离散线性投资组合模型的分枝定界算法

本文提出了一类新的带整数交易手数和凹型交易费用的均值绝对偏差模型(MAD)和极大极小投资组合模型(Minmax),并给出了离散模型的分枝定界算法.我们分别用随机产生的数据和Nasdaq股票市场的真实数据进行了数值实验,数值分析表明在一定的收益水平下均值绝对偏差离散模型风险控制上优于极大极小投资组合离散模型,而计算效率上极大极小投资组合离散模型优于期望绝对偏差离散模型.     

手数约束和凹交易费下的离散投资组合模型及算法

本文建立带手数约束和凹交易费的离散投资组合模型,给出求解该模型的一种精确算法。该算法是一个基于拉格朗日松弛和次梯度对偶搜索的分枝定界算法。为测试算法的有效性,用随机产生的数据对模型进行数值实验。作为其应用,用沪深300指数的真实数据实证检验该模型,并与不含交易费用的离散投资组合模型进行数值比较分析。数值分析表明算法能在合理的时间内给出模型的投资组合策略, 对解决中小规模的离散投资组合问题是有效的。     

离散单因素投资组合模型的对偶算法

本文研究金融优化中的离散单因素投资组合问题,该问题与传统投资组合模型的不同之处是决策变量为整数(交易手数),从而导致要求解一个二次整数规划问题．针对该模型的可分离性结构,我们提出了一种基于拉格朗日对偶和连续松弛的分枝定界算法。我们分别用美国股票市场的交易数据和随机产生的数据对算法进行了测试．数值结果表明该算法是有效的,可以求解多达150个风险证券的离散投资组合问题．     

带交易费用的离散多因素投资组合最优化(英文)

研究带有凹的交易费函数的离散多因素投资组合模型.与传统的投资组合模型不同的是,该模型中投资组合的决策变量是交易手数(整数),其最优化模型是一个非线性整数规划问题.为此本文提出了一个基于拉格朗日松弛和连续松弛的混合分枝定界算法,为测试算法的有效性,我们分别采用美国股票市场真实数据和随机产生的数据,数值结果表明该算法是有效的.     

带交易费用的离散多因素投资组合最优化

研究带有凹的交易费函数的离散多因素投资组合模型．与传统的投资组合模型不同的是,该模型中投资组合的决策变量是交易手数（整数）,其最优化模型是一个非线性整数规划问题．为此本文提出了一个基于拉格朗日松弛和连续松弛的混合分枝定界算法,为测试算法的有效性,我们分别采用美国股票市场真实数据和随机产生的数据,数值结果表明该算法是有效的．     

基于次梯度选取的非光滑优化强次可行方向法

本文结合次梯度选取技术及割平面法和强次可行方向法的思想,提出了一个求解目标函数非光滑约束优化问题的强次可行方向算法.通过设计一个新的寻找搜索方向子问题和构造新型线搜索,算法不仅能接受不可行的初始点,而且能保持迭代点的强次可行性,同时避免在可行域外目标函数值的不适度增加.算法具备全局收敛性,且初步的数值试验表明算法是稳定有效的.     

关于L~1空间第二类Fredholm积分方程数值解的探讨

在L¹空间中讨论第二类Fredholm积分方程.对离散算法与传统Nystrm算法用实例通过Matlab作图进行对比,证明离散算法的数值解更佳.     

半无限规划离散化问题一个两阶段序列二次规划算法

本文研究了求解半无限规划离散化问题(P)的一个新的算法.利用序列二次规划(SQP)两阶段方法和约束指标集的修正技术,提出了求解(P)的一个两阶段SQP算法.算法结构简单,搜索方向的计算成本较低.在适当的条件下,证明了算法具有全局收敛性.数值试验结果表明算法是有效的.推广了文献[4]中求解(P)的算法.     

CEV过程下回望期权定价的高精度收敛差分算法

主要研究了CEV过程下一类回望期权的定价的数值解法问题.首先对期权价格所满足的微分方程中的空间变量进行半离散化处理,得到了具体的半离散化差分格式,然后证明了该差分格式具有稳定性和收敛性.数值试验表明本文算法是一个稳定收敛的算法.     

由任意初始点求解离散型约束全局优化问题

本文研究了带约束离散型非线性全局优化的求解问题.利用0-1变量提出了一个离散填充函数算法.该算法可由任意初始点出发,不断求得更好的局部极小点,以期得到离散全局最小点.文章同时讨论了所构造的填充函数的性质,给出了数值试验结果.     

Heuristic algorithms for the cardinality constrained efficient frontier

This paper examines the application of genetic algorithm, tabu search and simulated annealing metaheuristic approaches to finding the cardinality constrained efficient frontier that arises in financial portfolio optimisation. We consider the mean-variance model of Markowitz as extended to include the discrete restrictions of buy-in thresholds and cardinality constraints. Computational results are reported for publicly available data sets drawn from seven major market indices involving up to 1318 assets. Our results are compared with previous results given in the literature illustrating the effectiveness of the proposed metaheuristics in terms of solution quality and computation time.     

一个新的求解线性规划最小二乘算法

§1Introduction Currently,therearetwopopularapproachesinlinearprogramming:pivotalgorithm andinterior-pointalgorithm.Manyoftheirvariantsdevelopedbothintheoryand applicationsarestillinprogress.Thepivotmethodobtainstheoptimalsolutionviamoving consecutivelytoabettercorner-pointinthefeasibleregion,anditsmodificationstryto improvethespeedofattainingtheoptimality.Incontrast,theinterior-pointalgorithmis claimedasaninterior-pointapproach,whichgoesfromafeasiblepointtoafeasiblepoint throughtheinterioroft…     

整数规划的一类填充函数算法

填充函数算法是求解连续总体优化问题的一类有效算法。本文改造[1]的填充函数算法使之适于直接求解整数规划问题。首先,给出整数规划问题的离散局部极小解的定义,并设计找离散局部极小解的领域搜索算法。其次,构造整数规划问题的填充函数算法。该方法通过寻找填充函数的离散局部极小解以期找到整数规划问题的比当前离散局部极小解好的解。本文的算法是直接法,数值试验表明算法是有效的。     

The virtual element method for a nonhomogeneous double obstacle problem of Kirchhoff plate

This paper is intended to propose and analyze the lowest order conforming and nonconforming virtual element methods (VEMs) for a nonhomogeneous double obstacle problem in fourth-order variational inequality. We first present an abstract framework for the error analysis of an abstract discrete method. Then, we develop the conforming and fully nonconforming VEMs for the previous problem, with the optimal error estimates obtained by using the previous abstract framework combined with two modified interpolation operators and the related estimates. The discrete problem is solved by the primal–dual active set algorithm and the numerical results are in good agreement with theoretical findings.     

线性约束两分块非凸优化的ADMM-SQP算法

基于乘子交替方向法(ADMM)和序列二次规划(SQP)方法思想, 致力于研究线 性约束两分块非凸优化的新型高效算法. 首先, 以SQP思想为主线, 在其二次规划(QP)子问题的求解中引入ADMM思想, 将QP分解为两个相互独立的小规模QP求解. 其次, 借助增广拉格朗日函数和Armijo线搜索产生原始变量新迭代点. 最后, 以显式解析式更新对偶变量. 因此, 构建了一个新型ADMM-SQP算法. 在较弱条件下, 分析了算法通常意义下的全局收敛性, 并对算法进行了初步的数值试验.     

Portfolio optimization with uncertain exit time in infinite-time horizon

In this paper, we study infinite-period mean-variance formulations for portfolio selections with an uncertain exit time. We employ the convergence control method together with the dynamic programming algorithm to derive analytical expressions for the optimal portfolio policy and the mean-variance efficient frontier under certain conditions. We illustrate these results by an numerical example.     

A discrete dynamic convexized method for nonlinear integer programming

In this paper, we consider the box constrained nonlinear integer programming problem. We present an auxiliary function, which has the same discrete global minimizers as the problem. The minimization of the function using a discrete local search method can escape successfully from previously converged discrete local minimizers by taking increasing values of a parameter. We propose an algorithm to find a global minimizer of the box constrained nonlinear integer programming problem. The algorithm minimizes the auxiliary function from random initial points. We prove that the algorithm can converge asymptotically with probability one. Numerical experiments on a set of test problems show that the algorithm is efficient and robust.