基于免疫记忆克隆算法的指数化投资组合优化构建策略

本文基于克隆选择学说及基于克隆选择学说及生物免疫响应过程的相关机理,提出用于指数化投资的免疫记忆克隆算法,并将其应用于指数化投资组合优化构建模型的求解,旨在探索指数化投资的优化构建策略。文章首先提出多目标的指数化投资组合构建模型。其次,分别设计了适用于指数化投资组合构建策略的抗原、抗体、亲和度函数、克隆选择算子、免疫记忆算子和相应的进化算法。该算法有效避免了传统遗传算法所存在的计算后期解的多样性差、易早熟以及收敛速度慢等缺点。同时,提出了限制投资组合中股票数量的启发式算法。最后,使用包括上证180指数在内的6组世界主要股票市场指数及其成份股的历史数据对模型及算法进行测算,结果表明算法具有良好的求解能力和收敛速度,所建模型的合理性和有效性亦被论证,模型和算法均具有很强的实践价值;     

求解非埃尔米特正定方程组的广义LHSS迭代法

基于矩阵的埃尔米特和反埃尔米特分解,李良等给出了一类求解非埃尔米特正定方程组的LHSS迭代法,在系数矩阵的埃尔米特和非埃尔米特之间进行了非对称迭代,在较松弛的约束条件下即可获得收敛结果.本文对该方法做进一步研究,给出了一类求解非埃尔米特正定方程组的广义LHSS迭代方法.数值结果表明,系数矩阵经恰当分解,在处理某些问题时广义LHSS迭代法优于HSS迭代法.