均值-CVaR投资组合模型的改进及实证研究

投资组合理论是现代经济分析的基础.本文在已有的均值-CVaR投资组合模型的基础上,考虑到投资组合理论的目标是既定风险下收益率的最大化,从预测股票价格和收益率的角度进行投资组合模型的改进,得到使预测收益率最大化的预测值-CVaR模型.随后通过实证分析,考察预测值-CVaR模型相对于均值-CVaR模型的效果.     

具有熵约束的均值-CVaR投资组合决策研究

结合条件风险价值CVaR和熵风险度量方法,提出不允许卖空情况下具有熵约束的均值-CVaR投资组合模型,并采用序列二次规划和不等式组的旋转算法进行求解,最后通过一个具体实例验证了上述模型和算法的有效性。     

基于CVaR的投资组合优化模型及实证

以条件风险价值CVaR为风险度量,建立以CVaR为目标函数,VaR为约束条件的二次规划模型,该模型给出了在决策者可以接受的VaR风险水平下,使得CVaR为最小值的投资组合最优选择;实例表明投资组合的最优选择降低了投资组合发生灾难性风险的可能性。     

均值-半方差-熵投资组合优化模型

比较以方差为风险构建的均值-方差模型、以半方差为风险构建的均值-半方差模型、以绝对离差为风险构建的均值-离差模型可知,在同等收益水平下以半方差为风险最符合投资者心理的结论.引入熵构建均值-半方差-熵模型.实例分析结果表明,新模型能更全面地考虑股票市场中各种可能的不确定因素,在收益达到一定水平的基础上,为投资者提供更安全的投资方案.     

求解带约束投资组合模型的量子粒子群算法

针对量子粒子群算法(QPSO)在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。     

基于交易费用的均值-方差-熵投资组合模型

用方差和熵共同度量投资风险,并且考虑交易费用的影响,提出一种基于交易费用的均值-方差-熵的投资组合模型,并进一步讨论了熵在投资组合模型中所起的作用.通过对相关案例的求解与分析,验证了该模型的可行性及有效性.     

交叉熵蝙蝠算法求解期权定价模型参数估计问题

期权定价模型的参数估计问题通常是非线性优化问题,且是非凸优化问题,经典的优化方法已不再适用。为此探寻用交叉熵蝙蝠算法来求解Merton跳-扩散模型、Heston随机波动模型和Bates带跳的随机波动模型的参数估计问题。实证结果表明该方法是有效可行的。     

基于均值-AVaR的投资组合均衡分析

以Markowitz均值-方差模型为基础,利用均值-VaR方法,提出了AVaR(Average Value at Risk)极小化以及在此条件下的投资组合均衡理论,得到了一种使单位收益风险价值最小的投资组合决策方法.     

基于信息熵的投资组合模型

本文用信息熵来代替协方差矩阵度量投资的风险,大大简化了模型的计算。在模糊环境下对模型进行求解,将投资者的愿望反映在投资组合中。     

含有资本结构因子和交易成本的均值-CVaR投资组合策略选择模型

以CVaR为度量风险的标准,建立了机会约束下含有资本结构因子和交易成本的均值-CVaR投资组合选择模型.运用优化理论,得到最优解的解析表达式,利用Matlab给出该模型的最优解、最优解均值及CVaR的程序,最后通过算例对模型的应用予以说明,发现在考虑资本结构因子和交易成本后最优策略发生了改变.     

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.     

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.     

组合风险的重要性抽样方法

针对资产组合的市场风险或信用风险的任意边际分布的Gaussian Copula模型,首先将损失转化成高维正态分布的函数,然后对该模型进行重要性采样蒙特卡罗模拟以提高模拟效率,并分别使用牛顿法和基于大偏差理论估计测度变换的系数,并在此基础上提出了常数凝固估计法.数值实验表明,提出的算法与通常的蒙特卡罗方法相比,大大减小了模拟误差,从而提高了计算效率.     

基于文化算法的投资组合规划问题求解

运用两种版本的文化算法对投资组合的非线性规划模型进行求解,并与进化规划算法进行了比较.仿真实验表明,与进化规划相比,文化算法的两个版本均能以更快的速度稳定地收敛到全局最优解,因此采用文化算法求解此类非线性优化问题更为有效.     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.     

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.     

无风险控制的log-最优投资组合问题的一个黎曼几何随机算法

无风险控制的log-最优投资组合问题是一个很有实际应用价值的计算金融问题,本文给出了求解该问题的一个内蕴的自然梯度随机算法。算法的内在优点是每步迭代所得近似结果都自动满足约束条件,而且具有内点算法的特性,因此收敛速度较好。最后,将该算法应用于上海证券交易所的实际数据计算,结果令人满意。作者也对所得结果进行了合理的金融实证分析。     

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。     

中小投资者的投资组合模型分析

组合投资是一种有效地分散风险的投资决策方法.以中小投资者为对象,在探索建立中小投资者的二次规划模型的基础上,应用单纯形法对模型的求解方法进行了分析探讨,并加以实例验证,结果证明了模型及其求解方法的可行性和有效性,从而能为中小投资者的投资决策提供一定的参考.