证券组合投资选择模型的约束满意度解

利用模糊数来描述证券组合的预期收益率和风险损失率，对证券组合投资问题建立了一种模糊线性规划模型，并讨论了利用模糊约束满意度将模型转化为普通线性规划模型的方法，最后给出了一个具体的例子。     

模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

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．     

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。     

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。     

用遗传算法求解全系数模糊证券投资组合模型

利用模糊数来描述某种证券的期望收益率和风险损失率,从而建立了一种全系数模糊证券投资组合模型,并讨论了利用模糊约束满意度将模型转化为普通规划模型的方法.进一步设计了一种遗传算法对该模型进行求解,最后给出了一个具体的例子来阐述方法的有效性.     

证券投资组合的模糊M-V模型

假设证券的收益率为模糊随机变量 ,在考虑不存在无风险收益证券 ,且允许卖空时 ,提出了证券投资组合的模糊M V模型 .进一步 ,在α水平下 ,给出了模糊M V模型的一个解析解 ,并且讨论了证券组合的有效边缘随机水平α改变时的变化情况 ,Markowitz的M v模型为本模型的特殊情况     

基于模糊数的证券投资组合最优化模型

利用模糊数处理不确定性信息,建立了以总风险最小为目标函数的证券投资组合优化模型.在给定的截集下,借助模糊数大小的概率比较,将模糊优化模型转化为不等式约束下的线性规划模型.利用Matlab编程解得了其最优投资方案,并阐述了该方法的可行性.     

证券投资组合的模糊Ｍ—Ｖ模型

假设证券的收益率为模糊随机变量，在考虑不存在无风险收益证券，且允许卖空时，提出了证券投资组合的模糊Ｍ—Ｖ模型．进一步，在α水平下，给出了模糊Ｍ—Ｖ模型的一个解析解，并且讨论了证券组合的有效边缘随机水平α改变时的变化情况，Ｍａｒｋｏｗｉｔｚ的Ｍ—ｖ模型为本模型的特殊情况。     

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.     

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。     

基于均值-CVaR- 熵的社保基金最优投资组合模型

为研究社保基金最优投资组合问题,在借鉴现代投资组合理论的基础上,从证券投资组合理论的风险度量着手,用条件在险价值（Conditional Value at Risk,CVaR）和熵来共同度量风险,提出新的风险度量模型：均值-CVaR-熵模型。在保证投资组合收益率的前提下,以 CVaR 和叉熵函数的线性组合为最小目标函数,在险价值（Value at Risk,VaR）为约束条件,构建考虑交易成本和政策约束下不允许卖空的基于均值 CVaR 熵的社保基金投资组合模型,探讨社保基金的投资方式及投资比例的分配问题,并利用实际数据求得该模型的最优解及各资产的分配比例。结果表明多元化投资是我国社保基金投资实现保值增值目的的必然选择。     

遗传算法研究证券组合投资的有效边界

基于遗传算法,搜索了证券组合投资中不同风险约束下的最优收益率的大小,实证研究了证券市场证券组合的有效边界曲线．另外给出了不同证券组合可能导致的组合风险和组合收益率的上下限．文中采用适当的方法,对原始数据进行预处理．     

基于离差-熵度量风险的组合投资优化模型研究

针对证券组合投资中存在的随机性,在投资收益达到一定水平下,综合考虑收益率的平均绝对离差和信息熵作为投资组合的风险度量,建立了数学模型。并用该模型进行了实例分析,结果表明,在投资收益不变的前提下,多方面的考虑风险,使得投资方案更安全。     

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．     

基于单位收益风险的投资决策模型与分析

为得到更为适用的投资决策模型与分析方法,首先建立了单位收益风险度量模型,然后,借助于该模型和方法,对Markowitz型有效集中的资产组合选择问题进行了全面的分析、评价,并得到了单位收益风险最小的资产组合,同时,与用经典的标准差度量方法所得结果也进行了比较,在此基础上给出了更为合理的投资决策建议.     

概率准则意义下基于VaR的证券组合模型遗传算法优化仿真

提出一种概率准则意义下基于VaR的证券组合模型,采用蒙特卡罗(Monte Carlo)模拟技术和遗传算法(GA)相结合的思想,设计出求解算法.求解算法适用于证券收益率服从任意分布的情况,甚至不考虑证券收益率分布,用实际数据进行模拟和优化.实例证明,该算法有很好的收敛性及较高的计算效率,并且计算结果满足投资者的收益和风险要求.