Ein personalisiertes Mean-CVaR Portfolio-Optimierungsmodell für individuelle Investments

Investitionen, als wichtige Angelegenheit im täglichen Leben, gehen mit dem Auftreten verschiedener Finanzanlagen einher, wie Aktien, Anleihen und Investmentfonds. Jedoch variieren die Risikotoleranzen von Person zu Person. Individuelle Investoren müssen entsprechende personalisierte Investitionsportfolios auswählen, um ihren eigenen Bedürfnissen gerecht zu werden. Zudem ist es für normale Menschen schwierig, ein personalisiertes Investitionsportfolio selbst auszuwählen, und es ist zu teuer und ineffizient, eine professionelle Beratung in Anspruch zu nehmen. Daher ist das Ziel dieser Forschung, ein Modell zur Empfehlung personalisierter Portfolios vorzuschlagen, das die personalisierten Portfolios basierend auf den Risikotoleranzen der Investoren erstellen kann. In dieser Forschung wird die Risikotoleranz der Investoren durch die fuzzy umfassende Bewertungsmethode bestimmt, die auf den demografischen Merkmalen der Investoren basiert. Der CVaR wird als Risikomaß für Finanzanlagen verwendet. Die Dynamik der Renditeverteilung wird im kombinierten Copula-GARCH-Modell beschrieben, und die zukünftigen Szenarien der Renditen werden durch die Monte-Carlo-Simulation basierend auf dem kombinierten Copula-GARCH-Modell generiert, um den CVaR zu schätzen. Das Mean-CVaR Portfolio-Optimierungsmodell wird verwendet, um das beste personalisierte Portfolio zu finden. Schließlich werden Experimente durchgeführt, um die Anwendbarkeit und Durchführbarkeit des personalisierten Optimierungsmodells für Investitionsportfolios zu validieren. Die Ergebnisse zeigen, dass das vorgeschlagene Modell zur Optimierung von Investitionsportfolios personalisierte Investitionsportfolios entsprechend der Risikotoleranz des Investors empfehlen kann.