一种改进的实数型遗传算法在多目标最优投资组合选择中的应用

根据信息论中熵的概念，提出用熵来度量投资组合对风险的分散能力．同时，在兼顾收益和风险的情况下，提出了一个新的多目标投资组合模型，并用改进的经典遗传算法求解该模型．实例分析表明，该模型及算法具有实际可行性。     

基于管网监测点的水力工况复核

在已有水力模型和部分水力监测点实测数据的基础上，根据最小二乘原理，建立了给水管网水力工况复核模型，并用改进遗传算法对其求解．通过实例证明了用改进遗传算法对水力工况复核能更快速、更精确地获得整个供水管网某时段的水力工况．     

最优证券组合的选取及算法研究

设计出了一个比较理想的有效证券组合选取策略，重点把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ）引入证券组合理论，并对Ｍａｒｋｏｗ ｉｔｚ模型设计了一套求解算法，有效解决了Ｍａｒｋｏｗ ｉｔｚ模型中协方差矩阵不可逆时的求解问题。     

时域谱扰动不确定性模型有效性分析

就具有线性有理分式传递函数结构的不确定模型集，研究了谱扰动不确定性系统的模型有效性分析问题．首先给出了这类模型的有效性分析的判别定理，然后将问题转化为规划问题，并利用遗传算法进行求解．讨论了扰动集是时变和非时变的情况．分析表明，通过求解规划问题可在有限步内判断模型集是否无效     

关于协方差矩阵不可逆时MARKOWITZ模型的求解问题

将遗传算法(Genetic Algorithm)引入证券组合理论,设计一套求解MARKOWITZ模型的新算法,解决了MARKOWITZ模型中协方差矩阵不可逆时的求解问题.     

多种运输方式模型优化及求解

对可阶段化运输网络，提出了将路径选择与交通运输方式相结合的组合优化模型．通过虚拟一个运输网络，转化为一个与原问题等价的最短路径问题，并设计了相应的遗传算法对其求解，通过实例计算表明，该算法对该问题是可行和有效的．     

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中，并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化，用逻辑隶属函数作为新的目标函数．针对该模糊多目标投资组合模型，提出了一个动态遗传算法，算例给出了该模型的一个实例的最优解，并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律．     

遗传算法在船舶配件库存随机规划中的应用

针对水运企业船舶配件的需求特点，建立船舶配件库存随机规划模型，而后用遗传算法求解该模型的优化点，即最低库存量和最佳库存量。通过实例说明遗传算法应用于随机存贮模型的求解是有效和可行的。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

基于可拓学的设计方案进化推理方法

在分析现有概念设计求解策略的基础上，提出了基于可拓学理论与遗传算法相结合的概念设计求解模型。利用遗传算法模拟物元变换过程，建立了产品方案物元描述的内部模型和外部模型，探讨了内、外模型的转换关系并通过关联函数将内、外部模型联系起来。根据内部模型给出了遗传算法的编码形式以及与之相适应的交叉、变异策略，并通过可拓评价方法建立了遗传算法的适应值函数，基本解决了产品概念设计中的知识组合爆炸和矛盾冲突问题。最后通过求解减速器方案验证了该方法的可行性。     

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。     

模糊期望值证劵投资组合模型研究和实证分析

着眼于研究不确定环境下的投资组合问题,讨论了模糊期望值模型,创新点是把协方差引入到风险度量里面,建立一个群投资组合选择模型;选取"上证50指数"中的19支成份股进行实证分析,结合遗传算法,通过运用MATLAB软件编程得到了3种投资者各自应该采取的最优投资组合。     

引入风险厌恶系数的投资组合模型的构建和应用

文章在经典投资组合理论核心思想上引入了风险厌恶系数,采用二进制加速遗传算法使预期收益率和风险损失率都具有随机性,即在不同投资者对收益和风险不同反应的条件下优化投资组合策略,更贴近实际地反映投资者对风险与收益的不同效应,从而选择适合自己的投资组合决策方案。     

基于Copula—GARCH模型的民族地区沪市A股投资风险研究

本文采用Copula—GARCH模型对金融市场中投资组合的风险问题进行分析,并选取沪市A股中西部民族地区的5支股票进行实证研究,结合Monte Carlo模拟计算了投资组合的VAR值,结果显示对资产进行适当的组合可降低投资者的风险,从而证实了模型的可行性和有效性.     

基于POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

组合证券的二叉树混合规划模型

在分析Harry Markowitz组合证券投资的基础上,结合股票价格的随机性,将二叉树模型应用在组合投资中,提出了组合证券投资的二叉树混合规划模型,并用遗传算法求得全局最优解,使决策更加符合市场变化,对组合投资决策有重要指导意义,最后通过释例进行了说明。     

组合投资理论分析及应用研究

在对现代组合投资理论分析的基础上，结合我国证券市场的实际，提出了有效规避市场系统风险和各单项资产非系统风险的组合投资模型，对实际投资具有良好的指导作用。     

基于自适应并行遗传算法的证券投资组合研究

将传统的马科维茨模型进行了改进,引入了风险厌恶因子,对投资比例设定了上下限,进一步利用熵对风险进行了修正,并加入了专家评价对模型实行了模糊化处理。同时提出了一种自适应并行遗传算法,其运算时间短,而且随机搜索,其遗传因子能够进行自我调节,不易陷于局部最优。将该算法引入证券投资组合领域,将数据随机分为若干个小组,同时进行遗传优化,提高了运算效率。通过应用实例,求解改进的模型,计算表明自适应并行遗传算法能够准确快速地解决证券投资组合优化问题。     

带交易费的社保基金投资组合模型

为了研究社保基金投资证券的问题,在借鉴了现代投资组合理论的基础上,引入β系数区间量化资产风险,通过修改隶属函数刻画投资收益率及流动性水平。考虑其安全性特点的前提下,构建了带有交易费的社保基金证券投资组合模型,并且设计了改进的遗传算法对模型进行求解。采用2012年上证所的实际数据,应用此模型求得各风险资产和无风险资产的最佳投资比例,通过修改参数值,得到了不同情况下的最优投资策略,验证了模型的有效性和灵活性,得到了合理的结论。     

基于风险管理模式下的最佳投资策略研究

在马柯威茨投资组合模型的改进模型—均值-CVaR模型的基础上,使用半方差来作为风险度量,即只考虑其投资在损失的一侧来做出新的投资组合优化模型,最后对均值-方差和均值-半方差模型的有效前沿进行证明,并以5支股票为实例做了实证分析.