证券投资基金的一种投资组合选择模型

以Markowitz组合证券投资模型为基础，在期望—半方差(E—Sv)风险测度条件下，针对带有交易费的投资组合优化问题进行了研究．提出了一种变形Γ—分布来描述股票的收益，给出了分布中参数的确定方法．根据中国证券投资基金的实际情况，建立了一种新的组合证券投资模型，为证券投资基金等机构投资者解决大型证券投资决策问题提供了一种方法．     

机会约束下的均值-VaR组合投资问题

结合均值一方差模型和机会约束模型提出在允许卖空时的机会约束下的均值-VaB模型，它是以期望收益率与置信水平为导向的．在假设投资收益率服从正态分布的条件下，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并用Matlab语言给出求解程序，最后举例予以说明并验证了两个重要结论．     

机会约束下的投资组合问题

不同的投资者会有不同的期望收益率与置信水平，因此就会采取不同的投资策略，在证券收益率服从正态分布的前提下，提出了在允许卖空时的一类机会约束下的投资组合问题，它是以期望收益与置信水平为导向的，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并利用Matlab语言给出了求解有效边界曲线，可行集，机会约束问题的最优解，最优解的均值以及标准差的程序，最后举例予以了说明。     

一类混合机会约束整数规划模型及其应用

提出并建立了一类混合机会约束整数规划模型,该模型同时含有模糊和随机参数。运用随机模拟与模糊模拟相结合的技术,给出了求解该机会约束整数规划模型的遗传算法。针对一类生产计划问题,在模糊和随机两类不确定因素同时并存的情况下,分析建模和数值求解,结果说明了模型和算法的适用性和有效性。     

组合证券选择的最优化模型研究

研究当投资人的投资机会是m种满足几何布朗运动的股票时的连续时间组合证券投资问题．文章在分析风险资产运行模式和Merton工作的基础上，利用Markowitz组合资产选择理论，考虑投资人的风险态度，并兼顾收益和风险，在自融资的假设下，提出了考虑收益和风险的连续时间组合选择最优化模型，通过权衡收益和风险，给出了决定组合选择的方法和最优投资权重．最后用释例进行了说明．     

组合证券投资模型研究

在分析Ｍａｒｋｏｗｉｔｚ组合证券投资模型、绝对离差风险测度模型和Ｅ－Ｓｈ风险测度模型的基础上,针对上述模型的不足之处,提出了新的风险测度下的组合证券投资最优化模型,给出了计算最优投资权重系数和确定有效边界的方法．并结合案例分析了最优化模型的有效性     

组合证券投资的概率准则模型

从概率角度出发，提出一种概率准则的新型组合证券投资模型，在此模型中，把实现预期收益的概率作为目标函数，使之达到最大，在证券收益率服从正态分布的条件下，给出了概率准则证券组合投资模型的确定性等价类模型，研究分析了概率准则证券组合投资模型与已有的传统证券组合投资模型的区别。另外，给出了模型最优解的必要条件以及目标值的范围估计，并给出数值算例。     

我国证券投资基金投资行为的规范性

在制定证券投资基金投资行为规范性判断标准的基础上,结合2007～2009年相关证券投资基金的时间序列数据,运用经典的资本资产定价理论对证券投资基金投资组合的理论风险和实际风险进行了研究,对我国证券投资基金投资行为的规范性变化进行了分析,发现随着近几年我国证券市场的高速发展,我国证券投资基金的投资行为已经越来越规范,证券投资基金投资行为规范的基金数量比重已经从2007年的11.5%提高到了2009年的60%。     

基于种族优生的进化规划用于混合非线性整数规划

混合非线性整数规划是在许多工程应用中经常遇到的重要问题。本文提出一种基于种族优生的进化规划算法用于求解混合非线性整数规划。一方面，该算法基于多种群并且每一代都选择各种群的最优秀个体作为下一代的种群祖先。另一方面，该算法的进化步长、种群规模和处理约束条件时所取的参数在进化过程中是动态变化的。实验表明该方法求解混合非线性整数规划问题的仿真结果优于现有的研究成果(GA，ES，SA)。     

一种证券组合投资的模糊多目标规划方法

考虑了证券投资的预期收益率和风险的模糊性 ,利用多样化选择约束抵减证券投资的非系统风险 ,以证券组合投资的收益率极大化和β值极小化为目标 ,建立了一种新的基于模糊多目标规划的证券投资决策模型 ,指出了模型的求解方法 .     

基于卖空成本的证券投资基金投资组合选择问题

讨论了卖空条件下,按卖空中股价比例收取成本费用的证券投资基金投资组合选择问题,提出了有卖空成本、考虑基金管理人风险偏好的证券投资基金投资组合选择最优化模型,求出了最优解的解析表达式及其有效边界.在此基础上,结合模型的有效边界及相应的置信水平对模型最优解存在条件进行了分析并提出了相关定理.最后,进行了算法释例.     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

一个基于极大极小风险价值的组合投资模型

风险价值理论能够很好地从心理和行为方面综合考虑收益与风险之间的决策。本文将风险价值指标引入组合投资领域,通过极大极小风险价值,建立了相应的组合投资模型(MMRV),并与其他模型(MMR、MV)进行了比较分析。     

一个基于模糊决策理论的投资组合模型

对清晰和模糊两种情况下的组合投资问题进行了研究 ,提出了相应的模型和求解方法 .模型以绝对偏差和代替方差 ,假定交易费用函数为 V-型函数 ,给出了将目标函数中含有非线性项或含有非线性约束的优化模型转化为线性规划问题的一个简便方法 ,不仅大大地简化了模型的计算 ,更重要的是使得在线解决大型组合投资问题成为可能 .投资者的主观意见反映在模糊情况的组合投资模型之中 .最后通过一个例子来说明本文所提出的方法 ,并对文中两个模型进行了对比分析     

A New Method for the Decomposition of Portfolio VaR

In this paper, we give a new method of decomposing of portfolio VaR which are held with the hypotheses of non-normal distribution, based on the mutual relationships of marginal VaR, component VaR and Incremental VaR, and have the same results with decomposing of portfolio under the hypotheses of normal distribution.     

基于GJR-EVT-COPULA和下偏矩的最优资产组合分析

与方差风险测度相比,下偏矩一方面能够度量下边风险,另一方面通过设置不同的风险因子它可以更广泛的反映投资者的风险偏好.Harlow[1]建立了基于历史数据的均值下偏矩最优投资组合模型,本文考虑建立预测数据下的均值下偏矩最优投资组合模型,并同Harlow的模型进行实证比较.考虑到实际收益数据的时变性、杠杆效应和厚尾特征,引入AR(1)-GJR(1,1)-EVT模型来描述金融时间序列的上述特征,并通过t Copula函数描述资产收益之间的非线性相关性.对基于历史数据的均值-二阶下偏矩模型和基于预测数据的均值-二阶下偏矩模型的投资绩效进行考察.中国股市的实证结果表明,基于预测数据的均值二阶下偏矩模型可以得到更好的投资绩效.     

一种求解带交易费的证券组合选择问题的线性规划方法

研究带交易费的最优证券组合问题 .交易费函数一般都假设为新的与已有的证券组合之差的 V函数 ,在某些假定下 ,带交易费的最优证券组合问题一般可以表示成一个不可微的双目标规划问题 .本文通过引进风险水平参数和变换等将不可微的双目标规划问题转化为一个线性规划问题 ,从而可以用单纯形算法等方法有效地求解带交易费的最优证券组合问题 .本文也给出了确定风险水平参数的一种方法 .     

基于混合整数规划的相邻交叉路口信号协调控制

建立一个基于混合整数规划的相邻交叉路口信号协调控制模型，该模型适用于两路口之间距离比较短的情况。根据上游路口的驶入率和周期初路段上的车辆数，对该路段上的车辆运行情况进行了研究，得到了一个周期内该路段的车辆数变化以及下游路口车辆驶出累积数，并通过协调上游路口信号灯变换时间来控制下游路口车辆周期内的驶出数量。本文与现有文献的不同之处在于，是以固定时间内下游路口驶出的车辆数为目标函数进行建模，给出了模型的一些重要性质，并通过算例对模型的协调控制能力进行了仿真研究。     

基于Copula方法的开放式基金投资组合的VaR研究

Copula已被广泛地应用于金融领域,特别在金融市场上的风险管理,投资组合的选择,资产定价等方面,并成为解决金融问题的一个有力工具.本文以南方高增长基金的前10支股票为例,建立了投资组合风险分析的Copula-GARCH模型.结合Monte Carlo模拟技术,利用Copula理论计算投资组合的VaR,并与传统的VaR方法进行比较,实证结果表明基于Copula的VaR方法能够更加有效地测量开放式基金投资组合的风险.