证券组合投资选择模型的模糊优化

以证券组合的期望收益率及风险损失率为目标函数，研究了在这两个目标下证券投资组合的模糊模型及其优化问题，并利用S型隶属函数将模型转化为普通线性规划模型进行求解，最后给出了一个具体的例子来阐述方法的有效性．     

目标有优先权的模糊多目标规划的一种解法

本文讨论了目标具有不同优先权的模糊多目标规划问题的一种近似解法．每个目 标的优先权用正实数表示，将目标的优先权和隶属函数合成新的隶属函数。再用模糊 最大策略方法求满足每一个目标的新隶属函数和约束的隶属函数的最大λ值，即把解 有不同优先权的模糊多目标规划问题化为解普通线性规划问题． 文中从理论上证明了算法的正确性．并给出误差估计公式．通过 一个例题的计算说明该算法是合理的，误差估计公式是正确的。     

基于GA-FUZZY的投资组合满意度优化研究

在Markowitz均值-方差模型的基础上,利用隶属度函数转化了投资组合预期收益与风险方差的函数关系表达式,构建了在不同模糊目标、模糊约束权重系数下的模糊投资组合集成模型,引入遗传算法有效地解决了投资组合模糊最优满意度决策问题.并以我国资本市场三种最基本的金融资产开展实证分析,取得了较好的效果.     

基于模糊熵和模糊夏普比率的多阶段投资组合模型及实证

权衡投资的收益和风险并确定每种风险资产的投资比例是投资组合研究的重要内容之一。由于投资行为的长期性,使得多阶段投资组合问题成为研究热点。本文针对具有三角模糊收益的投资组合问题。使用模糊熵来衡量投资风险,使用模糊夏普比来衡量投资效率,并建立了基于模糊熵和模糊夏普比率的多阶段投资组合模型,进而采用理想点法将多目标模型转化为单一目标模型进行求解,最后实证分析表明该模型的实用性。     

证券组合的模糊优化

在双目标有价证券选择基础上,将模糊概念运用于有价证券组合选择,按投资者给定的期望目标及容差,以隶属度为目标函数,讨论了线性隶属函数与非线性隶属函数模型·当隶属函数在[0,1]之间取值时,两模型的解无大的差异,并反映出投资者的满意程度·与线性隶属函数相比,非线性隶属函数的参数对应收益率及风险的模糊尺度,其取值越大,模糊尺度越小,能更好地反映出投资者对目标值的取值意图·依据深圳股票市场10只股票收益率数据,采用进化规划进行优化计算,并验证模型的有效性·     

收益率为模糊数带弹性约束条件的组合选择模型

证券市场中不确定的信息具有模糊性．将收益率视为梯形模糊数,分别用模糊数的可能性均值和平均绝对偏差来表示投资组合的收益和风险,考虑到目标函数和约束条件具有弹性,建立了模糊线性规划组合投资模型。并转化为普通线性规划问题求解。最后给出了数值计算实例．     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

模糊逻辑在分布式多目标跟踪融合中的应用研究

多传感器多目标跟踪融合中的目标航迹包含了模糊信息，这种模糊信息可以用模糊隶属度函数来描述．利用对两航迹的位置偏差、速度偏差和加速度偏差进行模糊化、模糊逻辑推理及去模糊等技术，提出了分布式多传感器多目标航迹模糊融合关联方法，计算机仿真结果表明了模糊逻辑方法应用于多目标航迹融合关联判别的有效性，较好地解决了航迹融合关联问题。     

基于遗传算法的证券投资组合模型的优化及最优解的测定

本文基于遗传算法,建立多目标算法的基金投资组合模型,首先要对投资的资产进行分析,分析资产产生风险的因素,通过因素分析来提取指标,利用聚类分析的方法对指标进行筛选,建立股票资产风险指标体系,建立指标的权重集,客观地分析各指标对资产产生风险的影响程度,建立隶属度矩阵,通过隶属度的值来判断资产的类别。在遗传算法求解投资组合模型的过程中,首先是建立目标函数模型,将目标函数模型作为遗传操作的评估准则。和现有的目标函数模型相比有很多改进,现有的投资模型中采用了统计学中的二次规划模型,只将风险最小,或者收益最大作为评价的目标函数,基于遗传算法的投资组合模型用风险收益比来描述投资者的最终目标,更有利于统计上的应用,经济意义明确。     

一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。     

基于进化规划的多目标投资组合选择模型研究

在Markowitz的均值－方差模型的基础上，讨论了股票价格中偏度的重要性，并由此引出了一个同时考虑均值、方差和偏度的多目标投资组合选择模型。提出了对该模型进行求解的进化规划算法，同时也说明了用进化规划方法处理多目标优化问题的合理性。用一个算例验证了采用进化规划技术求解多目标投资组合选择模型是有效的。     

基于模糊决策的模糊投资组合选择模型研究

对模糊情况下的证券投资组合问题进行了研究。提出了相应的证券投资组合问题模型和求解方法。假定交易费用函数为V型函数,将投资者的主观意见反映在模糊情况的投资组合模型之中,给出了将目标函数中含有非线性项或含有非线性约束的优化模型转化为线性规划问题的一个简便方法。     

带交易费用的证券组合投资的模糊多目标优化模型

利用在约束条件中加入证券多样化选择约束的方法来抵减非系统风险,建立了带交易费用的综合考虑收益和风险的模糊多目标规划模型.在此模型中,考虑到证券投资的预期收益和风险的模糊性,把目标函数和约束系数均作为模糊数处理,并给出了模型的求解方法和问题的一个算例.     

具有交易成本的均值-绝对偏差模糊投资组合优化

考虑到资产收益率的模糊不确定性,提出具有交易成本和交易量限制的均值-绝对偏差模糊投资组合优化模型。运用可能性理论将该模型转化为显式的线性规划问题,并采用改进的旋转算法进行求解。最后通过实证研究证明该模型和算法的有效性,讨论了资产收益率为梯形模糊数的情况下投资者针对现有投资组合的调整策略。     

钢铁企业产成品出厂计划模型与优化方法

以某钢铁企业产成品出厂计划为背景,建立了产成品出厂计划多目标01规划模型,采用Bellman和Zadeh模糊决策方法对多目标函数进行了处理,并针对问题特点设计了改进的遗传算法对模型进行求解·通过对实际应用中一些问题求解,验证了模型、算法的有效性,得到了令人满意的结论·     

基于可信性均值-方差-偏度-正弦熵的投资组合模型

通过引入可信性理论和偏度约束，分别建立了同时满足随机不确定和模糊不确定情形的均值-方差-偏度-正弦熵多目标投资组合优化模型（Mult-M-V-S-SE）和含有收益及风险系数的单目标投资组合优化模型（M-V-S-SE）；然后运用马尔科夫方法预测模糊收益率，利用遗传算法优化模型投资策略，通过上海证券交易所数据进行实证比较。结果表明：Mult-M-V-S-SE和M-V-S-SE两模型效果均超过均匀投资策略（MEAN）；M-V-S-SE模型灵活且稳定，更具有优势，在满足投资者需求的同时可实现更高的累计收益。     

多目标模糊评价模型与评价等级计算方法

为防止信息丢失,指出了多目标模糊评价应采用加权平均算子·探讨了采用余弦函数及三角形隶属函数的模糊综合评判模型、基于权广义距离平方和最小的模糊模式识别模型、基于模糊熵与权广义距离之和最小的模糊模式识别模型对评价结果模糊度的影响·属性识别理论模型是应用三角形隶属函数的模糊综合评判模型·综述了多目标模糊评价等级的确定方法,指出了属性识别理论的置信度准则与最大隶属原则一样可导致评价结果失真·提出了评价等级模糊特征量的概念和计算方法,从而证明了多目标模糊评价的结果是一个等级区间而不是一个确定点·实例表明,依据评价等级模糊特征量的概念和计算方法所确定的评价等级符合实际·     

基于三角型模糊数理论的组合投资决策研究

基于三角型模糊数理论提出一种新的组合投资决策算法。首先应用三角型模糊数描述股票的价格变化过程,采用三角型模糊数的均值面积来表示相应价格信息;然后结合投资者的具体效用函数,并假设投资收益近似服从正态分布,获得其期望效用函数;最后根据Markowitz的均值-方差模型结论确定最优组合投资收益,从而确定投资者的最优组合投资比例。该算法简洁实用,便于操作,通过给出具体应用算例说明了该算法是行之有效的。     

混合多目标遗传算法在电力系统经济调度中的运用

针对电力系统经济调度问题的多目标特性,提出了一种混合多目标遗传算法．算法除了改进传统目标函数加权法使之更适于多目标优化问题之外,还利用模糊逻辑技术来自适应调整交叉概率、交叉点位置以及变异概率,使算法具有优良的收敛性能．     

一类模糊证券组合投资的最优模型

为了体现投资者对期望水平的满意度,以最小风险对应的最大方差系数为目标,期望临界收益率为约束,建立一类新的模糊证券组合投资的最优模型。运用模糊优化和进化规划方法,研究新风险概念下的模糊证券组合选择,并给出了其相应算法。