具有模糊收益率的投资组合选择模型

为刻画金融市场中的模糊不确定性,把资产收益看作梯形模糊数,使用可能性均值作为预期收益,可能性方差作为风险,并同时考虑最大化收益和最小化风险,建立了一种可能性均值-方差投资组合模型.考虑到模型的非线性和多目标性,利用包含精英主义操作和变异操作的多目标遗传算法对模型进行求解.最后,使用沪深股票市场中的部分股票数据对模型进行了实证分析,结果表明该方法具有较好的应用价值.     

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．     

一种证券投资组合的群选择模型

根据每一位专家给定的可能度(反映第k时期的证券收益率与未来收益率的相似程度),从乐观、悲观和折中三个角度预测证券的未来收益率,并以三角模糊数的形式表示.不同专家的预测结果用不同的三角模糊数表示,基于模糊数的相似度的定义,得到了一个集结多个专家判断的群投资组合模型,最后给出了算例.     

基于模糊理论的投资组合随机偏好选择模型的改进

证券的收益和风险于投资者来说,其决策的随机性也会使得收益和风险存在不确定性.利用模糊理论和投资组合模型对收益和风险进行标准化处理,同时引入反映投资者风险偏好的参数,再通过选取不同的偏好参数,从而找到不同参数下的最优组合.通过实例的数据试验表明根据个人不同的偏好下的投资组合,收益为主、风险为次的组合,得到的结果更优.同时标准化处理的模型在最优结果上明显优于未作处理的模型,表明了该模型具有一定的实用价值.     

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。     

证券投资中投资组合的应用研究

介绍3个重要的投资组合模型，并结合我国证券市场的现状对模型的局限性进行了简要分析，同时指出在成熟的证券市场中投资组合理论广阔的应用前景。     

基于模糊决策的CIMS投资风险评价方法

根据CIMS特点,建立了CIMS投资风险评价指标体系,在此基础上用模糊决策的有关理论建立CIMS投资风险的综合评价方法.通过一个实际的CIMS评价过程说明了该方法的实际应用.     

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.     

基于模糊熵和Yager熵的投资组合优化模型

通过引入可信度作为模糊变量的计量方法,以模糊熵和Yager熵为基础构建了一个新的投资组合优化模型。数值模拟比较发现,在几乎不降低投资组合收益率的情况下,新模型在投资组合权重配置合理性方面改善明显。实证研究进一步表明:新模型可以有效分散投资风险,降低投资者在真实的金融市场中遭受重大损失的概率,可为投资者提供决策参考。     

组合投资风险度量模型的选择研究

证券投资的最根本目的在于获取利益.但在投资过程中,收益总是伴随着风险.通常收益越高,风险越大,反之亦然.为了分散风险,投资者将许多种证券组合在一起进行投资,即所谓的投资组合,以期获得最大收益.文章讨论一种投资风险度量模型,基于均值-VaR模型和均值-离差模型,提出新的度量模型,并对新的模型进行实证分析.通过新模型下的风险值分别与均值-VaR模型和均值-离差模型的风险值进行比较,发现该模型更有优势.     

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。     

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。     

基于加权可能性均值和方差的投资组合选择的一个注记

本注记运用传统的方法针对模糊数提出一个新的加权可能性方差,有别于由Robert Fuller和Peter Ma-jlender提出的以算术平均值与其水平集端点的偏差的平方期望值作为可能性方差,并将其应用于二次效用函数的投资组合选择中.     

求解大规模稀疏Min-CVaR投资组合模型的对偶方法

投资组合管理需要在资产池中挑选合适的标的资产并确定投资组合配资比例,相关计算的时效性非常重要。基于L₁范数的稀疏Min-CVaR（Minimum Conditional Value at Risk）模型可以同步完成挑选标的资产和确定配资比例,由于增加稀疏项,相比于标准Min-CVaR模型求解更复杂。为了有效求解大规模问题,基于原始模型中约束的结构特征,构造了其拉格朗日对偶模型,通过最新的商业求解器GUROBI 12.8求解对偶模型完成计算工作。使用基于三因子模型模拟的大规模情景数据（50000行200列）和标普500高频交易数据（28805行483列）进行了数值实验,结果显示对偶模型可以数倍提升计算效率,甚至比直接求解不具有稀疏性的标准Min-CVaR模型更快。     

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POT-VaR混合模型的投资组合风险分析

在简要分析金融产品投资组合理论的基础上,尝试将超门限极值法(POT)与传统VaR模型中的方差-协方差法相结合的方式,改进传统单纯基于投资组合计算历史收益率数据的VaR模型.通过划分沪深股价前100支股指期货高频收益率数据,运用POT-VaR混合模型进行实证研究.结果表明:该混合模型可以解决收益率方差估计随时间推移的动态问题,为降低投资组合市场风险提供科学的方法,对我国期货市场投资组合风险管理提供了可靠的依据.     

风险与收益折衷的证券组合模型神经网络求解

通过分析证券的收益率和风险的关系，为个人或机构投资提供理论指导。根据风险与投资模型的特点，给出了不允许卖空情形下证券投资的风险与收益折衷模型的神经网络算法，找出了可行的证券组合最优决策的方法。     

摩擦市场下买空-卖空投资组合选择的优化方法

在假设投资者是风险厌恶的前提下,提出了一种新的买空-卖空投资组合选择模型,并考虑了交易费这种摩擦.采用极大熵方法对模型进行优化,并给出这一问题的数值解法.实证分析表明,投资者最低满意收益率的高低直接决定了人们对风险的控制程度,且投资的风险与投资者的最低满意收益率是正相关的.