基于混合遗传算法的投资组合优化改进模型研究

证券投资组合优化问题的实质就是有限的资产在具有不同风险收益特性的证券之间的优化配置问题.本文在马克维茨投资组合的均值一方差模型框架下,提出改进的证券投资组合优化模型,即以VAR作为风险度量工具和以RAROC作为目标优化函数的投资组合优化模型.从理论上讲该模型更符合投资工具的风险收益规律,同时采用遗传算法求解也保证了该模型在投资实践中应用的有效性.该模型和求解方法的有效性在上证A股市场的实证研究中得到了验证.     

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.     

带交易费的社保基金投资组合模型

为了研究社保基金投资证券的问题,在借鉴了现代投资组合理论的基础上,引入β系数区间量化资产风险,通过修改隶属函数刻画投资收益率及流动性水平。考虑其安全性特点的前提下,构建了带有交易费的社保基金证券投资组合模型,并且设计了改进的遗传算法对模型进行求解。采用2012年上证所的实际数据,应用此模型求得各风险资产和无风险资产的最佳投资比例,通过修改参数值,得到了不同情况下的最优投资策略,验证了模型的有效性和灵活性,得到了合理的结论。     

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。     

蛋白质三级结构预测的并行化算法

在分析了使用PSO（粒子群算法）和GA（遗传算法）的协同优化算法对蛋白质三级结构进行预测的基础上,引入并行算法。进而提出并行算法的优势所在,并详细介绍了遗传算法的三种并行模型,最后给出改进后的并行改进算法模型。     

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。     

Hopfield网络优化及证券投资组合问题求解

证券投资组合问题属于大规模注解问题，如何提高模型运算的速度和精度，决定了模型能否在实际中获得广泛应用。本利用Hopfield网络求解证券投资组合问题，以求提高求解的速度和精度，通过对建立的模型进行模拟运算，计算机运行结果证明该方法是可行的，运用神经网络模型的硬件构造进行求解，无疑将大大在提高模型的运算速度和精度，从而使证券投资组合更易于获得实际应用。     

一种改进的实数型遗传算法在多目标最优投资组合选择中的应用

根据信息论中熵的概念，提出用熵来度量投资组合对风险的分散能力．同时，在兼顾收益和风险的情况下，提出了一个新的多目标投资组合模型，并用改进的经典遗传算法求解该模型．实例分析表明，该模型及算法具有实际可行性。     

证券投资组合理论在中国的适用性分析及其改进

对马克维茨(Markowitz)投资组合(Portfolio)模型进行了阐述,即投资者进行决策时总希望用尽可能小的风险获得尽可能大的收益,或在收益率一定的情况下,尽可能降低风险·并且针对马克维茨投资组合模型假设条件中的市场效率、风险测度、参数估计时效性、零交易费用等假设条件进行了分析,提出了马克维茨证券组合理论在我国运用存在的主要问题,并对组合证券投资优化模型的改进提出了自己的思路·     

证券组合投资模型研究

证券投资是一种高风险的投资行为。文章综合考虑证券投资的收益、风险,建立了目标规划的组合证券投资决策模型。该模型运算简便实用性强。     

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.     

基于均值-CVaR- 熵的社保基金最优投资组合模型

为研究社保基金最优投资组合问题,在借鉴现代投资组合理论的基础上,从证券投资组合理论的风险度量着手,用条件在险价值（Conditional Value at Risk,CVaR）和熵来共同度量风险,提出新的风险度量模型：均值-CVaR-熵模型。在保证投资组合收益率的前提下,以 CVaR 和叉熵函数的线性组合为最小目标函数,在险价值（Value at Risk,VaR）为约束条件,构建考虑交易成本和政策约束下不允许卖空的基于均值 CVaR 熵的社保基金投资组合模型,探讨社保基金的投资方式及投资比例的分配问题,并利用实际数据求得该模型的最优解及各资产的分配比例。结果表明多元化投资是我国社保基金投资实现保值增值目的的必然选择。     

引入风险厌恶系数的投资组合模型的构建和应用

文章在经典投资组合理论核心思想上引入了风险厌恶系数,采用二进制加速遗传算法使预期收益率和风险损失率都具有随机性,即在不同投资者对收益和风险不同反应的条件下优化投资组合策略,更贴近实际地反映投资者对风险与收益的不同效应,从而选择适合自己的投资组合决策方案。     

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。     

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.     

基于蒙特卡罗的消费投资决策模型研究

将消费和投资放在一个跨期最优化框架下,提出了基于蒙特卡罗风险评估的消费投资决策模型。首先,建立个体效用函数、劳动收入、跨期预算约束、投资机会及市场摩擦因素之间的数学表达式。然后,考虑劳动收入风险、投资收益风险,建立消费投资组合动态优化模型。最后,通过一个实例阐明所提出模型能更加有效地刻画实际市场中的消费投资情况,证明所设计算法的有效性。     

房地产组合投资风险最小模型

房地产业的迅猛发展对房地产投资理论提出了新的要求.借鉴西方发达国家成熟的现代组合投资理论和成功的房地产投资经验,以风险-收益为核心思想,在房地产投资组合中引入了系统风险和非系统风险的概念.通过分析预期收益下,寻求风险最小的房地产组合投资模型,讨论了该模型的有关假设、模型中有关参数的确定,并进行实例分析,最终得出预期收益下,投资者通过调整投资组合策略,可使组合投资风险远远小于单项投资的结论.     

有交易成本的组合证券投资

分析了交易成本在证券组合投资中的作用，建立了考虑交易成本组合投资最优化模型；讨论了交易成本对有效边界的影响，给出最优投资比例公式；并讨论了有无风险证券加入证券组合时的投资有效边界；最后通过释例进行了说明。