基于直觉模糊规划的多目标投资组合选择模型

将直觉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,用隶属函数与非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.     

可调整的均值-半方差可信性投资组合绩效评价

本文提出具有实际约束的可调整的均值-半方差可信性投资组合优化模型。基于可信性理论,将上述模型转化为非线性规划问题。当考虑实际投资约束情况,如交易成本、交易量限制和借款限制的影响,投资组合优化模型非常复杂,难以获得真实前沿面的解析解,这给投资组合的绩效评价带来很大的困难。本文提出基于数据的实际约束的均值-半方差可信性投资组合DEA评价模型,进而利用DEA模型的前沿面来逼近一般情形下真实的前沿面。最后,通过上海证券市场的实际数据验证了本文方法的可行性和实用性。     

具有现实约束的均值-方差模糊投资组合绩效评价

本文提出了具有实际约束的均值-方差模糊投资组合优化模型。由于实际投资约束情况,如交易成本、交易量限制、借款限制和基数约束的影响,投资组合优化模型非常复杂,难以获得真实前沿面的解析解,这给投资组合理论的应用带来了很大的困难。基于数据的实际约束的均值-方差模糊投资组合DEA评价模型,文章通过构造前沿面来逼近一般情形下真实的前沿面。最后,通过上海证券市场的实际数据验证了本文方法的合理性与可行性。     

均值-半绝对偏差区间投资组合绩效评价

本文构建了考虑现实约束的均值-半绝对偏差区间投资组合优化模型。由于存在实际投资约束,如交易成本、交易量限制和借款限制,投资组合优化模型相对复杂,不易获得真实前沿面的解析解,使得投资组合理论的应用难度加大。为了求解模型,引入DEA方法,构建均值-半绝对偏差区间投资组合DEA评价模型,通过构造前沿面来逼近真实前沿面。最后,使用上海证券市场的实际数据验证了本文方法的合理性与可行性。     

摩擦市场条件下的双目标投资组合模型模糊优化

首先建立了摩擦市场条件下基于收益率分布偏度水平的双目标投资组合模型.在此基础上,将模糊集合的概念引入到该模型中,用模糊数学中的线性隶属函数处理了其中的风险目标和收益目标,建立了摩擦市场条件下基于收益率分布偏度水平的模糊型双目标投资组合模型.然后,针对该模型进行了新型遗传算法设计(动态遗传算法).最后用一个具体的算例给出了该模型的一个实例最优解,体现了多样化投资分散风险的组合投资原理.     

项目投资组合的风险度及其最优决策

本文针对项目组合投资问题引入了风险度概念，并建立其风险度模型．在无零风险度项目的情况下，给出了该模型的最优项目组合投资策略并证明该策略为马氏有效．在有零风险度项目的情况下，讨论了该模型的有效前沿的结构、性质和有效性，同时还论证了该模型的有效前沿与威廉·夏普提出的资本资产定价模型的有效前沿相一致的线性关系．最后作为本模型的应用，构造了”保证还本”模型，给出了其最优项目投资组合的策略．     

共同资金投资组合的有效边界与最优策略

本文利用均值方差模型,分析了非线性交易成本下的共同资金投资的有效边界和在一般的效用函数下讨论了最优投资组合和最大效用,其中只考虑风险资产的总投资比例对交易成本的影响.     

基于区间数的证券组合投资模型研究

提出了证券组合投资的区间数线性规划模型.通过引入区间数线性规划问题中的目标函数优化水平α和约束水平β将目标函数和约束条件均为区间数的线性规划问题转化为确定型的线性规划问题.投资者可以根据自己的风险喜好程度和客观情况,对这两个参数做出不同的估计,从而得到相应情况下的有效投资方案,使证券组合投资决策更具柔性.最后通过实例分析说明了该模型的可行性.     

求解带有交易费的CVaR投资组合模型的L-S算法

本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L-S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.     

共同基金和无风险资产投资的最优策略

利用均值-方差模型,分析了非线性交易成本下的共同基金与无风险资产投资组合的有效边界和在一般的效用函数下讨论了投资者的最优投资策略.     

考虑Vasicek利率和相依风险的最优投资与再保险

本文研究了利率由Vasicek过程描述,两类保险业务具有相依风险的最优投资和再保险模型.盈余过程由扩散近似模型刻画,保险人的目标是在给定期望终端财富的情况下,寻找使得终端财富的方差最小的投资和再保险策略.通过使用随机线性二次最优控制理论,建立Hamilton-Jacobi-Bellman(HJB)方程,我们获得了值函数的精确表达式以及最优投资和再保险策略.另外,我们给出了有效策略和有效前沿.最后,通过数值例子说明了模型参数对最优投资和再保险策略的影响.     

基于随机基准的最优投资组合选择问题研究

本文研究基于随机基准的最优投资组合选择问题. 假设投资者可以投资于一种无风险资产和一种风险股票,并且选择某一基准作为目标. 基准是随机的, 并且与风险股票相关. 投资者选择最优的投资组合策略使得终端期望绝对财富和基于基准的相对财富效用最大. 首先, 利用动态规划原理建立相应的HJB方程, 并在幂效用函数下,得到最优投资组合策略和值函数的显示表达式. 然后,分析相对业绩对投资者最优投资组合策略和值函数的影响. 最后, 通过数值计算给出了最优投资组合策略和效用损益与模型主要参数之间的关系.     

摩擦市场中最优证券组合选择的极大极小法

在考虑交易成本的基础上,构造最优投资组合选择的极大极小模型,同时允许投资者卖空风险资产.在求解过程中,针对出现的非光滑函数,通过引入极大熵函数用光滑问题来逼近非光滑问题.最后推导出连续可微的方程组,可采用经典牛顿法求解.数值分析验证了该方法的有效性.     

基于下方风险控制的动态投资组合优化研究

研究了跳扩散结构下带有下方风险控制的动态投资组合优化问题.基于投资组合中每一种资产的收益率观测序列,模型在不断变化的数据窗口下把组合比例看作向量值随机过程,利用马尔可夫链蒙特卡罗模拟方法得到随时间变化的动态投资组合最优配置,这样可以根据市场信息的变化及时做出策略调整,既达到了预期收益目标又控制了风险,使得组合投资更切实际.通过实例分析可以看出,该方法相对传统方法更行之有效而且操作简便.     

基于Multi-Agent的机构投资者行为投资组合模型

从人的有限理性角度研究了机构投资者的投资组合决策问题．基于Multi-Agent构建了多心理账户情景下,机构投资者的两级行为投资组合模型；并且,利用两状态Markov链和管理熵函数描述了该模型中的关键参数；仿真算法释例验证了该模型能够逼近实际决策情景．     

基于可信性理论的均值-熵-偏度投资组合模型及其算法求解

本文考虑到证券市场的投资者往往面临着随机和模糊两种不确定性的情形,在模糊随机环境下把证券的收益率视作三角模糊变量,在可信性理论基础上建立了带融资约束条件的均值-熵-偏度三目标投资组合决策模型,拓展了基于可信性理论的投资组合决策模型的研究内容,同时通过对约束条件处理方法,外部档案维护方法等关键算子的改良,提出了一种新的约束多目标粒子群算法。本文运用该算法对模型进行求解,把得到的最优解与传统的多目标粒子群算法得到的最优解进行对比,结果表明新算法得到的最优解的质量会显著地优于传统的多目标粒子群算法的最优解,从而验证了算法的有效性和准确性。该算法可以在三维空间中得到一个分布性和逼近性较好的Pareto最优曲面,满足投资者对不同目标的差异需求,为投资者提供合理的投资组合决策方案。     

一类投资组合选择的线性规划方法研究

如何在摩擦市场下构建最优组合一直是一个非常有意义的问题.人们通常在有效前沿上选择最优的投资组合,但是值得注意的是,如果我们考虑摩擦因素,原本的有效组合将不再有效.探讨如何在无风险借贷利率不同的摩擦市场下构建投资组合模型.为了得到最优策略,我们先利用Karush-Kuhn-Tucker条件给出一类线性规划问题求解方法,然后具体阐述如何将投资决策问题转化为可以求解的线性规划问题,最后给出在无风险借贷利率不同的情况下投资组合的有效边界.     

基于引力搜索和粒子群混合优化算法的证券投资组合问题研究

本文研究考虑交易成本的投资组合模型,分别以风险价值(VAR)和夏普比率(SR)作为投资组合的风险评价指标和效益评价指标。为有效求解此模型,本文在引力搜索和粒子群算法的基础上提出了一种混合优化算法(IN-GSA-PSO),将粒子群算法的群体最佳位置和个体最佳位置与引力搜索算法的加速度算子有机结合,使混合优化算法充分发挥单一算法的开采能力和探索能力。通过对算法相关参数的合理设置,算法能够达到全局搜索和局部搜索的平衡,快速收敛到模型的最优解。本文选取上证50股2014年下半年126个交易日的数据,运用Matlab软件进行仿真实验,实验结果显示,考虑交易成本的投资组合模型可使投资者得到更高的收益率。研究同时表明,基于PSO和GSA的混合算法在求解投资组合模型时比单一算法具有更好的性能,能够得到满意的优化结果。     

具有交易成本的证券组合投资决策研究

本文利用均值－方差模型，分析了有交易成本的证券投资组合的决策问题，给出了风险资产和无风险资产的最优投资比例与交易成本关系的一个有意义的结论。     

动态高阶矩风险稳健性测度与参数化组合投资决策研究

针对已有高阶矩组合投资模型中风险测度与模型求解的不足，本文构建动态高阶矩参数化组合投资决策模型(B-S-K)并给出其求解方案。首先，运用混频数据抽样分位数回归(MIDAS-QR)模型，充分挖掘高频数据信息，提高动态高阶矩风险测度的及时性、准确性和稳健性；其次，采用参数化组合投资策略，将资产特征变量、动态偏度风险和动态峰度风险纳入组合投资权重函数，大幅缩减待估计参数数目，提高模型求解效率。分别对中国股票市场的个股和行业板块指数进行实证，研究结果一致表明：第一，基于MIDAS-QR模型的动态高阶矩风险稳健性测度，不仅充分考虑了金融风险的时变特征，而且测度结果受异常值影响较小，是一个稳健且有效的测度方法；第二，市盈率、账面价值比、动态偏度风险与组合投资权重显著正相关，条件波动率、动态峰度风险与组合投资权重显著负相关，这些为组合投资决策提供了较好的机理性解释；第三，与等权方案、M-V模型、基准(B)模型和B-S模型等相比，本文构建的B-S-K模型，在收益、风险和风险调整收益等三个方面均表现出显著且稳定的优势。