投资组合模型与资本资产定价模型的异同？
最大的区别在于对风险的量化方式和描述不同。
投资组合理论是马克维茨提出的，主要是用方差来衡量风险，描述的是绝对风险。通过分散化投资，使得投资组合的风险（也就是方差）最小化。
资本资产定价模型（CPAM）公式为：预期收益率=无风险收益率+贝塔值*（市场组合收益率-无风险收益率）。用贝塔值来衡量风险，意思是该项资产价格相对于市场的波动，描述的是相对风险。
拓展资料：
投资组合理论的应用：
投资组合理论为有效投资组合的构建和投资组合的分析提供了重要的思想基础和一整套分析体系，其对现代投资管理实践的影响主要表现在以下4个方面：
1．马科威茨首次对风险和收益这两个投资管理中的基础性概念进行了准确的定义，从此，同时考虑风险和收益就作为描述合理投资目标缺一不可的两个要件(参数)。
在马科威茨之前，投资顾问和基金经理尽管也会顾及风险因素，但由于不能对风险加以有效的衡量，也就只能将注意力放在投资的收益方面。马考威茨用投资回报的期望值(均值)表示投资收益(率)，用方差(或标准差)表示收益的风险，解决了对资产的风险衡量问题，并认为典型的投资者是风险回避者，他们在追求高预
期收益的同时会尽量回避风险。据此马考威茨提供了以均值一方差分析为基础的最大化效用的一整套组合投资理论。
2．投资组合理论关于分散投资的合理性的阐述为基金管理业的存在提供了重要的理论依据。
在马科威茨之前，尽管人们很早就对分散投资能够降低风险有一定的认识，但从未在理论上形成系统化的认识。
投资组合的方差公式说明投资组合的方差并不是组合中各个证券方差的简单线性组合，而是在很大程度上取决于证券之间的相关关系。单个证券本身的收益和标准 差指标对投资者可能并不具有吸引力，但如果它与投资组合中的证券相关性小甚至是负相关，它就会被纳入组合。当组合中的证券数量较多时，投资组合的方差的大
小在很大程度上更多地取决于证券之间的协方差，单个证券的方差则会居于次要地位。因此投资组合的方差公式对分散投资的合理性不但提供了理论上的解释，而且 提供了有效分散投资的实际指引。
3．马科威茨提出的“有效投资组合”的概念，使基金经理从过去一直关注于对单个证券的分析转向了对构建有效投资组合的重视。
自50年代初，马科威茨发表其著名的论文以来，投资管理已从过去专注于选股转为对分散投资和组合中资产之间的相互关系上来。事实上投资组合理论已将投资管理的概念扩展为组合管理。从而也就使投资管理的实践发生了革命性的变化。
4．马科威茨的投资组合理论已被广泛应用到了投资组合中各主要资产类型的最优配置的活动中，并被实践证明是行之有效的。
最大的区别在于对风险的量化方式和描述不同。
资本资产定价模型于1964年在资产组合理论和资本市场理论的基础上发展起来的，主要研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格是如何形成的，是现代金融市场价格理论的支柱，广泛应用于投资决策和公司理财领域。
扩展资料
当资本市场达到均衡时，风险的边际价格是不变的，任何改变市场组合的投资所带来的边际效果是相同的，即增加一个单位的风险所得到的补偿是相同的。按照β的定义，代入均衡的资本市场条件下，得到资本资产定价模型：E(ri)=rf+βim(E(rm)-rf)
资本资产定价模型的说明如下：1.单个证券的期望收益率由两个部分组成，无风险利率以及对所承担风险的补偿-风险溢价。2.风险溢价的大小取决于β值的大小。β值越高，表明单个证券的风险越高，所得到的补偿也就越高。3.β度量的是单个证券的系统风险，非系统性风险没有风险补偿。
设股票市场的预期回报率为E(rm），无风险利率为rf，那么，市场风险溢价就是E(rm)_rf，这是投资者由于承担了与股票市场相关的不可分散风险而预期得到的回报。考虑某资产（比如某公司股票），设其预期回报率为Ri，由于市场的无风险利率为Rf，故该资产的风险溢价为E(ri)-rf。资本资产定价模型描述了该资产的风险溢价与市场的风险溢价之间的关系E(ri)-rf=βim(E(rm)_rf)式中，β系数是常数，称为资产β(assetbeta）。
最大的区别在于对风险的量化方式和描述不同！
投资组合理论是马克维茨提出的，主要是用方差来衡量风险，描述的是绝对风险。通过分散化投资，使得投资组合的风险（也就是方差）最小化。
资本资产定价模型（CPAM）公式为：预期收益率=无风险收益率+贝塔值*（市场组合收益率-无风险收益率）。用贝塔值来衡量风险，意思是该项资产价格相对于市场的波动，描述的是相对风险。
希望能帮到你~~
β系数与资本资产定价模型的现代投资组合理论
现代投资组合理论（Modern portfolio theory)指出特殊风险是可以通过分散投资（Diversification）来消除的。即使投资组合中包含了所有市场的股票，系统风险亦不会因分散投资而消除，在计算投资回报率的时候，系统风险是投资者最难以计算的。
资本资产定价模型的目的是在协助投资人决定资本资产的价格，即在市场均衡时，证券要求报酬率与证券的市场风险(系统性风险)间的线性关系。市场风险系数是用β值来衡量.资本资产(资本资产)指股票，债券等有价证券。CAPM所考虑的是不可分散的风险(市场风险)对证券要求报酬率之影响，其已假定投资人可作完全多角化的投资来分散可分散的风险(公司特有风险)，故此时只有无法分散的风险，才是投资人所关心的风险，因此也只有这些风险，可以获得风险贴水
形式相当简洁：某一资产的投资收益率
Ri=Rf+βi(Rm-Rf) (式2―1)
式中；Ri―在给定风险水平条件下资产i的合理预期投资收益率；
Rf――无风险投资收益率；
βi――投资于资产i的风险矫正系数，即对资本市场系统风险变化的敏感程度；
Rm――资本市场的平均投资收益率。 (1)无风险投资收益率Rf
无风险投资收益率是指在资本市场上可以获得的风险极低的投资机会的收益率。通常将各种类型的政府债券作为这种投资机会的典型代表，由此将政府债券的收益率看做无风险投资收益率Rf。收益率与投资时间和期限密切相关，政府债券的利率也是随发行时的资本市场状况和期限的长短而变化的。为此，应在资本市场上选择与投资期限相近的政府债券收益率作为无风险利率Rf。
(2)资本市场平均投资收益率Rm
资本市场的充分竞争性和有效性以及投资者追求收益最大化的动机决定了资本市场具有一个均衡的投资收益率，但在实践上几乎无法计算出资本市场投资收益率的均衡点。因此，通常以股票价格指数替代均衡投资收益率作为 CAPM模型的平均投资收益率Rm。因为股票价格指数的收益率变动剧烈，在实际计算中采用一个较长的时间段(一般为10年)用其平均股票价格指数收益作为Rm的参考值。
(3)风险校正系数β
风险校正系数的估计相当困难。通常的做法是根据资本市场同一行业内具有可比性公司的股票β值作为拟投资项目的风险校正系数。
(Rm―Rf)被称为市场风险溢酬，而特定资产的风险溢酬为β(Rm―Rf)。因此，资产的β系数反映了资产收益率相对市场变化的敏感程度。由于在有效组合的情况下，投资者只有市场整体变动的风险，因而β系数恰好能反映该资产的风险大小。β系数越大，则对市场敏感度越高，因而风险就越大，反之，则越小。
由此可见，β的大小表示收益的波动性的大小，从而说明特定资产风险的程度。当β系数大于1时，该资产风险大于市场平均风险；反之，当β系数小于1时，该资产风险小于市场平均风险；当β系数等于1时，该资产风险与市场平均风险相同。一般来说，若β大于1．5，则认为风险很高。
应当了解，β不是全部风险，而是与市场有关的这一部分风险。假定投资收益率与市场收益率存在着线性相关关系，则投资收益率灵敏度系数可以用回归方程表示为公式：
R=α+βRm+ε (式3―6)
式中：α――常数项；
ε――误差项；
β――可以由此根据最小二乘法进行估计。
}

所谓指数化投资，就是以复制指数构成股票组合作为资产配置方式，以追求组合收益率与指数收益率之间的跟踪误差最小化为业绩评价标准。其特点和优势在于投资风险分散化、投资成本低廉、追求长期收益和投资组合透明化。指数化投资上世纪70年代于美国兴起，特别是90年代，ETF产品的出现导致了指数化投资在全球市场蓬勃发展。
拼音
zhǐ shù huà tóu zī
时间
上世纪70年代
国际规模
巴克莱国际投资管理公司（BGI）ETF部门负责人德博拉·菲尔（Deborah Fuhr）的最新研究显示，截至2009年4月末，全球共计有1768只ETF产品，资产规模达到7069亿美元，其中，股票型ETF的资产规模达到5712亿美元。目前全球ETF数量已经相当于2000年总计仅有92只时的19倍，而全球ETF资产规模则接近于2000年时743亿美元的10倍
投资差别
作为一种被动式的投资方式，指数化投资与主动式投资方式的根本差别，在于它完全按照指数样本股票的组合进行投资，基金管理人不进行选股，而将选择股票的权利交给指数编制机构。但从另一个角度来说，最终选择股票的权利其实并非交给了指数编制机构，实质上是交给了市场。目前市场上最流行且认同度最高的指数，通常按照市值和流动性进行选股。在透明化的指数选样标准下，股票进出指数样本股票组合实际上是市场综合力量推动的结果，是“无形的手”在发挥作用。从这种意义上讲，选择市值复盖率高的宽基指数进行投资，其核心理念就是以被动方式分享市场收益（beta）并承担市场风险，这类似于中国传统哲学中的道家理念，即"道法自然"、"无为而无不为"。
}

DOI：10.19789/j.1004-9398.2022.05.001
文献引用：张梦媛.基于鲁棒优化的保险资金投资组合模型［J］.首都师范大学学报（自然科学版），2022，43（5）：1-7.ZHANG M Y.Insurance fund portfolio model based on robust optimization［J］.Journal of Capital Normal University（Natural Science
Edition），2022，43（5）：1-7.
张 梦 媛**
（北京邮电大学理学院，北京 100876）
摘要：在均值-方差模型基础上，根据保险公司当前所处的监管环境，增加了保险资金投资各项资产具有金额限制的约束条件，建立了保险资金投资组合模型.另外考虑到此模型对收益率等参数的敏感性，提出用鲁棒优化解决参数不确定问题，构建了基于鲁棒优化的保险资金投资组合模型.然后通过市场数据分别对2个模型进行实证研究，并比较实证结果.可知保险资金投资组合的鲁棒优化模型比均值方差模型更加保守，即预期收益率相同时所承受风险较小.
关键词：鲁棒优化；保险资金；投资组合；实证研究
Insurance fund portfolio model based on robust optimization*
ZHANG Mengyuan**（School of Science，Beijing University of Posts and Telecommunications，Beijing 100876）
Abstract：This paper establishes an insurance fund portfolio model based on the mean variance model.It increases the restriction that insurance funds invest in various assets with amount
restrictions，which is regulated according to the insurance company.In addition，this paper construct an insurance fund portfolio model based on robust optimization to solve the parameter sensitivity
problem of the original model.Then，this paper do empirical research on the two models with market data and compare the results.It is concluded that the robust optimization model of insurance fund
portfolio is more conservative than the mean variance model，that is，the risk is less when the expected rate of return is the same.
Keywords：robust optimization；insurance fund；portfolio；empirical research
CLC：O122.63
中图分类号：O122.63
收稿日期：2021-09-10
*国家自然科学基金项目（11871010）
**通信作者：2860158196@qq.com
0 引 言
现代保险公司披露的利润表显示其利润主要来源于保费收入和投资收益.保险业发展日益成熟，保险公司承保业务遇到瓶颈，其利润不断下降；疫情爆发经济下行，公司原保费收入增速同比明显减缓，而保险资金运用余额增速未受影响.因此，投资业务逐渐成为支撑保险公司持续发展的重要业务.此外，保险资金投资渠道和投资比例进一步放开，为保险资金运用创造了更好的发展环境.
保险资金指保险公司在日常经营工作中所能用的各类资金总和，主要包括资本金（保险公司的开业资金）和保险业务的准备金等.保险公司可以利用暂时闲置的资金进行投资，从而实现资金的保值增值，这种经济活动即为保险资金投资，或为保险资金运用.与其他投资一样，保险资金投资遵循安全性、盈利性和流动性3个原则，然而保险行业的特殊性还决定了其自身独特的投资特点.如保险公司要保证发生事故和灾害时能对客户进行足额偿付，所以为保障资金的安全性，需要限制保险资金投资风险资产的比例.
由以上分析知，在中国银行保险监督管理委员会（简称银保监会）监管要求下，保险公司有必要制定合理高效的保险资金投资组合，从而能更好地抵御风险，提高收益来保障偿付能力.Cramer［1］最早开始研究保险资金组合；Markowitz［2］首次建立了均值方差模型，并界定了理性投资者的概念；Lobo等［3］考虑到投资组合中的参数不确定性问题，提出了用鲁棒优化方法解决；Nemirovski和
Ben-Tal［4］综述了鲁棒优化在不确定线性规划和二次曲线规划中的主要应用结果；Ben-Tal和 Ghaoui［5］介绍了鲁棒优化基本模型的构建以及涉及到的概念；Reddy［6］认为保险公司面临的投资风险与投资收益成正相关，即投资风险越大，投资收益越高；Bertsimas和 Sim［7］提出将一般圆锥规划转化成鲁棒对等的方法，可以保证鲁 棒解的可行性；Quaranta 和
Zaffaroni［8］用鲁棒优化技术代替随机规划来处理不确定性，以此最小化股票投资组合的条件风险值；Olivares-Nadal和DeMiguel［9］证明数据驱动的投资组合问题在收益和交易成本之间可达到最优平衡；许仨［10］采用效用函数和在险价值等因素，建立了保险投资最优模型；赵庆［11］综述了鲁棒优化在不同投资组合模型中的应用；刘小东［12］基于均值方差模型的保险资金投资组合，进行了实证研究；高莹等［13］结合线性矩阵不等式和鲁棒优化方法，解决了均值方差模型结果容易因参数变动而变得不可行的问题；安晓敏［14］建立了势不确定集下的鲁棒投资组合决策模型.受现有研究启发，本文利用已有的均值方差模型和鲁棒优化方法，致力于构建基于鲁棒优化的保险资金投资组合模型，并选取近几年保险投资数据进行实证分析，确认鲁棒优化在投资组合中是否具有良好性质.
1 基于均值方差模型的保险投资组合策略
1.1 假设条件与模型构建
早在 1952年，美国著名经济学家
Markowitz［2］提出只用收益（均值）和风险（方差）2个变量就能研究投资组合问题，由此建立了均值方差模型，模型基本假设条件为：投资收益水平可以用期望收益率衡量；投资风险水平通过收益率的方差度量；理性投资者行为具有“风险规避性”和“追求收益性”，即投资者在收益既定时选择风险最小组合，在风险既定时选择收益最大组合；投资组合杜绝卖空现象，即组合中各类资产比例非负.在基本假设条件下，建立保险资金投资组合模型的假设如下：
假设1 保险公司将保险资金投资于n种资产，令 W=（w1，w2，…，wn)′为投资的各类资产在所有投资金额中的比重向量，wi表示保险资金投资组合中第i类资产所占比例，且有wi≥0，
假设2 据银保监会规定，保险资金投资各类资产的金额受一定比例限制，设为 αi≤ wi≤ βi，i=1，2，…，n.
假设3 各类资产的收益率向量和标准差向量均 为 常 值 ，分 别 表 示 为 R=（r1，r2，…，rn)′和 Ω =（σ1，σ2，…，σn)′，则投资组合收益率 rp为各类投资资产收益率的加权平均值，即
用投资的n种资产收益率的协方差矩阵C来表示投资组合的风险水平，即
式中 ：C=cov(ri，rj)= σiσjρij，ρij是ri和rj的相关系数.
假设4 投资者进行理性投资，在达到最低预期收益前提下要求风险最小.
基于均值方差模型的基本条件和上述假设1～4，可以建立如下保险资金投资组合的均值方差模型，模型目标是满足最低预期收益率时最小化投资风险：
式中：αi和βi分别代表银保监会规定的投资第i类资产权重的下限和上限；第一个约束条件代表保险公司的预期收益率最低为μ.
1.2 实证分析与模型求解
1.2.1 样本数据选择
根据2018年银保监会发布的《保险资金运用管理办法》［15］，保险资金运用限于银行存款、债券、股票、基金、不动产和境外投资等形式.因此，本文选取以上6种形式来配置保险资金投资组合，选择2015年1月1日—2019年12月31日作为研究区间，相应的研究数据主要有银行存款利率、债券收益率、股票回报率、基金收益率、不动产和境外投资收益率，数据来源于中国人民银行网站、中证指数有限公司官网和恒生指数有限公司官网.本文认为保险公司投资银行存款无风险，而债券、股票、基金、不动产和境外投资均有风险，以下按投资是否有风险分类确定所投资的各项资产收益率.
（1）无风险资产收益率.保险资金投资的银行存款主要包括定期存款和活期存款，因此，选取1年定期存款利率和活期存款利率，以二者的平均值当作无风险资产收益率.由中国人民银行网站公布的利率数据可知，2015—2019年活期存款利率均为0.003 5，1年定期存款利率均为0.015 0，取二者均值可得无风险资产收益率为0.009 3.
（2）风险资产收益率.对于债券、股票和基金，本文以中证全债指数、上证综合指数和上证基金指数为基准来分别计算各自收益率.首先，利用对数差分算出月收益率为
式中：Mt代表各指数在t月的收益率，Pt表示各指数在t月的数值.加和月收益率得到年均收益率为
对于不动产，主要指投资的土地、建筑物等，本文以地产指数为基准，计算保险资金投资此资产的收益率，方法同上.
境外投资，我国保险资金的境外投资活动主要在香港市场进行，以香港恒生指数计算境外投资收益率，方法同上.
通过上述方法，得到2015—2019年各风险资产收益率，详细列于表1.各资产投资比例限制：为防范系统风险，银保监会在2014年发布了《关于加强和改进保险资金运用比例监管的通知》，针对保险公司配置各类资产的份额进行限制：投资股票和基金的账面余额，合计不能超过本公司上季末总资产的30%；投资于不动产的账面余额不高于公司上季末总资产的30%；境外投资余额合计不高于本公司上季末总资产的15%.
表1 2015—2019年风险资产收益率
?
1.2.2 模型求解
由样本数据确定式（3）中，投资总资产种类n=6；r1、r2、r3、r4、r5和 r6分别为银行存款、债券、股票、基金、不动产和境外投资的收益率，分别为0.009 3、0.031 5、0.023 6、0.053 9、0.278 1和 0.042 6；w1和 w2为银行存款和债券的投资比例，银保监会未对其作上限要求；w3、w4、w5和
w6分别为股票、基金、不动产和境外投资的投资比例，取值范围为w3+w4≤30%、w5≤ 30%、w6≤ 15%.
根据各类风险资产的收益率，计算出协方差矩阵为
将以上数据代入保险资金投资组合均值-方差模 型（3）得：
第一类投资资产银行存款为无风险资产，故目标函数中 W=（w2，w3，w4，w5，w6)′.
令μ取不同值，代表公司能接受的不同最低收益率，利用MATLAB编程求解.得到满足最低收益率时，风险最小的投资组合（表2）.可知，随着保险公司所能接受最低预期收益率μ增加，公司所面临的资金投资组合总风险σ2p逐渐变大，得到的收益率rp也随之增加，符合市场规律.参考此表，不同保险公司可根据自身所能接受的最低收益来制定风险最小的投资组合.
表2 满足最低收益率时的最小风险组合
注：μ为最低预期收益率；w1、w2、w3、w4、w5和 w6分别为银行存款、债券、股票、基金、不动产和境外投资的投资比例；rp为收益率；为投资组合总风险.
μ w 1 w 2 w 3 w 4 w 5 w 6 r p σ 2 p 0.0 0 6 6 0.0 0 6 7 0.0 0 6 9 0.0 0 7 0 0.0 0 7 1 0.0 0 7 2 0.0 5 0.1 0 0.1 5 0.2 0 0.2 5 0.3 0 0.4 0 6 3 0.4 0 1 9 0.0 1 6 2 0.0 1 3 5 0.0 1 2 1 0.0 1 1 3 0.3
5 0 4 0.3 4 9 3 0.6 8 0 4 0.6 7 7 4 0.6 7 3 9 0.6 7 0 3 0.0 5 5 1 0.0 5 4 4 0.0 2 9 4 0.0 2 8 9 0.0 2 8 4 0.0 2 8 1 0.0 5 6 1 0.0 5 6 8 0.1 1 5 1 0.1 1 6 4 0.1 1 7 3 0.1 1 8 1 0.0 7 8 1 0.0 8 3 9
0.0 7 0 6 0.0 7 5 8 0.0 8 0 2 0.0 8 4 2 0.0 5 3 9 0.0 5 3 8 0.0 8 8 2 0.0 8 8 0 0.0 8 8 0 0.0 8 8 0 0.0 4 3 2 0.0 4 9 7 0.0 5 1 9 0.0 5 3 3 0.0 5 4 4 0.0 5 5 4
保险公司在制定投资组合策略时，经常会有很多现实约束，一个重要原因是在均值方差模型中，参数比如投资组合的期望收益率和协方差矩阵通常都用统计方法估计而定，这是不准确的.因此，当参数发生一个很小的波动时，就有可能导致解变得不可行.所以，有必要对模型进行改进，找到一种有效的手段来处理参数的不确定性给投资决策带来的问题.
2 鲁棒约束下的保险投资组合模型
鲁棒优化是一种有效应对优化问题中参数不确定性的优化方法，具体而言，鲁棒优化方法是将参数的不确定性处理成能直接描述且较为简单的几何形式（如矩形和椭球形），由此把原规划问题转化成确定优化问题，使最终解在输入任何一个可能参数时，都能一定程度上达到最优.因此，可用鲁棒优化来解决上述模型中投资组合收益率不确定问题.
2.1 基于线性矩阵不等式的鲁棒优化模型
近年来，线性矩阵不等式（linear matrix inequality，LMI）已经成为构建鲁棒优化模型的一种重要方法.原因之一为MATLAB中推出的LMI工具箱［13］，使得用此方法进行鲁棒优化变得更加直接、可操作性更强.因此，为解决均值方差模型中参数不确定性问题，首先将其转化为目标函数确定、约束条件为LMI的鲁棒优化模型，即
此模型中具有ζ和W这2个决策变量：W表示所投资资产组合的金额比例权重向量；ζ表示投资资产组合的最大方差，ζ=max=maxW′CW.模型的目标函数旨在求得ζ最小时的投资组合权重向量W，其经济意义是当保险公司面临市场上最大风险ζ=max时，选择合适的投资策略W，使得保险资金投资组合收益波动最小mWi n ζ.
式（3）～（5）的本质是目标函数和约束条件的形式转化.式（5）中约束条件①是由ζ-W′CW ≥0根据Schur补性质［14］等价变换而来；其余约束条件所表示的含义与式（3）相同.
2.2 不确定集与鲁棒对等模型
2.3 实证分析
2.3.1 鲁棒优化模型求解步骤
通过LMI解决保险资金投资组合鲁棒优化问题的具体步骤框架［16］如图1所示.第1步，确定保险公司投资能接受的μ；第2步，根据历史数据设出投资资产的收益率变动情况，给出如式（6）类型的收益率不确定集UR，并据此计算相应的协方差矩阵；第3步，根据模型用MATLAB求解，得出各投资组合的最大方差，再求出最小风险的鲁棒解；第4步，令μ取表2中所有设的μ值，重复第2和3步，由此得到具有鲁棒性的最小风险组合.
图1 基于鲁棒优化的保险资金投资组合问题框架[16]
注：LMI为线性矩阵不等式.
2.3.2 仿真计算
选取2015—2019年研究区间中数据进行实证，并将实证部分中的收益率和协方差作为基准收益率R1、基准协方差C1.
据本文所选数据，一般假设无风险资产收益率不变，风险资产收益率变动幅度≤20%，故设风险资产为使结果具有代表性且方便计算，选取不确定集中收益率的下限Ra和上限Rb，其分别对应的协方差矩阵为Ca和Cb.
由上文数据可知，当收益率取Ra=0.8R1时，协方差矩阵Ca为
当收益率Rb=1.2R1时，协方差矩阵Cb为
将Ra、Rb的取值及矩阵Ca和Cb代入投资组合鲁棒优化模型，在μ取表2中所设的μ值时，求出具有鲁棒性的结果（表3）.可知，随着保险公司可接受的预期收益率最低值增加，保险资金投资组合的风险增加，最终获得的组合收益也增加，仍然符合市场规律.
表3 具有鲁棒性的最小风险组合
μ w 1 w 2 w 3 w 4 w 5 w 6 r p σ 2 p 0.0 5 0.1 0 0.1 5 0.2 0 0.2 5 0.3 0 0.4 0 0 6 0.0 2 4 3 0.0 1 7 0 0.0 1 4 4 0.0 1 3 1 0.0 1 2 4 0.3 5 5 7 0.6 7 7 6 0.6 7 7 4 0.6 7 4 3 0.6 7 0 5 0.6 6 6 7 0.0
5 6 6 0.0 2 9 1 0.0 2 8 3 0.0 2 7 8 0.0 2 7 4 0.0 2 7 0 0.0 5 6 8 0.1 1 2 9 0.1 1 5 1 0.1 1 6 3 0.1 1 7 3 0.1 1 8 1 0.0 7 7 1 0.0 6 6 0 0.0 7 2 6 0.0 7 7 9 0.0 8 2 4 0.0 8 6 4 0.0 5 3 3 0.0 9 0 1
0.0 8 9 6 0.0 8 9 4 0.0 8 9 3 0.0 8 9 3 0.0 4 3 3 0.0 5 0 6 0.0 5 2 4 0.0 5 3 8 0.0 5 5 0 0.0 5 6 0 0.0 0 4 1 0.0 0 4 2 0.0 0 4 3 0.0 0 4 5 0.0 0 4 6 0.0 0 4 8
3 结果比较与经济意义解释
为了更加直观地对比保险资金投资组合均值方差模型和鲁棒优化模型的绩效情况，当预期收益率最低值μ相同时，即保险公司进行投资活动前对投资组合的最低预期收益率相同时，2个模型投资组合实际获得的投资收益率和承受风险的比较如图2所示.在不同保险资金投资组合模型下，实际收益率随着最低预期收益率变动均呈上凸图形，见图2（a），说明在均值方差模型和鲁棒模型中，投资收益率都是随最低预期收益率先快速增长后缓慢增长，且鲁棒优化模型具有较高且稳定的收益.分析可知，此现象是由于当保险公司能接受一个较低预期收益率时，公司可能正处于发展上升期，实际收益增长迅速；而当预期收益率达到临界值，并且还在提高，说明公司发展已较为成熟，投资资金增多，面临的风险增加，投资收益总量较之前提高，但增速不如之前快.在不同保险资金投资组合模型下，承受风险随最低预期收益率变动均呈递增趋势，见图2（b），这说明不论是哪种保险资金投资组合模型，预期收益率增加时，公司需要承担的风险必然增加，符合市场规律.然而在保险公司能接受的同一最低预期收益率下，鲁棒约束的保险资金投资组合模型需要承受的风险恒小于基于均值方差的保险投资组合模型所需承受的风险，很好地体现出了鲁棒优化模型较为保守的特点，即具有相同预期收益率时，其承受的风险较小.
图2 均值方差模型与鲁棒优化模型对比（a）收益率；（b）风险
4 结束语
本文主要研究了鲁棒约束下制定保险资金投资组合策略问题.在均值方差模型的基础上，增加了保险资金投资各项资产比例的约束条件，建立了保险投资组合均值方差模型.此外考虑到模型中参数不确定性问题，运用鲁棒优化方法对模型进行了扩展，构建了鲁棒约束下的保险投资组合均值方差模型.同时选取2015—2019年的市场数据，对基本模型和扩展模型进行了实证研究，得到了相同预期收益率下各自的最优投资组合；并且比较分析了2个模型结果，表明鲁棒优化模型得到的投资组合具有更高收益且更加保守，在预期收益率相同时面临更小的风险，这为保险公司进行资金投资活动提供了新思路.
参考文献
［1］ CRAMER H.On the mathematical theory of risk［M］.Stockholm：Skandia Jubilee Volume，1930.
［2］ MARKOWITZ H M.Portfolio selection［J］.The Journal of Finance，1952，22（7）：77-91.
［3］ LOBO M S，VANDENBERG L，BOYD S.Applications of second-order cone programming［J］.Linear Algebra and its Application，1998，11（3）：193-228.
［4］NEMIROVSKI A，BEN-TAL A.Robust optimizationmethodology and applications ［J］. Mathematical Programming，2002，92（5）：453-480.
［5］ BEN-TAL A，GHAOUI L E.Robust optimization［M］.New Jersey：Princeton University Press，2009：1-25.
［6］ REDDY S.Risk-based capital for life insurance［J］.Risks and Rewards，1993，7（1）：6-8.
［7］BERTSIMAS D，SIM M.Tractable approximations to robust conic optimization problems［J］.Mathematical Programming，2006，107（1/2）：5-36.
［8］QUARANTA A G，ZAFFARONI A.Robust optimization of conditional value at risk and portfolio selection［J］.Journal of Banking and Finance，2008，32（10）：2046-2056.
［9］OLIVARES-NADAL A V，DEMIGUEL V.A robust perspective on transaction costs in portfolio optimization［J］.Operations Research，2018，66（3）：733-739.
［10］许仨.保险公司投资组合的最优化模型研究［J］.财税金融，2019，27（21）：49-50.
［11］赵庆.基于鲁棒优化的若干投资组合模型研究［D］.大连：东北财经大学，2015.
［12］刘小东.基于均值-方差模型的保险投资组合研究［J］.重庆工商大学学报，2013，30（7）：37-41.
［13］高莹，黄小原，李意鸥.基于线性矩阵不等式的贷款组合鲁棒优化模型［J］.东北大学学报（自然科学版），2007，28（1）：137-140.
［14］安晓敏.均值-方差组合模型的鲁棒投资优化［J］.西安工业大学学报，2014，34（3）：177-182.
［15］中国银行保险监督管理委员会.保险资金运用管理办法［EB/OL］.（2018-01-26）［2021-08-15］.http：//www.cbirc.gov.cn/view/pages/ItemDetail_gdsj.html？docld=21871&docType=2.
［16］高莹，李超君，唐诗源.基于鲁棒优化的投资组合模型在投资基金中的应用［J］.东北大学学报（自然科学版），2009，30（2）：295-297.
(责任编辑：马田田)
}