基于模糊线性规划的证券组合投资优化研究

怎样选择一个比较满意的证券投资组合,在一定条件下实现一个最有效率的风险一收益搭配,是证券组合投资优化问题的关键。文中利用L-R模糊数来描述了某证券的期望收益率和风险损失率,从而对证券组合投资问题建立了一种模糊线性规划模型,并给出了模型的求解方法,试图优化证券的投资组合,最后给出了一个算例。     

模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

基于模糊数的证券投资组合最优化模型

利用模糊数处理不确定性信息,建立了以总风险最小为目标函数的证券投资组合优化模型.在给定的截集下,借助模糊数大小的概率比较,将模糊优化模型转化为不等式约束下的线性规划模型.利用Matlab编程解得了其最优投资方案,并阐述了该方法的可行性.     

证券投资组合的模糊Ｍ—Ｖ模型

假设证券的收益率为模糊随机变量，在考虑不存在无风险收益证券，且允许卖空时，提出了证券投资组合的模糊Ｍ—Ｖ模型．进一步，在α水平下，给出了模糊Ｍ—Ｖ模型的一个解析解，并且讨论了证券组合的有效边缘随机水平α改变时的变化情况，Ｍａｒｋｏｗｉｔｚ的Ｍ—ｖ模型为本模型的特殊情况。     

模糊数证券组合投资选择模型与求解

针对预期收益率与风险损失率为模糊数时,建立了一种具有模糊系数的证券组合投资选择模型.利用一种对模糊数排序的方法,将模型转化为传统的线性规划问题求解.     

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。     

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.     

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.     

动态组合证券投资决策非线性递推规划模型

针对现有动态组合证券投资决策方法的不足,引入递推规划的思想和方法建立了动态组合证券投资决策的非线性递推规划模型,该模型将股票价格预测的状态空间模型、投资机会集确定方法、均值方差模型、资产负债管理的网络模型和证券组合总体风险的自适应控制方法有机地结合起来,给出了一种新的具有可操作性的动态组合证券投资方法,并通过中国股票市场中３５种股票构成的数据样本验证了所建模型的有效性和适用性。     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

基于GA-FUZZY的投资组合满意度优化研究

在Markowitz均值-方差模型的基础上,利用隶属度函数转化了投资组合预期收益与风险方差的函数关系表达式,构建了在不同模糊目标、模糊约束权重系数下的模糊投资组合集成模型,引入遗传算法有效地解决了投资组合模糊最优满意度决策问题.并以我国资本市场三种最基本的金融资产开展实证分析,取得了较好的效果.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先,通过新的目标函数的最小化确定模糊模型的输入空间,即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解,通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能,对非线性系统进行了仿真建模研究,仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

一类模糊证券组合投资的最优模型

为了体现投资者对期望水平的满意度,以最小风险对应的最大方差系数为目标,期望临界收益率为约束,建立一类新的模糊证券组合投资的最优模型。运用模糊优化和进化规划方法,研究新风险概念下的模糊证券组合选择,并给出了其相应算法。     

Analysis of Helical Gear System Dynamic Response Based on Fuzzy Numbers

A non-linear dynamic model with the single degree of freedom of a helical gear pair introducing fuzzy numbers is developed. In this proposed model, time-variant mesh stiffness, which is a non-linear parameter, mesh damping and composite error of a pair of meshing tooth of the gear pair are all included. Mesh stiffness is calculated by expressing Bθ (τ) as a Fourier series. Π shape function is introduced as the membership function to characterize the fuzziness of the error. Fuzzy displacement dynamic response of the geared system at λ- level, which is a closed interval, is obtained by removing the fuzziness of the fuzzy differential equations and using Runge-Kutta numerical method. In fact, the fuzzy dynamic response and dynamic loading factor are all the interval functions related λ. The result obtained here can be used to the fuzzy dynamic optimization design course of the helical gear system. The main advantage of this method is to introduce the concept of fuzzy number for the first time to the a     

基于非线性模型的汽车空气悬架系统模糊控制研究

文章采用了一种直接把空气弹簧的非线性力放入系统模型中进行分析和计算的方法,在非线性模型上分别施加一般模糊控制和参数自调整模糊控制,并比较两种控制方法对车辆行驶平顺性的影响;运用Mat-lab/Simulink软件对系统进行平顺性分析,其结果发现运用非线性方法更能真实反映车辆在实际行驶中的振动响应情况,而施加参数自调整模糊控制较一般模糊控制能进一步改善车辆行驶平顺性。     

不确定条件下的零等待Flow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。     

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.     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题,并考虑处理时间的不确定性以及存储时间的有限性,在模糊规划理论基础上,建立了带有提前／拖期的存储时间有限型Flowshop的调度模型,通过中间值最大隶属度算法,将原有的模糊调度模型转化为清晰的调度模型,并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。