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。     

基于ARMA与BP神经网络模型的产品质量安全风险预测

主要通过对产品伤害人数的预测来表征产品质量安全风险。依据产品伤害人数的时间序列数据,建立较为稳定的ARMA模型和BP神经网络模型对产品伤害人数做出了科学的预测;并对两种预测方法进行了实证结果比较与分析,为管控产品质量安全风险提供方法支持。     

带有模糊流动性约束的均值-方差-偏度-正弦熵投资组合优化模型

通过引入可信性偏度及模糊流动性约束,分别建立了同时满足随机不确定和模糊不确定情形下的均值-方差-偏度-正弦熵（M-V-S-SE）的投资组合模型和带有模糊流动性约束的均值-方差-偏度-正弦熵（M-V-S-L-SE）投资组合优化模型。然后运用马尔科夫方法求解模糊收益率,利用上海证券交易所数据进行实证研究。结果表明：模糊流动性约束的引入使得模型更加稳定,在提高收益、控制风险等方面更具有优势。