1.，选题背景和意义
资产负债管理，简称ALM(Asset & Liability Management)，最初是针对利率风险的。美国在对利率进行管制时，金融资产负债的市场价值波动小，随着1979年美国
对利率管制放松以后，金融资产负债的市场价值就有了较大的波动，导致金融机构投资时要同时考虑资产和负债两个方面。随着ALM方法的发展，市场风险等非利率风
险被纳入到ALM中来，使ALM成为金融机构管理风险的主要工具之一。
现在，我国的金融市场正处于一个高速发展和趋于成熟的阶段，国家也非常重视金融市场的发展。同时我国的投资者和监管机构管理风险的水平也鱼待提高，资产负
债管理作为金融机构管理风险的有效工具之一，研究ALM正是符合了现阶段我国金融市场发展的需要，也是落实国家方针政策。随着我国市场机制的完善，金融资产的
品种将会逐渐丰富起来，同时资产面临的风险也将日益增加，这就要求金融机构采用更加科学的方式来进行投资决策，因此，ALM有着广阔的应用前景。
随机规划处理资产负债管理问题是很有效的，模型同时把资产和负债作为自变量，在政策环境和监管规则约束条件下，使投资组合最优化。银行资产负债管理时会
碰到不确定性因素，如利率，随机规划模型具体化了这些不确定性因素。随机规划就是数学规划的一种，能应用到较多领域，其中包括金融资产负债管理领域。
1.2
1.2.1
国内外研究
国外研究
早在20世纪70年代初国外学者就有关于动态资产负债管理的研究，首先把随机规划方法运用到金融领域中是Bradley和Crane (1972)和Ziemba和Vickson (1975 ) o
随机规划作为主导的资产负债管理工具是在20世纪90年代。有两大因素推动随机规划在资产负债管理中应用的发展，一是金融创新和全球化;二是计算机的发展。
Eppen和Fama (1971)成功解决了商业银行资产负债管理中的动态和不确定性问题，但存在计算困难，很难被广泛运用。
Pogue和Bussard (1972 )建立了一个十二个计划期的机会约束模型，模型假设现金需求是随机的，模型最大的缺陷是当约束条件满足程度不同时模型不能做相应的
调整。Bradley和Crane (1972)用储存的思想方法建立一个构建金融决策模型，就是每一计划期内，资产负债都有一个初始、剩余和终止变量。
Kallberg等(1982)针对一家公司的融资问题建立了一个简单补偿随机线性模型，把现金需求作为离散可预测随机变量。
Kusy和Ziemba (1986 )建立一个比较全面的银行资产负债管理多期随机线性规划模型，并成功运用到温哥华城市储蓄信贷协会，做未来五年的投资计划。模型的目
标函数是最大化银行利润减去惩罚成本后之差，模型的约束条件包括体现了相关的法律对银行经营方面的规定的法律约束，银行初始状态、资金的来源和运用的预算约束，
满足存款提现需求的流动性和杠杆率约束，以及经营政策约束和存款流约束。
Mulvey (1989)和Valdimirou (1992)用网络结构方法来处理金融ICI题。但是，由于他们的模型规模过小，这种方法和模型很难用来处理实际规模的金融问题。
Carino等(1994)针对保险公司资产负债管理中出现的不确定性问题建立了Russell-Yasuda Kasai模型。Russell-Yasuda Kasai模型目标函数是满足高收益下最大化
公司长期价值。
Zenios (1992 ), Hiler和Eckstein (1993 ) } Golub (1995)等建立在收入固定条件下的资产组合最优化模型，运用抽样方法的生成利率元素，而且运用最优化方法得
到模型的解。Dert (1995 )和Carino等(1996)，阐述了能生成较多经济变量元素的程序，并运用在养老基金和保险公司的综合资产负债管理模型中，结合抽样技术和事
件树方法构建和求解模型。
Giorgio Consigli等(2000)建立了一个动态金融资产负债管理的一般模型—计算机辅助的资产负债管理模型，构建了一个具有普遍意义的计划期较长的模型框
架。该模型可以根据具体情况和计算机软硬件条件进行改进，可以适应金融风险控制要求严的公司，如银行和跨国控股公司。
Pieter ( 2002)年用一种新颖称作迭代非聚合算法求解多期随机规划模型，从基础分布中随机抽取生成元素的方法来近似描述不确定性。
1.2.2国内研究
我国关于银行资产负债管理也做了一些研究。
程迎杰和秦成林(2000)建立了一个带有简单补偿的商业银行负债管理多周期随机规划模型，模型假设资产投资回报率和资金借入成本是确定的，随机存款流是不确
定的，在资本风险约束、流动性风险约束、和利率风险约束条件下，在一个计划期内选择资产和负债投资组合。
刘红平(2001)分析商业银行资产负债持续期模型，给出了四种活期储蓄持续期计算方法，资产负债结构受利率的影响程度，并结合我国某商业银行实际情况，分别
应用资产负债比例管理方法和持续期模型进行了实证分析，并提出了应对利率波动措
参考文献
[ 1 ]Peter Kall, Stein W. Wallace. Stochastic Programming. New York : Wiley,1994.
[2]Stein W. Wallace, William T. Ziemba. Applications of Stochastic Programming.
Philadelphia, PA. Society for Industrial and Applied Mathematics: Mathematical
Programming Society.2005
[3]S.A.Zenios, W.T.Ziemba. Handbook of Asset&Liability Management Volume 1 Theory
and Methodology. Amsterdam;Oxford: Elsevier.2006
[4]W.T.Ziemba, J.M.Mulvey. Worldwide Asset and Liability Modeling. Cambridge
University Press Cambridge, England.1998.
[5] Mehndi Pirbhai, Gautam Mitra, Triphonas Kyriakis. Asset Liability Management using
Stochastic Programming. 2003
[6]Sibrand J.Drijver, Willem K.Klein, Haneveld, Maarten H.vander. Asset Liability
Management modeling using mufti-stage mixed-integer Stochastic Programming. 2000
[7]Jitka Dupacova, Jan Polvka, Asset-liability management for Czech pension funds using
stochastic programming. 2004
[8]Petri Hilli, Matti Koivu, Teemu Pennanen, A stochastic programming model for asset
liability management of a Finnish pension company. 2004
[9]S.A.Zenios. Asset&liability Management under Uncertainty for Fixed-income
Securities. Annals of Operations Reseacrh.1995，59:77-98.
[10]J.M.Mulvey, H.Vladimirou. Stochastic Network Programming for Financial Planning
Problems. Management Science 1992,38: 1643-1664.
[11] J.M.Mulvey, G.Gould，C.Mogran. An Asset and Liability Management System For
TwersPertin-Tillinhgast.Intearfces, 2000,30(1):96-114
[12]H.M.Markwoizt. Portoflioesleetion.JuomalofFinanee, 1952, 7:77-91.
[13]M.LKusy, W.T.Ziemba. A Bank Asset and Liability Management Model. Operations
Reseacrh, 1986, 34:356-376.
[14]M.Rudolf, W.T.Ziemba. Intertemporal Surplus Management. Working paper
University of British Columbia,Vancouver,Canada,1998.
[ 15]Robert Fourer, A simplex algorithm for piecewise-linear programming,1989
[16]ZHONGPING WAN, GUOMIN WU. An Approximation Method for Probabilistic
Constrained Programming and its Efficiency Solution Scheme, OR TRANSACTION,
Aug., 2002
摘要 4-5
ABSTRACT 5
1 引言 8-12
1.1 选题背景和意义 8
1.2 国内外研究 8-10
1.2.1 国外研究 8-9
1.2.2 国内研究 9-10
1.3 本文的主要内容和结构 10-11
1.4 本文创新 11-12
2 动态资产负债管理概述 12-31
2.1 资产负债管理概述 12-17
2.1.1 资产负债管理介绍 12-13
2.1.2 资产负债管理方法 13-15
2.1.3 资产负债管理方法与其他方法比较 15-16
2.1.4 动态资产负债管理概述 16-17
2.2 随机规划理论概述 17-21
2.3 投资组合管理的随机规划模型 21-26
2.3.1 符号 22-24
2.3.2 模型方程 24-26
2.4 KUSY-ZIEMBA银行资产负债管理随机规划模型 26-31
2.4.1 模型基本结构 26
2.4.2 变量定义和参数说明 26-28
2.4.3 模型公式 28-31
3 我国商业银行动态资产负债管理模型 31-39
3.1 模型假设 31
3.2 变量分类和定义 31-32
3.3 模型建立 32-34
3.3.1 目标函数的确立 32-33
3.3.2 约束条件的确立 33-34
3.3.3 模型的总结 34
3.4 情景元素生成理论 34-39
3.4.1 负债情景元素生成 35-36
3.4.2 经济因素与资产收益情景元素 36
3.4.3 情景元素生成方法 36-39
4 我国商业银行动态资产负债管理模型的实证研究 39-57
4.1 模型简化 39-40
4.2 情景元素生成 40-46
4.2.1 短期存款利率和中长期存款利率情景元素的生成 41-43
4.2.2 短期贷款利率和中长期贷款利率情景元素的生成 43-44
4.2.3 债券收益率情景元素的生成 44-45
4.2.4 短期存款流和长期存款流情景元素的生成 45-46
4.3 模型求解和结果分析 46-57
4.3.1 非线性约束规划模型的求解方法 46-48
4.3.2 模型的解 48-49
4.3.3 结果分析 49
4.3.4 模型稳定性分析 49-52
4.3.5 模型敏感性分析 52-57
5 结论 57-59
致谢 59-60
参考文献 60-62
附录 62-64
在学期间发表的学术论文和研究成果