的标的产品种类100种,产品时间序列跨度3年以上)。
步骤4
家庭投资产品的相关系数矩阵
基于实验者选择的所有标的产品,基于历史时间序列数据进行对数年化收益率、年化波动率、协方差、相关系数矩阵进行测算与列表结果输出。
步骤5
家庭投资组合的波动率分析
引导参与者任意选取10项以上的投资产品,自定义投资组合,通过Numpy模块的矩阵计算功能对投资组合的(月度、年化)历史波动率测算。
步骤6
家庭投资组合集可视化分析
对所有标的投资产品,可随机生成1万-10万组(可自定义数量)投资组合,进行“波动率-收益率”的投资组合集的可视化绘制,帮助实验者认知风险与收益的相关关系。
板块四
不同情形下的家庭财富投资组合构建
包括投资组合集的有效前沿分析、最优投资组合构建、实验者风险偏好下的最优投资组合分析,并进行两个最优投资组合的绩效对比评估。本环节旨在帮助实验者构建其风险偏好下的最优投资组合,通过python中scipy模块optimize功能进行最优化问题的高效处理,并进行两个不同约束条件的最优投资组合绩效评估,其对应本仿真实验的步骤7-步骤10。
步骤7
家庭投资组合有效前沿分析
针对步骤6的投资组合集,进行资本市场线(CML)、投资组合有效前沿、全局最小波动率测算并进行可视化。
步骤8
风险中性下家庭的最优投资组合分析
通过自定义目标函数(效用函数),导入SciPy 的子模块optimize进行最优投资组合的权重计算与可视化图形结果输出。
步骤9
不同风险偏好下家庭最优投资组合分析
实验者输入家庭可投资的资金规模(5万起),基于VaR警戒线重新进行最优化投资组合权重的测算。
步骤10
家庭财富管理视角下的投资绩效评估
针对步骤8与步骤9的两种不同最优投资组合,计算最优投资组合下的预期收益率、波动率、夏普比率并进行不同维度的综合对比。
板块五
家庭财富管理视角下的风险智能预警
包括不同风险偏好下的最优投资组合实务、不同风险偏好下的最优投资组合盈亏测算、投资组合VaR移动窗口动态测算、机器学习算法的ES估计,再基于投资组合VaR、ES双警戒线实现投资组合风险智能预警,其对应本仿真实验的步骤11-步骤15如下:
步骤11
不同风险偏好下家庭的投资组合交易实务
根据(最优投资组合构建时间点)标的价格,实验者计算在当前风险偏好下,投资组合中各标的产品购买数量、购买金额及账户资金剩余等数据。
步骤12
不同风险偏好下的家庭投资组合盈亏测算
在最优投资组合下,根据未来一段时间的市场走势,动态测算投资组合的每日收盘后的价值变化,分析盈亏状况,并实现结果的BI可视化。
步骤13
ES理论知识与其机器学习测算
通过知识卡片解释期望损失ES(Expected Shortfall)的含义、ES的发展背景及其改善VaR的相关原理,系统地利用机器学习的智能方法直接提供损失分布,引领参与者掌握ES的技术原理与测算方法。
步骤14
家庭财富管理下的VaR、ES滚动窗口动态测算
随着时间演变,标的资产价格波动率也会动态变化,基于100天滚动窗口每日动态测算投资组合的VaR、ES。
步骤15
家庭财富管理过程中风险等级智能预警
随着时间演变,原最优投资组合市值动态变化,当投资组合的风险超出实验参与者VaR或ES任一警戒线时,实验动态给出不同情景的风险动态预警(预警级别设定)、投资组合调整提醒。
板块六
仿真实验总结报告撰写与提交
包括实验数据下载,仿真结果分析和实验报告转型,以及教师对实验情况进行评价与指导,其对应步骤16。
步骤16
实验报告撰写与指导教师互动点评
实验者需要根基本仿真实验的步骤以及实验过程数据结果,对仿真实验解决的问题以及相关知识点总结,完成实验报告撰写,并通过本仿真实验平台线上提交,教师通过线上系统进行互动、反馈与教学指导。
实验知识点

①风险偏好理论

不同的实验者对风险的态度是存在差异的,一部分人可能喜欢大得大失的刺激,另一部分人则可能更愿意“求稳”,根据实验参与投资提对风险的偏好差异,将其分为保守型、稳健型、平衡型、成长型、进取型。本实验中面向实验者进行交互式的风险问卷调查,自动判定实验者投资风险偏好类型与对应等级,并将风险偏好类型代入映射到后续家庭投资组合的测算与风险智能预警。

②投资组合风险分析

投资组合是由投资人或金融机构所持有的股票、外汇、债券、外汇以及金融衍生产品等组成的集合,目的是分散风险。假设由$$\mathrm{N}$$只股票构成一个投资组合,各只股票的预期收益率分别为$$\mathrm{E(R_i)}$$,其对应的配置权重为$$\mathrm{{\scriptsize W_i} } $$,则投资组合的预期收益率$$\mathrm{E(R_p)}$$如下:

$$E(R_p)=\sum_{i=1}^NW_iE(R _i)=[{\scriptsize W_1,W_2,\cdots W_N}][E(R_1),E(R_2),\cdots ,E(R_N)]^T$$

投资组合的收益率方差$$\sigma ^2_p$$计算表达式如下:

$$\sigma^2_p=\sum\sum {\scriptsize W_iW_j}COV (R_i,R_j)=\sum\sum {\scriptsize W_i}{\scriptsize W_i} \rho_{ij} \sigma_i\sigma_j=W\sum W^T $$
$$\sum = \left[ \begin{array}{} \sigma^2_1 & \sigma_{12} & \cdots & \sigma_{1N} \\ \sigma_{21} & \sigma^2_2 & \cdots & \sigma_{2N} \\ \vdots & \vdots & \cdots & \vdots \\ \sigma_{N1} & \sigma_{N2} & \cdots & \sigma^2_N \\ \end{array} \right] , \rho_{ij}=\frac{COV(R_i,R_j)}{\sigma_i \sigma_j}$$

波动率(标准差)近似遵循平方根法则,可以通过日收益波动率进行月度或年度的波动率测算,分别为:

$$\sigma_{month} = \sqrt[]{22}\sigma_{day} $$
$$\sigma_{year} = \sqrt[]{252}\sigma_{day} $$

③有效前沿分析

投资组合中的权重变量可以实现投资组合的预期收益率与波动率之间的映射。在投资组合理论中,所有可能的投资组合被称为可行集(Feasible Set),有效前沿(Efficient Frontier)是可行集的一条包络线,它表示在不同风险条件下能够给投资者带来的最高预期收益率,或者在不同预期收益率条件下能够给投资者带来的最低波动率,有效前沿分析即求解以下最优化问题:

$$ \min_{{\scriptsize W_i}}\sigma_p=\min_{{\scriptsize W_i}}\sqrt{{\scriptsize W_iW_j}Cov(R_i,R_j)} $$
$$ s_.t:\sum_{i=1}^{N}{\scriptsize W_i}=1,{\scriptsize W_i} >0 $$
$$ E(R_p)=E(\sum_{i=1}^{N}{\scriptsize W_i}R_i)=给定常数 $$

其中,约束条件$${\scriptsize W_i>0}$$表明资本市场不允许卖空,即实验者不允许融券操作。

④资本市场线

将无风险资产引入投资组合,也就意味着投资者可以按照无风险利率借入或借出资金,这样就引出了一条重要的曲线—资本市场线。资本市场线(Capital Market Line,CML)是一条从无风险利率引出的与有效前沿相切的一条切线,并且该切线有且仅有一条,切点对应的投资组合称为市场组合(Market Portfolio)或切点组合(Tangency Portfolio),资本市场线的数学表达式如下

$$E(R_{p})=R_{F}+[\frac{E(R_{M})-R_{F}}{\sigma_{M} } ]\sigma_{p} $$

其中$$R_F$$代表市场的无风险利率,$$E(R_M)$$与$$E(\sigma_M)$$分别代表市场组合的收益波动率与波动率。

⑤不考虑风险偏好下的最优投资组合

最优投资组合就是测算在所选众多标的产品中,求解每个标的产品的最优配置比例$${\scriptsize W_i}$$,即求解投资组合中每只股票的最优配置权重,通过求解如下的最大值方程(夏普比率最大化),可得到最优投资组合权重:

$$\max_{{\scriptsize W_i}} \frac{E(R_{p})-R_{F}}{\sigma_{p}} $$
$$s.t:\sum_{i=1}^{N} {\scriptsize W_i}=1,{\scriptsize W_i}>0$$

⑥VaR(风险价值)模型

VaR(处于风险状态的价值),即在一定置信水平和一定持有期内,某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。Jorion把VaR定义为“给定置信区间的一个持有期内的最坏的预期损失”,其公式如下

$$ Prob(\Delta p< - VaR)=1-\alpha $$

其中$$\mathrm{p_t}$$表示$$\mathrm{t}$$时刻的资产组合价值,$$\mathrm{∆P=P_t-P_{(t-1)}}$$为第t期限中的损失,VaR为在险价值,α为置信度。

⑦不同风险偏好下的最优投资组合

实验投资者根据其在前序风险偏好问卷调查环节,计算得到投资风险偏好类型与对应等级,确定其对应的VaR警戒线,不同风险偏好下的最优投资组合测算,即将投资者VaR警戒线引入作为新增的非线性约束条件,不同实验者风险偏好下的最优投资组合问题演变为以下以下最大值问题的求解:

$$\max_{{\scriptsize W_i}} \frac{E(R_{p})-R_{F}}{\sigma_{p}} $$
$$s.t:\sum_{i=1}^{N} {\scriptsize W_i}=1,{\scriptsize W_i}>0$$
$$Prob(\bigtriangleup p <-VaR)=1-\alpha $$
$$VaR < VaR_{max} $$

⑧期望损失ES模型

VaR 的局限性导致其不具备度量投资组合尾部风险的能力,它将损失可能发生的概率限定为一个固定值。此外,在采用 VaR 确定风险时,无法捕获金融资产收益率「厚尾风险」的典型特征,因此低估了实际的市场风险。在图 2中,两类资产分布具有相同的VaR数值,却具有明显不同的尾部分布情况,右图资产极端风险更高。

若要度量投资组合损失超过 VaR 损失时所遭受的平均损失程度,更为准确地进行市场风险管理,就需要通过 ES(Expected Shortfall 期望损失)模型来实现。

ES定义:当投资组合的损失超过 VaR 损失(例如,图 3所示 α% 的 VaR)时所遭受的期望损失ES(即平均损失的大小)。