模糊投资组合选择问题的改进帝企鹅优化算法

模糊投资组合选择问题是在基本投资组合模型中引入模糊集理论,使所建立的模型与实际市场更加吻合,但同时也增加了模型求解难度.因此,本文针对两种不同的模糊投资组合模型,提出一种改进帝企鹅优化算法.算法首先引入可行性准则,处理模糊投资组合模型中的约束.其次,算法中加入变异机制,平衡算法的开发和探索能力,引导种群向最优个体收敛.通过对CEC 2006中的13个标准测试问题及两个模糊投资组合问题实例进行数值实验,并与其他群智能优化算法进行结果比较,发现本文所提出的算法具有较好的优化性能,并且对于求解模糊投资组合选择问题是有效的.     

具有投资限制的风险资产模糊随机投资组合模型

研究了模糊随机环境下风险资产投资组合选择问题.利用模糊随机变量刻画风险资产的收益率,建立了具有投资限制的风险资产投资组合选择的一般模糊随机均值-方差模型,该模型包括了是否允许卖空及具有投资比例下界约束的情况.在此基础上,提出了具有梯形模糊随机收益率的具体投资组合优化模型,这些模型能够转化为二次规划问题求解.最后,利用上证50指数中的9种股票对模型进行了实证分析,结果表明模型能够有效分散非系统性风险.     

含模糊变量的水污染控制系统研究

在水流量为模糊变量且河流中工业污水含量标准给定的条件下,分别建立了水污染控制系统问题的模糊期望值模型和模糊机会约束规划模型来满足不同的优化需求.为了有效求解优化模型,采用了将模糊模拟、神经元网络及遗传算法相结合的混合智能算法.最后用算例进行了验证,结果表明该算法是有效可行的.     

约束粒子群算法求解自融资投资组合模型研究

在马克维茨投资组合的均值-方差模型框架下,给出限制投资数量的自融资投资组合优化模型.在金融市场上有广泛应用,为了有效地求解此类问题的最优解,采用一种基于广义学习策略的约束粒子群算法(CPSO).CPSO算法具有广义的学习策略,极大地提升了种群的多样性,进而提升种群跳出局部最优解的能力.在基准函数测试中,结果显示CPSO算法有较好的运行结果.在自融资投资组合优化模型上,优化结果表明CPSO算法是可行的,有效的,并有较好的优化结果.     

基于旋转算法的随机模糊均值-方差投资组合优化

Markowitz首先采用方差度量风险，并应用于投资组合优化中，大多数的均值方差模型仅对随机投资组合优化或模糊投资组合优化进行研究，然而，实际投资组合优化问题既包含随机信息也包含模糊信息。本文首先定义随机模糊变量的方差，并用其度量风险，提出了具有交易成本、借贷约束和阀值约束的均值-方差随机模糊投资组合优化模型。基于随机模糊理论，将上述模型转化为具有线性等式和线性不等式约束的凸二次规划问题，并得到其KKT条件。本文还提出改进的旋转算法求解上述模型，该算法消掉KKT条件中部分变量，减少计算量。最后，采用中国证券市场的实际数据进行样本内分析和样本外分析，验证了上述模型和算法的有效性。     

基于模糊收益率的组合投资模型

本文考虑了收益率为模糊数的投资组合选择问题,利用模型约束简化方差约束,建立了投资组合选择的模糊线性规划模型,然后引进模糊期望把模糊线性规划问题化为普通参数线性规划问题,最后给出了一个数值算例.     

随机模糊的等比例-最小方差投资组合优化研究

Markowitz的均值-方差模型在投资组合优化中得到了广泛的运用和拓展,其中多数拓展模型仅局限于对随机投资组合或模糊投资组合的研究,而忽略了实际问题同时包含了随机信息和模糊信息两个方面。本文首先定义随机模糊变量的方差用以度量投资组合的风险,提出具有阀值约束的最小方差随机模糊投资组合模型,基于随机模糊理论,将该模型转化为具有线性等式和不等式约束的凸二次规划问题。为了提高上述模型的有效性,本文以投资者期望效用最大化为压缩目标对投资组合权重进行压缩,构建等比例-最小方差混合的随机模糊投资组合模型,并求解该模型的最优解。最后,运用滚动实际数据的方法,比较上述两个模型的夏普比率以验证其有效性。     

证券组合的模糊规划模型

通过结构元方法定义了一种模糊数排序准则,利用模糊约束将Markowitz投资组舍模型转化为模糊线性规划模型,并利用模糊数来描述证券的期望收益率和风险损失率,建立模糊数模糊证券投资组合模型.最后,利用定义的模糊数排序准则把模糊数规划问题转化为经典的线性规划问题,然后再对该模型进行求解,并通过算例阐述了该方法的有效性.     

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。     

多产品模糊存储模型及算法

提出了一个需求为模糊数,产品存储空间有模糊约束的多产品EOQ模型,并采用两种方法进行求解.一种是结合模糊仿真技术和遗传算法的混合算法进行求解,另一种是将模糊模型转化为清晰模型,再用算法求解.最后举出具体数值实例,对两种方法的求解结果进行比较.     

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.     

Portfolio selection with a minimax measure in safety constraint

In this paper, we attempt to design a portfolio optimization model for investors who desire to minimize the variation around the mean return and at the same time wish to achieve better return than the worst possible return realization at every time point in a single period portfolio investment. The portfolio is to be selected from the risky assets in the equity market. Since the minimax portfolio optimization model provides us with the portfolio that maximizes (minimizes) the worst return (worst loss) realization in the investment horizon period, in order to safeguard the interest of investors, the optimal value of the minimax optimization model is used to design a constraint in the mean-absolute semideviation model. This constraint can be viewed as a safety strategy adopted by an investor. Thus, our proposed bi-objective linear programming model involves mean return as a reward and mean-absolute semideviation as a risk in the objective function and minimax as a safety constraint, which enables a trade off between return and risk with a fixed safety value. The efficient frontier of the model is generated using the augmented -constraint method on the GAMS software. We simultaneously solve the ratio optimization problem which maximizes the ratio of mean return over mean-absolute semideviation with same minimax value in the safety constraint. Subsequently, we choose two portfolios on the above generated efficient frontier such that the risk from one of them is less and the mean return from other portfolio is more than the respective quantities of the optimal portfolio from the ratio optimization model. Extensive computational results and in-sample and out-of-sample analysis are provided to compare the financial performance of the optimal portfolios selected by our proposed model with that of the optimal portfolios from the existing minimax and mean-absolute semideviation portfolio optimization models on real data from S&P CNX Nifty index.     

比例保本约束下的最优投资组合选择

本文研究了幂效用函数下带有比例保本约束的最优投资组合选择问题.利用拉格朗日乘子和投资组合复制方法,得到最优财富过程和最优投资组合,推广了带有限制的投资组合的相关结果.     

基于模糊系数的投资组合优化模型及其实证分析

采用模糊数处理不确定性信息．以模糊期望收益率最大为目标函数,使总的风险不高于给定的模糊数,建立了一种新的模型．在给定的截集下,期望收益率转化为区间数,目标函数转化为对该区间数的下限求最大值．基于模糊数大小的概率比较,从而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编程可解得其最优解．最后通过实例分析...     

A mixed 0–1 LP for index tracking problem with CVaR risk constraints

Index tracking problems are concerned in this paper. A CVaR risk constraint is introduced into general index tracking model to control the downside risk of tracking portfolios that consist of a subset of component stocks in given index. Resulting problem is a mixed 0?C1 and non-differentiable linear programming problem, and can be converted into a mixed 0?C1 linear program so that some existing optimization software such as CPLEX can be used to solve the problem. It is shown that adding the CVaR constraint will have no impact on the optimal tracking portfolio when the index has good (return increasing) performance, but can limit the downside risk of the optimal tracking portfolio when index has bad (return decreasing) performance. Numerical tests on Hang Seng index tracking and FTSE 100 index tracking show that the proposed index tracking model is effective in controlling the downside risk of the optimal tracking portfolio.     

半绝对偏差投资组合模型构建及其应用

通过对模糊隶属函数以及基金投资组合基本模型的适当变形,构建了带交易费及流动性约束的极大极小-半绝对偏差投资组合模型.选取5支证券,依据2008年全年的数据作为样本数据,按投资者的不同偏好得出不同的最优投资策略,并对几种情形进行了对比,结果显示此模型能很好地反映出投资者的主观意愿,具有很好的灵活性.     

Time consistent behavioral portfolio policy for dynamic mean–variance formulation

When one considers an optimal portfolio policy under a mean-risk formulation, it is essential to correctly model investors’ risk aversion which may be time variant or even state dependent. In this paper, we propose a behavioral risk aversion model, in which risk aversion is a piecewise linear function of the current excess wealth level with a reference point at the discounted investment target (either surplus or shortage), to reflect a behavioral pattern with both house money and break-even effects. Due to the time inconsistency of the resulting multi-period mean–variance model with adaptive risk aversion, we investigate the time consistent behavioral portfolio policy by solving a nested mean–variance game formulation. We derive a semi-analytical time consistent behavioral portfolio policy which takes a piecewise linear feedback form of the current excess wealth level with respect to the discounted investment target. Finally, we extend the above results to time consistent behavioral portfolio selection for dynamic mean–variance formulation with a cone constraint.     

基于模糊决策的投资组合优化

基于模糊决策理论研究了带有成比例交易费用的证券投资组合优化问题. 首先,基于半绝对偏差风险函数和极大极小原则提出了一种新的风险函数--极大极小半绝对偏差风险函数;然后, 引入一种非线性隶属函数更加形象地描述了投资者对投资收益和投资风险的满意程度;在此基础上, 进一步提出了非线性满意程度的模糊决策投资组合选择模型;最后, 针对提出的模型,利用中国证券市场的真实数据给出了数值算例.     

OPTIMAL PORTFOLIO ON TRACKING THE EXPECTED WEALTH PROCESS WITH LIQUIDITY CONSTRAINTS

In this article, the authors consider the optimal portfolio on tracking the expected wealth process with liquidity constraints. The constrained optimal portfolio is first formulated as minimizing the cumulate variance between the wealth process and the expected wealth process. Then, the dynamic programming methodology is applied to reduce the whole problem to solving the Hamilton-Jacobi-Bellman equation coupled with the liquidity constraint, and the method of Lagrange multiplier is applied to handle the constraint. Finally, a numerical method is proposed to solve the constrained HJB equation and the constrained optimal strategy. Especially, the explicit solution to this optimal problem is derived when there is no liquidity constraint.