CVaR 的计算与优化投资组合权重

条件风险价值（CVaR，Conditional Value at Risk） 是一种衡量投资组合尾部风险的指标，特别适用于优化投资组合权重，以在控制风险的同时最大化收益。

1. CVaR 的计算

CVaR 是在给定置信水平下，投资组合损失超过 VaR（Value at Risk）的期望值。以下是 CVaR 的计算公式：

${\text{CVaR}}_{\alpha }=\mathbb{E}[L|L>{\text{VaR}}_{\alpha }]$

其中：

• $L$是投资组合的损失。
• $\alpha$ 是置信水平（例如 95%）。
• ${\text{VaR}}_{\alpha }$ 是在 $\alpha$ 置信水平下的风险价值。

2. MATLAB 实现代码

2.1 数据准备

假设我们有一组历史收益率数据，用于计算 CVaR。

clc;
clear;
close all;

% 假设历史收益率数据
returns = randn(1000, 5); % 1000 个样本，5 个资产
returns = returns * 0.01; % 转换为百分比

% 置信水平
alpha = 0.95;

% 计算 VaR
VaR = prctile(returns, (1 - alpha) * 100, 1); % 每个资产的 VaR

% 计算 CVaR
losses = returns;
losses(losses > VaR) = NaN; % 只保留超过 VaR 的损失
CVaR = nanmean(losses, 1); % 计算 CVaR

2.2 优化投资组合权重

使用 CVaR 作为目标函数，优化投资组合权重，以最小化 CVaR。

% 优化目标：最小化 CVaR
numAssets = size(returns, 2);
weights = optimvar('weights', numAssets, 'LowerBound', 0, 'UpperBound', 1);
sumWeights = sum(weights) == 1; % 权重和为 1
portfolioReturns = returns * weights; % 投资组合收益率
portfolioLosses = -portfolioReturns; % 损失为负收益

% 定义 CVaR 作为目标函数
VaR = prctile(portfolioLosses, (1 - alpha) * 100);
losses = portfolioLosses;
losses(losses < VaR) = NaN; % 只保留超过 VaR 的损失
CVaR = nanmean(losses);

% 优化问题
prob = optimproblem('Objective', CVaR, 'Constraints', struct('sumWeights', sumWeights));
[sol, fval] = solve(prob);

% 输出优化结果
optimizedWeights = sol.weights;
disp('优化后的投资组合权重：');
disp(optimizedWeights);

参考代码 CVaR的计算，以及cvar最优化的投资组合权重问题 www.youwenfan.com/contentcsd/77962.html

3. 代码说明

1. 数据准备：假设有一组历史收益率数据，用于计算 CVaR。
2. CVaR 计算：计算每个资产的 VaR 和 CVaR。
3. 优化投资组合权重：
   • 定义优化变量（权重）。
   • 确保权重和为 1。
   • 定义目标函数为最小化 CVaR。
   • 使用 optimproblem 和 solve 函数求解优化问题。