目前经济数生成方法的研究主要是分为几大类，一种最简单就是蒙娜卡罗模拟基于一个数据，通过比如说模型，还有计量类型,模型进行刻画，把这个收益进行刻画然后就形成了一个情景数。还有路径法。路径法就是进行一些图论的一些方法进行这么刻画这个情景数，还有一些离散优化法，特别是最近的比较热的给予了相予性的经济数值生成方法。 目前我们的研究主要想从以下这几个点进行切入，首先我们针对资产受益的，还有波动的积聚性这一块这个统计特征进行了一下比较精确的刻画。另外用一些最新的计量学的方法，特别是MCMC一些大型渠道就用MCE的方法布置这个模型和SV模型的一个参数。用它估计的这个参数建立的情景数相对来说更现实、更加接近一些。 另外，我们也是探讨了一些排除方法和情景数的有效缩减的方法。我们知道为了几个阶段的情景你刻画的情景的阶段越多，加入的资产越多，它是指数倍爆增长。在这种情况下我们必须得有一个有效的缩减方法。另外我们在金融中一般都是讲究无套利均衡，如果这个市场是均衡的，它没有套利的机会，这样我们用一些也是一些优化方法把这个套利机会给它删除掉。另外我们也考虑如何把这个主观判断融入情景数生成的方法。 第二点就是动态风险这个度量。动态风险度量这个领域做得可能是比较，我们做得比较浅显一点。目前这也是整个金融学一个比较难点的问题，传统的都好用比如方差、半方差这种最简单的方法，还有波动性的方法，还有什么分位数的方法。其实这种方法在实践中用的最多的还是一个罗瓦值，在银行还是投资机构中都是用瓦值，这个是最好用的。但是往往它都是一个静态的，就是如果是用到动态组合中去往往也是静态的积极复制每个阶段都用静态瓦值去度量。现实中我们都知道这个风险具有时间性和持续性，每个阶段的风险可能具有相互关联，如果你有静态思想刻画这个风险是不合适、也是不恰当的。但是研究这个动态风险往往是一个难点，当然很多学者进行了研究。特别是咱们中国彭士阁院士，彭士阁他提出来一个动态风险度量。这个风险度量证明也是符合动态一致性的，一致性准则的。这个大计小计，他这是一个小计，他有一个学生叫陈振兵的提出一个大计，他们做了相关的比较好的研究。据我所知目前在业界运用的不是特别好，因为难度比较大，就是实际效果并不像瓦值那么好。 这个里面我们的一点新的意义主要想把投资者的认知风险、一些行为意识主要客观到模型中去，这是我们一个简单的想法。目前多阶段投资组合构建间，这个模型处理起来就是像运用咱们运筹管理的方法怎么把模型中的这种约束条件能写成信息规划的模型。目前在多阶段投资组合模型中，有大量人做了各种研究，其中应该在资产负债管理这一块用得比较成熟、也比较多。在固定收益证券这一块运用随机规划这个思想也比较多，应该说是90年代以来也是就是做了比较多的，可能是这个负债管理和投资收益这一块在股票投资中可能目前用的还不是特别的充分。 目前我们一个想法就是在模型刻画方法就是把一些跟市场比较关联的一些各种约束因素刻画进去形成一个模型，然后再以一定的背景针对股票投资、债券投资、养老风险，还有资产负债每个投资可能都有不同特点，我们如何把它的特征用咱们基础管理的思想把它刻画进去形成一种比较符合现实的一种约束。目前我们在这个自主权和传统叫混合投资这一块也做了一些工作。在算法设计方面也是非常重要，因为随机规划模型我们都知道随着变量的增长它是指数倍增长的，所以说我们如何进行一个有效的算法的设计是非常重要的。 我们可以运用快速分解的方法，还有班德尔那个分解的方法进行刻画。另外，还有一个人机交互图纸系统设计，我们也想做一个这个方面的设计。以前我跟着黎教授的指导下我们做了一些模糊投资决策的一些东西，我们想如何结合模糊决策把它拓展到多阶段，然后有一个系统框架的这样一个实现。这是我们目前一个研究思路，具体讲一个我的研究工作。 目前，我在混合PE项目和证券多阶段投资决策模型中，这个有一个具体成果。这个成果，这个背景其实很简单，就是目前投资的机构越来越专业化、分工也越来越明晰，咱们中国的机构投资人也逐渐增加，增加的非常多。但是有一个新的趋势就是另类投资的先后加进来，就是从事实业的公司往往他也在金融资产有投资，比如说他可以做一些股票，还有做金融投资的一些投资银行往往也会进行一些实业公司，比如说高盛，前些年他也做养猪去了他做一些实业投资、PE投资，特别是应该是去年前年这一块咱们中国全民PE大量的就是民间资本比较雄厚找不到什么出口，投资渠道比较单一，往往搞PE，很多人大量做PE，特别是温州人江浙人那一块，要不炒房子把房地产炒垮了，要不炒矿山，炒矿山把山西的也炒塌了。还有炒棉花、土豆的，还有什么绿豆的，都把国家统计局搞得非常紧张。所以那段时间投资非常盲目，非理性。但是对于我们做的研究怎么说呢？巴菲特曾

　　 在这种情况下我们把PE项目和证券投资做一个混合，我们做了一个建模。这个模型中资产种类包括股票、债券，还有一类研发项目相当于PE项目我们作为它一个资产总额。针对不同市场的特点，我们投资对象不一样，投资期限也不一样，比如说在这儿的股票投资和研发项目的投资期限不一样，股票投资都比较顺时了，最多是T+1，今天买明天就能卖。对于项目来说一旦投资一个项目首先有一个固定投入，另外你想它变现也不像股票那么快，这个投资曲线、盈利模式、流动性各个方面不一样。我们怎么把这个模型扩到一块，这是一个想法。我们构造了一个相对比较简单的混合模型，就是把一些比如说固定投入我把一次性的给算进去了，还有一些投资曲线就简单的把原来项目作为一阶段的话，把股票作为多阶段混合起来做了。事实上在现实中有些阶段可能也是不见得是单阶段一次性投资的，还有好多次投入。 我们建模的方法就是用随机化模型，还有一些生成方法，我们通过离变量把这个研发启动项目的固定投入作为决策变量引进到这个模型中去。另外初端财富也是一样的，这就是一个无估，就是无风险的债券的一个投资量，还有它的交易费用，这是项目的，用Y表示每个项目，风险资产相应有一个买卖的交易费用，就会得出来每个资产的一个状态。我们这个每个X其实是每个情景，这里的X是情景。我们牵扯到这个随机化模型，就是说每个资产在每一个阶段，T表示一个阶段。每个阶段有哪一种情景，每个阶段相当每个资产的分布有各种情景。然后无风险资产和项目资产相关的一些模型刻画都能体现出数学模型中去，之后我们用这个局面偏差这个风险刻画这个风险，相应的数学公式也在这儿。 另外我们加入了中间风险的一个约束，防止中间迭代过程中发生破产。如果他破产了，下一个阶段就没有意义了，牵扯到一个防止中间破产的风险。另外我们中国市场是卖空的，禁止卖空的加入这个约束。于是我们形成了一个双具节模型，这个模型很复杂，我只能说简单在这儿写一下。 另外我们加入一些数字变量的，其实就是运筹学一个比较经典的方法把这个模拟进行约简，最后就还有随机参数的。看完这个模型以后，我们都这个里面都含有每个情景的，我们如何生成这个情景使这个P，这个PT，PT这个概率，每个情景的概率如何使它得出来，这就要情景数的生成方法了。这是一个两阶段的情景数，在这个阶段有三个情景，在这个阶段有两个情景。每个股票都有这样的相互的刻画，这样做一个混合的投资组合中情景相当复杂，涉及的决策变量非常多。目前在这个方法上我们用了回归的一个方法，其实就是假定这个样本均值在三倍的标准差次内，这是一个统计学的概念。就是它的三百标准差它的未来收益概率是99.7%，我们根据历史收益拓展了这个未来的区域空间。另外我们对这个收益空间进行抛分数。就是每个区间，我比如说进行平均分分成五份，就是说未来情景就会像这种五种情况进行扩展。基于线性规划一些方法我又把这个一二三四，就是使它未来收益的一节具和历史平均历史收益的一节具使它俩的误差最小，使每个四节的四节具的误差最小，其实就是一个四种多目标规划模型。解决这个规划模型就使得历史的收益统计规律和咱们未来这个收益比较接近，这样的话就使得咱们未来的情景可以刻画，这是我们情景数生成的一个写的一个情景数的一个模型。这是一节具、二节具、三节具、四节具就会形成一个，使得他们每个误差就会极小。 这是一个第二个模型就是把这个项目这个给刻画进去了，这个更复杂了。通过这两个规划模型，我们就把情景数的概率给得出来了。我们一个案例，简单说一个案例，当然这个里面研究中这一块还要研究它的一些无套利的一些怎么抛分一些什么的还比较复杂的，时间关系只能简单介绍一下了。我们目前的有一个数值数案例是一个三阶段三个项目分成三个阶段，第一个阶段我们把第一个股票进行了五个抛分大家未来收益，第二个进行四个抛分，第三个股票四个，第二个阶段分别进行抛分。在第三个阶段，我们对项目的未来收益进行了抛分，最后我们就得到了很多情景。很多情景有些解决那个陷井规划模型两个情景数的生成的陷井规划模型就使得这些情景得出来是2507个背景的概率情景。在这些概率情景下每个情景都有七八个这种决策变量，加起来就是几万个这种决策变量，这个问题就相当复杂了，就是规模相当大，所以求解这个问题也是相当麻烦的。 这是我们得出来的，通过这个红的是没有加入项目的，就是完全属于股票的。加入项目以后我们是这样的，加入项目以后就拓展了这个收益空间，使得这个收益比原来单纯股票可能要大了，所以在直观上好理解。但是我们这个模型就搞出来一个具体的分布，就是收益究竟大多少，在哪儿进行投资的给出来一个比较好的方法。 好，最后我展望一下目前我们这个模型，这一套研究还可以进行资产进行拓展。另外还可以把资产收益和波动率它的预测加进这个投资决策中去。这个其实就是用