改进的粒子群算法及在CVaR模型中的应用

为了求解带有条件风险价值(CVaR)约束的均值-方差模型,提出一种基于广义学习和柯西变异的粒子群算法(CCPSO).在CCPSO算法中,为了提升种群跳出局部最优解的能力,引入一种广义学习策略,提升粒子向最优解飞行的概率;并引入一种动态变异概率,对粒子自身最优位置进行柯西变异,更好地引导种群的飞行;最后,根据全局最优粒子的运行状况,每间隔若干代对其进行变异,以产生全局新的领导者.在基准函数测试中,结果显示CCPSO算法有较好的运行结果.在CVaR模型投资组合优化中,与其它算法相比,CCPSO算法所获结果是有效的,并且优于其它算法.     

基于自适应均匀变异人工鱼群投资组合优化算法的研究

投资市场具有一定的风险,影响因素包括经济、政治、市场自身规律等,根据市场机制构建合适的投资组合模型,可以有效降低市场风险,提高投资回报率.人工鱼群算法是模仿自然界鱼类的一种人工智能优化算法,具有较好的优化能力,但有时会陷入局部最优解.首先将人工鱼群算法与均匀变异相结合,加入均匀变异随机数,使算法能够跳出局部最优解,得到全局最优,从而提高算法精度.然后采用改进人工鱼群算法对投资组合模型进行优化求解.实验表明,改进人工鱼群算法具有较好的收敛精度和收敛速度,对投资组合模型的求解效果更好,风险下降,收益增加、     

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.     

动态种群规模协同进化算法求解多目标投资组合优化问题

为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的影响,超级个体集合存储进化过程中产生的最优解,通过最优个体的引导使算法快速收敛至Pareto前沿.实验结果表明,与NSGA-2算法相比,提出的算法在稳定性和收敛性都有很好的表现,是一种有效的多目标进化算法.     

基于模糊遗传算法的自融资有效投资组合研究

在马克维茨投资组合的均值一方差模型框架下,给出限制投资数量的自融资投资组合优化模型.把预期收益率不等式约束转化为模糊约束,采用一种通过惩罚因子,对适应度函数进行修正的模糊遗传算法来求解模型.在理论上,这种算法能够将最优基因较完整地遗传到下一代,有效地避免了早熟现象,可以得到更好的适应度函数值.在实际应用中,对一具体自融资有效投资组合实例进行计算,结果表明:本文所提出的模糊遗传算法是可行的、有效的,具有更好的优化结果.     

基于模拟植物生长算法的协作研发网络决策优化模型

在协作研发网络决策中,合理的投资组合可使企业获得理想的收益。企业协作研发网络的投资组合是多方博弈后的结果,利用模拟植物生长算法构建的优化模型可以分析企业在网络中投资组合的博弈过程。通过模拟植物生长算法计算得到的全局最优解和局部最优解是企业协作研发决策投资组合的最优决策集。企业可以根据策略集调整自身的投资方式,制定最优的决策方案。     

基于高斯核支持向量机和遗传算法的优化组合研究

选用2008~2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.     

非线性0-1规划问题的元胞灰狼优化算法

针对非线性0-1规划求解问题,基于元胞自动机原理和改进的灰狼算法,提出一种元胞灰狼优化算法.首先,为了避免基本灰狼算法种群分布的随机性问题,利用佳点集理论对灰狼种群进行初始化,增强算法种群的多样性,提高算法的全局收敛速度;其次,针对基本灰狼算法的开发和探索能力平衡能力差的问题,利用自适应精英学习策略分别对算法中的参数α、灰狼与猎物的距离进行修正,实现灰狼算法的全局搜索速度和开发探索能力的最优均衡性;最后,将元胞自动机的演化规则与次优解β灰狼位置以及第三优解δ灰狼位置进行更新,利用元胞及其邻居增强搜索过程的多样性和分布性,实现灰狼算法的全局优化能力;并选用14个典型的非线性0-1规划问题算例进行仿真解算,并将解算结果与其它算法进行比较,结果表明:该算法对大规模复杂问题求解的平均运行时间少10%左右,且具有较快的收敛速度、较多的最优解集和较好的全局寻优能力.     

一类灰色组合投资决策方法

以灰色系统理论和概率论为基础,探讨了含有区间灰数的组合投资决策问题,提出了具有交易费用的灰色组合投资模型的有效解及其临界最优解和均值白化最优解的概念.并且指出了这些概念所对应的投资偏好.利用分析方法和技巧,融合经典组合投资理论,构建了带有交易费用的灰色组合投资模型的熵权分析算法.为不确定型组合投资决策方法的研究提出了一条新思路.文中的算例说明了算法的可行性.     

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。     

基于极大模理想点法的投资组合决策模型分析

基于马克维茨投资组合模型的均值一方差理论,构建一种投资组合收益和风险在一定范围的双目标线性模糊优化模型,并尝试采用极大模理想点法来求解该模型．最后,给出一实际算例,对一具体投资组合模型进行研究,结果表明：本文所采用的极大模理想点法是可行的、有效的;本文所采用的算法比已有文献给出的模糊线性规划法具有更加广泛意义的优化结果．     

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。     

基于EEMD与模糊回归的投资组合选择模型及实证

随着模糊理论的不断发展与其在证券市场的广泛应用,越来越多的学者关注到参数模糊化对投资组合优化具有重要作用。本文利用集合经验模态分解(EEMD)和模糊线性回归相结合的预测方法,构建了基于对称三角模糊数的投资组合模型。并将提出的模型与集合经验模态分解和普通最小二乘结合的方法、单一模糊线性回归方法进行了对比分析,结果表明基于集合经验模态分解和模糊线性回归建立的投资组合模型最优,这对构建最优投资组合具有参考意义。     

Developing a dynamic portfolio selection model with a self-adjusted rebalancing method

In this paper, we propose a comprehensive investment strategy for not only selecting but also maintaining an investment portfolio that takes into account changing market conditions. First, we implement a dynamic portfolio selection model (DPSM) that uses a time-varying investment target according to market forecasts. We then develop a self-adjusted rebalancing (SAR) method to assess the portfolio’s relevance to current market conditions, and further identify the appropriate timing for rebalancing the portfolio. We then integrate the DPSM and SAR into a comprehensive investment strategy, and develop an adaptive learning heuristic for determining the parameter of the proposed investment strategy. We further evaluate the performance of the proposed investment strategy by simulating investments with historical stock return data from different markets around the world, across a period of 10 years. The SAR Portfolio, maintained according to the proposed investment strategy, showed superior performance compared with benchmarks in each of the target markets.     

证券投资组合理论的一种新模型及其应用

马科维茨(Markowitz)以证券收益率的方差作为投资风险的测度建立了组合证券投资模型，本基于熵的概念，在研究马科维茨(Markowitz)证券投资组合模型的基础上，分析了该模型用方差度量风险的不足，进而提出一种新的证券投资组合优化模型，并以实例作了说明。     

基于混沌粒子群算法的Tikhonov正则化参数选取

Tikhonov正则化方法是求解不适定问题最为有效的方法之一,而正则化参数的最优选取是其关键.本文将混沌粒子群优化算法与Tikhonov正则化方法相结合,基于Morozov偏差原理设计粒子群的适应度函数,利用混沌粒子群优化算法的优点,为正则化参数的选取提供了一条有效的途径.数值实验结果表明,本文方法能有效地处理不适定问题,是一种实用有效的方法.     

Uncertain portfolio optimization problem under a minimax risk measure

Portfolio optimization problem is concerned with choosing an optimal portfolio strategy that can strike a balance between maximizing investment return and minimizing investment risk. In many cases, the return rate of risky asset is neither a random variable nor a fuzzy variable. Then, it can be described as an uncertain variable. But, the existing works on uncertain portfolio optimization problem fail to find an analytic solution of optimal portfolio strategy. In this paper, we define a new uncertain risk measure for the modeling of investment risk. Then, an uncertain portfolio optimization model is formulated. By introducing a new variable, we transform it into an equivalent bi-criteria optimization model. Then, we derive a method for the construction of the set of analytic Pareto optimal solutions. Finally, a numerical simulation is carried out to show the applicability of the proposed model and the convenience of finding the analytic solution.     

具有熵约束的多阶段均值—绝对偏差模糊投资组合决策

文章运用可能性绝对偏差和比例熵分别度量风险和分散化程度,提出了具有风险控制和线性交易成本的终期财富最大化的多阶段模糊投资组合模型。运用可能理论,将该模型转化为显示的非线性动态优化问题。由于投资过程存在交易成本,上述模型为具有路径依赖性的动态优化问题。文章提出了前向动态规划方法求解。最后, 通过实证研究比较了不同熵的取值投资组合最优投资比例和最终财富的变化。