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。