基于遗传算法的高阶矩投资组合模型研究

金融资产收益数据普遍具有非对称和尖峰厚尾的分布,传统的马克维茨投资组合模型仅仅考虑了均值和方差的约束,这在确定投资组合时是不充分的.考虑了三阶矩偏度和四阶矩峰度对投资组合的影响,假定交易费用为V-型函数,建立了均值-方差-偏度-峰度投资组合模型,鉴于多目标优化求解的复杂性,编写遗传算法程序求解这一高阶矩投资组合,最后给出了一个数值算例.     

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．     

组合投资选择均值-最小最大化多目标规划模型

构造了一个均值-最小最大化组合投资多目标规划模型.与胡达沙和吴炜提出的多目标均值-方差模型比较,该模型有几方面改进.除了模型假设和数学表述的一些修正,该模型使用历史最小收益替换方差,这使得该模型不仅继承了多个目标的可行权衡的好的特性,而且在衡量向下风险方面的表现优于多目标均方模型.通过理论分析和数值试验说明了这一点.当组合投资收益分布适度有偏时,该模型的优势会更为突出.     

摩擦市场下多阶段投资组合的均值方差模型

研究税收、红利和新型交易成本下摩擦市场的多阶段均值-方差模型的投资组合问题。在允许卖空的情况下,以终端财富最大化为目标,通过建立辅助问题,利用逆序动态规划的求解方法,得到了各阶段的最优投资策略解析表达式,同时也得到了均值方差有效前沿的解析表达式。     

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。     

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.     

摩擦市场的投资决策模型研究

根据摩擦市场的特点，建立了一个含有交易费、税收这两个摩擦因素及送股情况下的多目标规划模型，并利用效用函数将其转化为一个单目标模型。同时，针对投资者一般难以准确描述自己的效用函数这一事实，让投资者根据自己的效用偏好两两比较有效投资组合，然后利用Fabonacci法逐步逼近最优解，最后得到近似最优投资组合。     

基于最小信息熵—最大增值熵的投资组合优化模型

针对Markowitz的均值-方差模型的缺陷,用信息熵代替方差度量风险,用反映资金的增值速度的增值熵代替均值,提出了一种新型投资组合模型——最小信息熵-最大增值熵模型,并通过多目标决策方法中的模糊集理论对模型进行求解。同时,给出了通过引入权重系数,将原模型转化为了具有单一目标函数的求解方法。最后通过上海证券交易所的实际数据验证了模型的可行性和有效性。     

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。     

基于VaR约束不允许卖空的均值-方差投资组合优化

提出基于风险价值(VaR)约束且不允许卖空的均值-方差投资组合模型,结合序列二次规划方法和不等式组的旋转算法,计算出不同最低收益率所对应的最优投资策略。采用实例验证了上述算法的有效性,并证明在一定条件下,引入VaR约束条件可以降低投资风险。     

一种交互式进化规划及其在供应链问题中的应用

基于适应度函数相对误差和若干参数的选择,提出了一种交互式的进化规划·这种交互方式利于群体初始解和变异,选择操作中方差参数的选取·将此算法应用在一个供应链优化问题中并进行问题的仿真应用·结果表明对于数据量庞大的非线性模型的优化求解,改进后的进化规划算法具有更强和更广泛的适用性     

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。     

多目标投资决策模型的进化算法

对一般的多目标投资决策问题给出了一种进化算法,并在微机上进行了大量试算,获得了良好的效果。     

收益率为模糊数带弹性约束条件的组合选择模型

证券市场中不确定的信息具有模糊性．将收益率视为梯形模糊数,分别用模糊数的可能性均值和平均绝对偏差来表示投资组合的收益和风险,考虑到目标函数和约束条件具有弹性,建立了模糊线性规划组合投资模型。并转化为普通线性规划问题求解。最后给出了数值计算实例．     

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.     

摩擦市场条件下的Mean-Variance-Skewness模型

在投资组合选择模型中考虑了资产收益率分布中正的偏度水平,并通过引入一些市场摩擦因素建立了摩擦市场条件下的Mean-Variance-Skewness模型.提出了一个新的遗传算法加速其搜索收敛过程,解决了该模型的计算复杂性问题.在该模型框架内对交易费用和税收等市场摩擦因素进行了敏感性分析.研究证明资产收益率分布的偏度水平是与投资者的决策相关的,市场摩擦因素对投资者的决策行为也有直接的影响.因此,考虑摩擦市场条件下基于正偏度水平偏好的最优投资组合模型对投资者有很强的实践指导价值.