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.     

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.     

离散投资组合问题的一种基于Bundle对偶搜索的精确算法

本文提出了离散均值-方差投资组合模型的一种新的精确算法.该算法是一个基于拉格朗日松弛和Bundle对偶搜索的分枝定界算法.我们分别用随机产生的数据和美国股票市场的真实数据进行了数值实验,并与传统次梯度对偶搜索进行了比较,数值结果表明本文提出的算法对解决中小规模的离散投资组合问题是有效的.     

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．     

求解带有交易费的CVaR投资组合模型的L-S算法

本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L-S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.     

基于CEV过程带交易费的脆弱期权定价的数值算法

主要研究基于CEV过程且支付交易费的脆弱期权定价的数值计算问题.首先通过构造无风险投资组合,导出了基于CEV过程且支付交易费用的脆弱期权定价的偏微分方程模型;其次应用有限差分方法将定价模型离散化,并设计数值算法;最后以看跌期权为例进行数值试验,分析各定价参数对看跌期权价值的影响.     

基于排序预测的带交易费用在线投资组合策略

在线投资组合决策过程中频繁调整资产头寸会产生较多的交易费用。本文提出了一个综合考虑预期收益和交易费用的在线投资组合策略。通过预测资产的排序计算组合的预期收益,利用相对熵距离衡量交易费用,构造了一个极大化预期收益和极小化交易费用的优化模型,从而得到了一个在线投资组合更新策略。然后,从理论上证明了该策略具有BH泛证券性,即该策略与离线的最优购买并持有策略具有相同的渐近平均指数收益率。最后,采用中美股票市场实际数据,对该策略进行了数值分析。结果表明,该策略的表现优于已有的在线投资组合策略,且对模型的参数不敏感。     

有效集法在确定Markowitz's证券组合投资模型权系数中的应用

在分析Markowitz's证券组合投资模型最优解方法的基础上,给出了求解Markowitz's证券组合投资模型的有效集法;用该方法对一个具体实例的允许卖空情形与不允许卖空情形分别进行计算求解,实例的数值计算结果显示该方法是可行有效的.     

模糊环境中带交易费用的投资组合策略问题

由于金融市场是波动的,风险资产的预期收益率由于很多不确定性是很难估计的,本文考虑预期收益率是可能性分布(模糊数),并且在此基础上用模糊数的可能性均值表示投资组合的收益,用模糊数的平均绝对偏差表示风险,考虑了交易费用后,得到投资组合模型,最后给出了数值计算的例子.     

整数线性规划投资组合模型的直接搜索算法求解

利用松弛最优邻近解临域整数点搜索法作过滤条件,建立求解整数规划的新方法——直接搜索算法,利用直接搜索算法并借助Matlab软件求解整数线性规划投资组合模型.数值结果表明了模型的建立与提出方法的有效性.     

A distributed computation algorithm for solving portfolio problems with integer variables

A portfolio problem with integer variables can facilitate the use of complex models, including models containing discrete asset values, transaction costs, and logical constraints. This study proposes a distributed algorithm for solving a portfolio program to obtain a global optimum. For a portfolio problem with n integer variables, the objective function first is converted into an ellipse function containing n separated quadratic terms. Next, the problem is decomposed into m equal-size separable programming problems solvable by a distributed computation system composed of m personal computers linked via the Internet. The numerical examples illustrate that the proposed method can obtain the global optimum effectively for large scale portfolio problems involving integral variables.     

Mean-chance model for portfolio selection based on uncertain measure

This paper discusses a portfolio selection problem in which security returns are given by experts’ evaluations instead of historical data. A factor method for evaluating security returns based on experts’ judgment is proposed and a mean-chance model for optimal portfolio selection is developed taking transaction costs and investors’ preference on diversification and investment limitations on certain securities into account. The factor method of evaluation can make good use of experts’ knowledge on the effects of economic environment and the companies’ unique characteristics on security returns and incorporate the contemporary relationship of security returns in the portfolio. The use of chance of portfolio return failing to reach the threshold can help investors easily tell their tolerance toward risk and thus facilitate a decision making. To solve the proposed nonlinear programming problem, a genetic algorithm is provided. To illustrate the application of the proposed method, a numerical example is also presented.     

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.     

推广的半绝对离差和动态投资组合选择

在标准的Black－Scholes型金融市场下，建立了以推广的半绝对离差（Extended Semi－Absolute Deviation；ESAD）度量风险的动态均值-ESAD投资组合选择模型，研究了模型的求解方法，得到了最优投资组合策略和均值-ESAD有效前沿的解析表达式．同时，与动态均值-方差模型作了比较分析．最后，结合实例说明了模型的求解方法．     

有交易成本的投资组合策略

金融市场都存在交易成本,为此,本文建立了有交易成本的投资组合模型,讨论了模型解的条件,并提出模型的通用数值解法,最后给出了应用举例．     

含有背景风险的双目标投资组合模型研究

投资者进行投资实践时无不面临着背景风险。绝大多数以均值方差为框架的投资组合并没有考虑背景风险,其效用在实际应用中容易受到背景风险的影响。本文在含有交易费用的双目标函数模型中引入背景风险,从是否含有背景风险和背景风险偏好度大小两方面对投资组合问题展开研究,并使用智能算法得到模型的最优解,对模型进行实证分析。实证结果表明:1)当背景风险收益为0时,含有背景风险的投资组合比不含有背景风险的投资组合更能反映真实的投资环境。2) 当背景风险收益不为0时,含有背景风险的投资组合比不含有背景风险的投资组合得到更高的收益。因此,考虑背景风险后投资组合的构建优于不考虑背景风险投资组合的构建。