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.     

均值-方差模型研究

文章探讨了投资组合风险规划模型,首先回顾了一般的均值-方差模型,在此基础上,对模型进行了拓展,提出了解方程的思想,最后通过案例实证分析得到组合的最优解.     

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.     

浅析风险厌恶者的资产组合最优选择

本文阐述了资产组合选择的基本理论,并介绍了一种比较稳健的投资办法,使得风险厌恶者的资产在分散风险基础上,获得预期的收益.     

半方差模型在组合优化中的应用效力比较

首先介绍半方差及其在投资组合优化中的应用,用数量方法进行样本股票的筛选,并采取事前检验及事后检验的方法,对半方差和其他各种理论模型计算得出的最优投资组合的市场表现进行比较,用事实说明作为半方差及其他模型具有比较高的应用效力标准。     

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。     

带有Yager熵约束的方差-混合熵投资组合优化模型

通过引入可信性方法和Yager熵约束,建立以方差-混合熵（VHE）为风险度量的投资组合优化模型,通过上海证券交易所数据对均值-方差-混合熵模型（MVHEM）、均值-方差模型（MVM）和均值-混合熵（MHEM）模型进行实证比较分析。结果表明,本文所构建的模型可以较好地均衡方差和混合熵在风险控制方面的作用,Yager熵约束的引入可以进一步增强模型的稳定性,在控制风险水平的条件下实现了相对更高的累计收益。     

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。     

不允许卖空情况下多阶段均值-方差投资组合优化

提出了不允许卖空情况下终期财富最大化的多阶段均值-方差投资组合模型,其目标函数不具有可分离性。将该模型嵌入到一个辅助模型中,从而转化为目标函数可分离的动态规划问题,并用离散近似迭代法进行求解。最后采用源自上海证券交易所的实证数据验证了该模型和算法的有效性。     

数据驱动的扭曲均值-半方差投资组合选择

运用样本平均近似的数据驱动方法研究了带概率扭曲的均值-半方差投资组合优化模型,结合经典的遗传算法(ICA)和帝国竞争算法(GA),提出了ICA-GA混合算法.利用真实市场数据,对模型进行实证分析并求解有效前沿.最后,通过比较算法程序运行时间,表明本文创新的ICA-GA混合算法融合了帝国竞争算法和遗传算法两者的优势,比它们有更好的表现.     

基于线性矩阵不等式的贷款组合鲁棒优化模型

运用线性矩阵不等式方法,研究了商业银行贷款组合选择的鲁棒优化问题.在Markowitz均值-方差理论基础上,建立了贷款组合鲁棒优化模型,并用多个期望收益向量和协方差矩阵描述未来贷款收益的不确定性,给出了线性矩阵不等式的求解方法.用数值仿真验证了模型的有效性.由于模型考虑了未来贷款收益的不确定性,得到了可靠性较高的结果.研究结果表明,该模型具有鲁棒性,可以有效降低贷款风险,并可为商业银行提供贷款决策依据.     

投资组合虚拟无差异曲线模型最优化方法

在对沪市β-域划分的基础上,根据马柯威茨有效组合最优化原理,阐述了投资组合虚拟无差异曲线一般模型的求解思路,即无论是在允许卖空和非允许卖空条件下均可以从虚拟无差异模型的基本问题出发,前者从基本问题的求解即可达到最优组合;后者可在基本问题求解的基础上进行二次寻优求得最优组合.讨论了风险型和保守型投资者的投资组合模型及其求解方法.给出了基于β-风险域的投资组合最优化方法的应用例子.     

基于一致性风险价值的投资组合优化模型研究

证券市场上收益率分布存在严重的偏峰厚尾现象;同时风险价值方法本身不符合次可加性．这使得进行组合优化时它的局部最优解并非全局最优．针对这些问题,我们从一致性风险度量理论出发,提出了一种新的风险度量技术——一致性风险价值——来度量投资组合的信用风险,在此基础上建立了一致性风险价值的投资组合优化模型,并运用线性规划技术进行组合优化．最后我们通过实证研究,发现运用基于一致性风险价值的优化模型进行投资组合的结果,优于运用基于风险价值的优化模型．     

基于微粒群算法的投资决策研究

投资组合是现代金融领域的一个研究热点,本文将投资模型中控制投资风险过大的风险因子e引入的基本微粒群算法,用来解决投资决策问题,取得较好的效果。实验数据表明微粒群算法高效、可靠,具有很强的使用价值。     

债券组合管理模型及其敏感性分析

为了对金融机构的资产进行有效组合 ,使得资产和负债合理搭配 ,在不完全信息情形下 ,利用随机规划的定界技术 ,研究了资产负债管理模型参数的敏感性 ,分别得到了在随机利率和随机负债情形下极大效用函数的上、下界 ,进而确定了效用函数的活动范围 ,以此作为金融机构资产配置的参考依据     

带有流动性的模糊投资组合优化模型

用三角模糊数描述证券的收益率,同时基于流动性与证券收益之间存在的负相关关系,设置流动性的效用函数,从而建立一种考虑流动性的多目标投资组合优化模型,再将多目标模型转化为单目标模型,用Lagrange乘子法求解并进行数值试验.     

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．     

基于改进粒子群优化的投资组合模型研究

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合;同时考虑投资者对风险的喜好、交易费用等,建立了不同风险态度下含有背景风险和交易费用的可能性均值-下半方差模型,并提出一种求解该模型的带有选择规则的粒子群算法.以上海证券交易所180指数随机选取的8支证券为例组成投资组合,给出数值算例,数值实验仿真结果表明了所提出的模型和方法的有效性、可靠性.     

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。     

证券组合投资决策的两种最优化方法

在介绍证券组合投资的基本理论和计算方法的基础上，提出了一种采用效用函数寻找证券组合的决策模型；然后，将此模型与条件极值优化模型作比较分析，结果表明这种新的模型在一定条件下更有效。