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．     

一种VaR度量下基于OWGA算子的区间数组合投资模型

本文建立了VaR度量下基于OWGA算子的区间数多目标组合投资模型.通过引入乐观系数将区间数组合投资模型转化为确定型组合投资模型,利用目标函数偏好水平将多目标组合投资模型转化为单目标组合投资模型,并引入0-1变量对模型进行求解.最后通过算例分析了OWGA加权向量,置信水平及目标函数偏好水平对决策结果的影响,并说明了模型的可行性和有效性.     

组合投资选择均值-最小最大化多目标规划模型

构造了一个均值-最小最大化组合投资多目标规划模型.与胡达沙和吴炜提出的多目标均值-方差模型比较,该模型有几方面改进.除了模型假设和数学表述的一些修正,该模型使用历史最小收益替换方差,这使得该模型不仅继承了多个目标的可行权衡的好的特性,而且在衡量向下风险方面的表现优于多目标均方模型.通过理论分析和数值试验说明了这一点.当组合投资收益分布适度有偏时,该模型的优势会更为突出.     

基于 CVaR 与平均离差波动性限制的多阶段投资组合模型

提出了一种基于CVaR的多阶段投资组合模型,用离散型动态规划把各阶段投资过程整合为一个整体,对组合资产收益率做正态分布假设,用拉格朗日乘子法将平均离差MAD模型写入目标函数,实现波动性度量限制.实验结果表明,该模型满足实际投资要求,符合实际投资规律,与原始多阶段CVaR模型相比具有资产组合收益率波动性较小的优势.     

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。     

投资组合中多目标规划最优化数学模型的应用

本文通过对证券组合投资的预期收益率和投资风险进行综合定量分析,建立了证券组合投资的预期收益率和投资风险进行综合定量分析,建立了证券组合投资的预期收益率和投资风险两个目标均达到最优的多目标规划模型,并对模型进行分析,最后通过案例给出了模型的最优解.     

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。     

几何布朗运动的分时段组合投资模型

在证券价格过程是几何布朗运动前提下,建立了分时段组合投资的多目标规划模型,使得投资受益最大和投资风险最小.最后,实例分析了该模型的现实价值.     

投资组合优化模型的一个序列凸近似算法

以CVaR为代表的凸优化投资组合模型近年来引起了广泛研究.为克服传统投资组合模型中凸近似的不足,提出了一个投资组合的DC规划模型.该模型用一个DC函数替代了CVaR模型中的凸近似函数,同时要求所有约束条件在概率意义下成立.进一步地,提出了一个序列凸近似(SCA)算法用于求解DC规划问题,并运用Monte-Carlo方法来实现SCA算法.初步的实验结果表明,因子收益服从"尖峰厚尾"分布时,模型的目标函数值优于采用CVaR近似的目标函数值.     

均值-CVaR投资组合模型及改进的蝙蝠算法求解

基于投资者是风险厌恶型和风险资产价格路径服从跳扩散过程的假设,采用条件风险价值来度量组合风险,建立均值-CVaR投资组合优化模型.为快速有效求解模型,将基于模型的交叉熵随机优化方法嵌入到基于群体的蝙蝠仿生算法中,构建一种改进的蝙蝠算法,该算法既充分发挥交叉熵方法的随机性、自适应性和鲁棒性,又有效抑制蝙蝠算法的早熟收敛现象.借助Monte Carlo模拟情景生成得到价格路径,进而采用所建算法实现模型求解,并与遗传算法和线性规划方法进行比较.实验结果表明,新算法在求解有效性和实用性方面表现更好,取得更为满意的结果.     

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。     

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.     

马科维兹资产组合选择模型旋转算法的特点

证明在一定条件下,马科维兹模型的旋转算法只需使用主旋转运算,并证明如果主旋转运算使得投资组合增加一种资产,则风险减少,反之则风险增加。     

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.     

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。     

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。     

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。