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.     

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.     

基于多目标CVaR模型的证券组合投资的风险度量和策略

本文首先定义了多损失函数下的-αVaR,-αCVaR损失值以及-αCVaR损失值的等价函数,给出了多目标CVaR模型.然后,基于多目标CVaR模型,建立了一个多目标证券组合投资优化模型,得出在多置信水平下的证券组合投资比例和CVaR值,据此建立一种证券组合投资的降低风险优化模型.其降低风险策略是在收益率不变的情形下降低风险和总投资比例.数值实验表明,这种策略是可以通过明显地减少总投资比例来达到降低风险的目的.     

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.     

风险投资组合的线性规划模型

对市场上的多种风险资产和一种无风险资产（存银行）进行组合投资策略的设计需要考虑两个目标:总体收益尽可能大和总体风险尽可能小,而这两个目标在一定意义上是对立的。 本文给出组合投资方案设计的一个线性规划模型,主要思路是通过线性加权综合两个设计目标;假设在投件规模相当大的基础上,将交易费函数近似线性化;通过决策变量的选取化解风险函数的非线性。 模型的最大优点是:计算过程稳定性好,速度快,我们对各种加权因子,求得了最优化决策方案,从而得到问题的有效投资曲线。根据有效投资曲线,投资者可以由自己的主观偏好,直观地选择自己的投资方向。     

基于CVaR投资组合优化问题的光滑化方法

对选定的风险资产进行组合投资,以条件风险价值(CVaR)作为度量风险的工具,建立单期投资组合优化问题的CVaR模型。目标函数中含有多重积分与plus函数,产生情景矩阵将多重积分计算转化成求和运算,提出plus函数的一个新的一致光滑逼近函数并给出求解CVaR模型的光滑化方法,最后的实证研究表明了本文算法的优越性。     

含交易费用的证券组合投资模型的满意解

在证券组合投资过程中,忽略交易费用会导致非有效的证券组合投资,本文提出了一个考虑交易费用的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参数λ和约束条件满足水平参数η将目标函数和约束条件均为区间数的区间数线性规划模型转化为确定型的一般线性规划模型,进而求得相应于优化水平λ和满足水平η的满意解.     

基于CVaR的最优投资组合模型算法分析

通过引入光滑因子,改进了基于条件风险值(CVaR)的最优投资组合线性模型,并详细介绍了以VaR最小为目标函数的最优投资组合模型的算法设计思想与过程.     

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.     

基于Pair-Copula-GARCH模型与CVaR的时变投资组合优化

以过去的信息为条件,以一致性风险度量CVaR为优化目标,以组合收益率为约束条件,建立了时变投资组合优化模型,通过基于pair-copula-GARCH模型的蒙特卡洛模拟方法得到未来某时刻收益率的多个可能情景,并引入一个特殊函数实现了投资组合模型的线性化,得到了最优投资组合策略.最后针对提出的模型进行了实例分析.