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.     

投资组合选择的一种模糊决策方法

针对带有V-型交易费用的半绝对偏差风险函数投资组合问题,利用模糊决策理论,提出了一种新的投资收益目标水平和投资风险目标水平心理满意度的非线性隶属函数,并将满足非线性满意程度的投资组合选择模型转化为线性规划模型,证明了两者的等价性,最后通过实例说明了所建模型的可行性与有效性.     

多阶段均值-半绝对偏差模糊投资组合优化研究

考虑交易成本和交易量限制,提出投资组合的收益率的隶属函数为梯形的多阶段均值-半绝对偏差可能性投资组合模型,并用自创算法——离散近似迭代法求解.其基本思路为:将连续型状态变量离散化,根据网络图的构造方法将上述模型转化多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,即获得模型的一个可行解;以该可行解为基础,继续迭代直到前后两个可行解非常接近.文章还证明了该方法的线性收敛.最后,文章以一个具体的算例验证了该算法的有效性.     

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.     

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.     

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.     

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.     

基于最小交易量和交易费用的多阶段模糊投资组合

考虑了在摩擦市场下的多阶段模糊投资组合模型,基于半绝对方差风险函数,建立了带有最小交易量和交易费用限制的收益最大化多阶段模糊投资组合模型.利用绝对值函数的性质,将模型转化为混合整数线性规划形式,并通过实例验证了模型的可行性,最后对模型与基于可能性均值和可能性方差的多阶段模糊投资组合模型进行了对比,分析了模型的优越性,并验证了模型的可行性.     

基于交易量限制的多阶段均值-CVaR投资组合模型

本文考虑资产收益率服从Laplace分布的多阶段均值-CVaR投资组合模型.结合摩擦市场对投资的一些限制因素,建立了带有最小交易量和交易费用限制的收益最大化多阶段投资组合模型,并利用绝对值函数的性质,将该模型转化为混合整数线性规划形式,用Lingo或Matlab求解.最后在证券市场上随机选取了四只股票进行了实证分析,验证了模型的可行性.     

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;     

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...     

模糊数在投资组合优化中的应用研究及实证分析

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,验证该模型的可行性.     

An a posteriori decision support methodology for solving the multi-criteria supplier selection problem

This research presents a novel, state-of-the-art methodology for solving a multi-criteria supplier selection problem considering risk and sustainability. It combines multi-objective optimization with the analytic network process to take into account sustainability requirements of a supplier portfolio configuration. To integrate ‘risk’ into the supplier selection problem, we develop a multi-objective optimization model based on the investment portfolio theory introduced by Markowitz. The proposed model is a non-standard portfolio selection problem with four objectives: (1) minimizing the purchasing costs, (2) selecting the supplier portfolio with the highest logistics service, (3) minimizing the supply risk, and (4) ordering as much as possible from those suppliers with outstanding sustainability performance. The optimization model, which has three linear and one quadratic objective function, is solved by an algorithm that analytically computes a set of efficient solutions and provides graphical decision support through a visualization of the complete and exactly-computed Pareto front (a posteriori approach). The possibility of computing all Pareto-optimal supplier portfolios is beneficial for decision makers as they can compare all optimal solutions at once, identify the trade-offs between the criteria, and study how the different objectives of supplier portfolio configuration may be balanced to finally choose the composition that satisfies the purchasing company's strategy best. The approach has been applied to a real-world supplier portfolio configuration case to demonstrate its applicability and to analyze how the consideration of sustainability requirements may affect the traditional supplier selection and purchasing goals in a real-life setting.     

基于战略导向的项目组合选择优化研究

本文研究了以项目组合的选择实现组织战略目标最大化的问题,将战略目标分解为收益、成本和风险目标,运用模糊集截集原理和目标标准法则把战略目标整合为单个的权衡目标。用梯形模糊数表示项目的不确定参数,并考虑项目间的相互影响关系,建立了基于战略目标的项目组合选择模型,来实现项目组合选择与战略目标的一致。并针对模型提出了遗传算法进行求解,用示例验证了方法的有效性。     

分式规划模糊投资组合模型的遗传算法求解

将预期收益率表示为模糊数,以E-SV风险测度为基础给出了组合证券投资决策的效用函数,并建立了基于分式规划的模糊投资组合选择模型,考虑到模型求解的复杂性,我们利用遗传算法构造罚函数对模型进行了求解,并通过实例,验证了该模型解法的可行性和有效性.     

投资组合模型的改进研究:基于企业社会责任视角的实证分析

在尊重和借鉴前人对企业社会责任研究,尤其是在企业社会责任评价研究基础之上,本文从投资者的角度在投资组合过程中研究企业社会责任。在Markowitz(均值—方差)理论模型上添加企业社会责任的三个一级指标期望作为目标函数,由此将传统的投资组合模型扩展为五个目标函数的投资组合选择模型,而且我们根据经济学中经典的效用函数理论证明了此模型的正确性。本文引入主流的企业社会责任评价标准,并对一些典型公司进行打分量化。在此基础之上建立了以期望回报率、回报率的方差、核心利益相关者期望、蛰伏利益相关者期望和边缘利益相关者期望为目标函数的投资组合选择模型,在最小方差曲面上选取10个点构造投资组合,并以样本外的数据验证了模型的有效性。研究发现:根据此模型计算出来的部分投资组合回报率显著高于同期的市场指数。研究结果表明,这种关注企业社会责任的多目标投资组合选择模型,不仅让投资者可以直接控制企业社会责任,而且实际数据证明了此模型的优势之处,从而为关注企业社会责任的投资者提供一种投资的方法和思路。     

Robust portfolio modeling with incomplete cost information and project interdependencies

Robust portfolio modeling (RPM) [Liesiö, J., Mild, P., Salo, A., 2007. Preference programming for robust portfolio modeling and project selection. European Journal of Operational Research 181, 1488–1505] supports project portfolio selection in the presence of multiple evaluation criteria and incomplete information. In this paper, we extend RPM to account for project interdependencies, incomplete cost information and variable budget levels. These extensions lead to a multi-objective zero-one linear programming problem with interval-valued objective function coefficients for which all non-dominated solutions are determined by a tailored algorithm. The extended RPM framework permits more comprehensive modeling of portfolio problems and provides support for advanced benefit–cost analyses. It retains the key features of RPM by providing robust project and portfolio recommendations and by identifying projects on which further attention should be focused. The extended framework is illustrated with an example on product release planning.