基于随机线性规划的

《基于随机线性规划的》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于随机线性规划的银行资产负债管理模型优化及实证研究作者姓名：常钟文指导教师：高莹副教授单位名称：工商管理学院专业名称：金融学东北大学2010年06月OptimizationofcommercialbankAsset-liabilitymanagementbasedonStochasticlinearprogrammingmodelandEmpiricalstudyByChangZhongWenSupervisor:AssociateProfessorGaoYinNortheasternUniversityJune

2、2010毕业设计（论文）任务书毕业设计（论文）题目：基于随机线性规划的银行资产负债管理模型优化及实证研究设计(论文)的基本内容：通过对资产负债管理方法进行分析，寻找合适的建模方法，并将在此方法的基础上对银行资产负债管理模型进行优化。得出优化模型之后，对其进行实证分析，通过数据选取、情景生成对模型求解，以得出相应结论和针对结论提出相关建议。毕业设计（论文）专题部分：题目：　　　　　　　　　　　设计或论文专题的基本内容：学生接受毕业设计（论文）题目日期　　　　　　　　　　　　　第　3　周指导教师签字：年　　月　　日基于

3、随机线性规划的银行资产负债管理模型优化及实证研究摘要20世纪，为了实现全面系统地进行风险管理，特别是对于银行的利率风险的管理，西方商业银行逐步形成了主宰银行业资金管理的资产负债管理体系。近年来，随着金融市场波动性加剧，银行业务的复杂性随之增加，同时新巴塞尔协议的提出和2008年的金融危机都对银行资产负债管理体系提出了更高的要求，因此开展对资产管理领域的深入研究无疑对我国银行界和学术界具有重大实践意义。建立符合我国国情的商业银行资产负债管理模型成为一个重要命题。随着资产负债管理方法的发展，随机规划成为解决动态资产负债

4、管理问题的一种行之有效的方式。本文以我国的经济环境为基础，在合适的约束条件下，建立了一个具有一般性的符合我国商业银行情况的资产负债管理多阶段随机线性规划模型，以研究在不确定环境下银行的资产负债管理问题。本文将向量自回归(VAR)和一阶自回归运用到随机规划模型中生成情景，并结合历史数据，使用Eviews软件和Lingo软件对该模型进行了实证研究。通过实证研究发现本文所建立的模型具有一定的参考意义和实践价值。关键词：资产负债管理；随机线性规划；向量自回归（VAR）；情景生成Optimizationofcommercia

5、lbankAsset-liabilitymanagementbasedonStochasticlinearprogrammingmodelandEmpiricalstudyAbstractInordertoachievethegoalofcomprehensiveandsystematicriskmanagement,especiallyforthebankinterestrateriskmanagement,Westerncommercialbanksgraduallydevelopedanassetliabil

6、itymanagementsystemin20thcentury.Inrecentyears,asfinancialmarketvolatilityincreased,thecomplexityofbankingbusinessincreasedaswell.Atthesametime,theproposalofBaselIIandtheoccurrenceof2008financialcrisisputhigherdemandstoAssetsandLiabilityManagementsystem.Thus,d

7、evelopingALMstudyindepthisundoubtedlyofgreatpracticalsignificanceforbankingandacademiaofChina.Withthedevelopmentofassetandliabilitymanagementtechnology,stochasticprogrammingbecameaneffectivewayfordynamicasset-liabilitymanagementproblem.Inthispaper,basedonourec

8、onomicenvironment,weestablishamulti-periodstochasticlinearsimplerecoursemodelwhichisfitforourcountrytostudybankassetandliabilitymanagementunderuncertainty.WeuseVectorAutoRegression