2025年大学《数学与应用数学》专业题库- 在金融风险管理中应用组合优化技术

2025年大学《数学与应用数学》专业题库——在金融风险管理中应用组合优化技术考试时间：______分钟总分：______分姓名：______考生注意：请将所有答案书写在答题纸上，写在试卷上无效。答题过程中，请避免使用计算器等辅助工具。一、简述马科维茨均值-方差投资组合理论的基本思想，并指出其核心假设有哪些。二、解释什么是有效前沿。对于一个投资者，其无风险借贷利率为r_f，是否存在一个风险资产组合，使得该组合位于有效前沿上，并且其预期收益率恰好等于r_f？请说明理由。三、某投资者有初始资金100万元，计划投资于两种风险资产A和B以及无风险资产。资产A的预期收益率为12%，标准差为20%；资产B的预期收益率为18%，标准差为30%。两种资产的协方差为0.006。无风险资产收益率为5%。投资者希望在投资组合方差最小的条件下，使得投资组合的预期收益率至少达到15%。请建立此问题的数学规划模型。四、在上述第三题中，假设投资者决定不使用无风险借贷，且希望在不超过其风险承受能力（即投资组合方差不超过0.045）的前提下，最大化其投资组合的预期收益率。请建立相应的数学规划模型，并说明该模型属于哪种类型的规划问题。五、简述CVaR（条件价值在险）与VaR（价值在险）的区别。为什么在某些风险管理场景下，使用CVaR可能比VaR更具有优势？请结合金融市场的实际情况进行说明。六、考虑一个投资组合优化问题，目标是最小化投资组合的预期损失（用CVaR衡量），约束条件包括投资总金额为100万元，各资产投资比例之和为1，以及对个别资产的投资比例有上限限制（如某资产不超过40%）。请描述求解该问题的基本思路，并简述如果引入整数约束（例如，必须投资至少3种资产）时，模型会发生什么变化，以及可能需要采用哪些方法来处理这种变化。七、在实际应用中，金融资产的价格往往受到多种随机因素的影响，使得投资组合的收益服从非正态分布。请讨论在这种情况下，传统的基于均值-方差模型的优化方法可能存在哪些局限性。并简要介绍一种可以处理非正态风险的优化框架或方法。八、假设一个投资者需要构建一个投资组合，目标是使得在给定置信水平下（例如95%），投资组合在未来一个月的损失不超过某个阈值（例如1000万元）。请说明如何利用优化模型来实现这一目标，并指出在这个模型中，目标函数和约束条件分别代表什么经济含义。九、在实际操作中，求解复杂的金融优化模型（如包含大量资产、复杂约束的投资组合优化模型）往往需要借助计算机软件。请列举至少三种常用的优化软件或编程语言中的相关库，并简要说明选择这些工具时需要考虑的因素。十、考虑一个最小化投资组合VaR的优化问题。如果通过求解模型得到的最优投资权重与基于均值-方差模型得到的最优投资权重显著不同，请分析可能的原因。这种差异对于不同的投资者或不同的市场环境，其影响是否相同？请阐述你的观点。试卷答案一、马科维茨均值-方差投资组合理论的基本思想是：在给定投资组合预期收益率的前提下，寻找风险（以方差衡量）最小的投资组合；或者在给定投资组合风险（以方差衡量）的前提下，寻找预期收益率最大的投资组合。该理论假设投资者是风险规避的，并根据预期收益率和方差来评价投资组合的优劣。核心假设包括：投资者基于预期收益率和方差（或标准差）进行决策；投资者是风险规避的，效用函数是关于收益率的凹函数；所有资产都是无限可分的；投资者可以无风险利率无限制地借入或贷出资金；市场是无摩擦的，不存在交易成本和信息成本；投资者对未来的预期相同。二、不存在。根据无差异曲线的性质和分离定理，对于风险厌恶的投资者，其最优投资组合中无风险资产和风险资产的比例仅取决于其风险偏好（由无差异曲线的斜率表示）和风险资产收益率的均值-方差特性，而与其总财富水平无关。当预期收益率为r_f时，最优组合中风险资产的比例为(E[r_m]-r_f)/σ_m^2，其中E[r_m]为风险资产组合的预期收益率，σ_m^2为风险资产组合的方差。如果E[r_m]=r_f，则该投资者将全部财富投资于无风险资产，其投资组合的预期收益率恰好等于r_f，但此时的风险（方差）为零，因此该组合位于有效前沿的起点（无风险资产点），而不是有效前沿本身（除非风险资产组合的预期收益率恰好等于无风险利率）。有效前沿上的点代表在给定风险下预期收益率最高，或给定预期收益率下风险最小的组合，这些组合必然包含风险资产，且其预期收益率必须高于无风险利率r_f。三、设投资于资产A的金额为x_A（万元），投资于资产B的金额为x_B（万元），投资于无风险资产的金额为x_f（万元）。目标函数为最小化投资组合方差：Minσ_p^2=(x_A/100)^2*0.2^2+(x_B/100)^2*0.3^2+2*(x_A/100)*(x_B/100)*0.006约束条件：1.预期收益率约束：E[r_p]=(x_A*0.12+x_B*0.18+x_f*0.05)/100>=0.152.预算约束：x_A+x_B+x_f=1003.非负约束：x_A>=0,x_B>=0,x_f>=0四、设投资于资产A的金额为x_A（万元），投资于资产B的金额为x_B（万元）。目标函数为最大化投资组合预期收益率：MaxE[r_p]=(x_A*0.12+x_B*0.18)/100约束条件：1.投资组合方差约束：σ_p^2=(x_A/100)^2*0.2^2+(x_B/100)^2*0.3^2+2*(x_A/100)*(x_B/100)*0.006<=0.0452.预算约束：x_A+x_B=1003.非负约束：x_A>=0,x_B>=0该模型属于非线性规划问题，因为其目标函数或约束条件中包含变量的非线性项（此处为平方项）。五、VaR（价值在险）是指在给定置信水平下，投资组合在未来特定时期内可能遭受的最大损失。CVaR（条件价值在险）是指在给定置信水平下，投资组合在未来特定时期内超过VaR的预期额外损失。区别在于，VaR只给出了一个损失阈值，而CVaR衡量了在该阈值被突破后的平均损失情况。使用CVaR比VaR更具优势的原因在于：CVaR考虑了VaR被突破后的所有损失，能更全面地反映潜在的最大损失风险；CVaR对极端尾部风险的惩罚更大，更能满足风险厌恶投资者的需求；在多资产组合中，CVaR通常比VaR具有更好的子凸性（subconvexity），使得基于CVaR的优化问题更易于求解且解更稳定。六、求解该问题的基本思路是：将最小化CVaR的目标函数转化为一个等价的、可微分的凸规划问题。常用的转化方法包括将CVaR表示为其最优解的下界（Lipschitz下界）或利用包络定理构建一个包含原始问题最优解的无约束等价形式，然后使用高效的凸优化算法（如序列二次规划SQP）进行求解。引入整数约束（必须投资至少3种资产）时，模型变为混合整数规划问题。这意味着至少三种资产的投资比例必须为正，或者更一般地，模型中引入了整数变量来表示是否投资某项资产。处理这种变化的方法通常包括：分支定界法、割平面法、或者启发式算法等。需要采用能够处理整数变量的优化方法或软件。七、传统基于均值-方差模型的优化方法假设资产收益率服从正态分布。其局限性在于：现实金融资产收益率分布往往存在“肥尾”现象（即极端收益的可能性比正态分布预测的更大），均值-方差模型无法有效捕捉这种尾部风险；正态分布假设意味着投资组合的损失不可能无限大，这与金融市场存在“黑天鹅”事件的可能性相悖；均值-方差模型对收益率的分布对称性假设过于严格，现实中收益率分布可能存在偏度。可以处理非正态风险的优化框架或方法包括：考虑非对称性（如使用t分布、拉普拉斯分布等作为收益率分布模型）的均值-绝对值风险优化、基于尾部风险度量（如CVaR）的优化、或者使用蒙特卡洛模拟等方法来评估和优化非正态分布下的风险和收益。八、利用优化模型实现这一目标，可以将其表述为一个最小化VaR的优化问题。设投资组合包含N个资产，x_i表示投资于资产i的金额（万元），r_i表示资产i的预期收益率，σ_i表示资产i的标准差，σ_ij表示资产i与资产j之间的相关系数（协方差为σ_ij*σ_i*σ_j）。定义投资组合总价值为V=Σx_i。目标函数是最小化在给定置信水平α下，投资组合未来一个月的VaR：MinVaR_α=-(1/√(2π))*∫_{-∞}^VaR[Σ_(i=1)^Nx_i*(r_i-E[r_i])*φ(z)/σ_p]dz其中σ_p是投资组合标准差，φ(z)是标准正态分布密度函数，积分的下限VaR是待求解的目标值。约束条件通常包括：1.投资组合总价值约束：Σx_i=V2.各资产投资比例限制：0<=x_i/V<=u_i(u_i为资产i的最大投资比例)3.非负约束：x_i>=0在这个模型中，目标函数代表在给定置信水平下，要最小化投资组合可能发生的最大损失（即VaR值），从而控制下行风险。约束条件则规定了投资组合的总规模、投资于各资产的限额以及投资金额的非负性。九、常用的优化软件或编程语言中的相关库包括：MATLAB的OptimizationToolbox（提供多种求解器如linprog,quadprog,fmincon等）、Python的SciPy库（optimize模块下的minimize函数，以及专门用于约束优化的linprog,minimize_scalar等函数）和CVXPY库（用于定义和求解凸优化问题）、R语言的ROI包（提供对多种优化求解器的接口）和optim函数等。选择这些工具时需要考虑的因素：模型的数学特性（是线性规划、非线性规划、凸规划还是混合整数规划？）、求解效率（对于大规模问题）、易用性和编程接口的友好程度、软件的许可成本（商业软件或开源软件）、以及软件社区的支持情况。十、原因可能在于：均值-方差模型假设收益率服从正态分布，而最小化VaR模型不假设正态分布，能够更好地处理尾部风险；均值-方差模型假设投资者仅根据预期收益率和方差决策，而VaR最小化可能反映了投资者对极端损失的厌恶程