非对称不确定投资组合问题的鲁棒优化模型(英文)

本文研究了一类回报率不确定的投资组合问题.利用鲁棒优化方法,提出了一种鲁棒平均绝对偏差模型.现有的研究通常假设回报率是呈对称分布的不确定数据,本文提出的模型可处理非对称分布的不确定数据,适用范围更广.     

基于鲁棒二阶随机占优的投资组合优化模型研究

本文主要考虑一类经典的含有二阶随机占优约束的投资组合优化问题,其目标为最大化期望收益,同时利用二阶随机占优约束度量风险,满足期望收益二阶随机占优预定的参考目标收益。与传统的二阶随机占优投资组合优化模型不同,本文考虑不确定的投资收益率,并未知其精确的概率分布,但属于某一不确定集合,建立鲁棒二阶随机占优投资组合优化模型,借助鲁棒优化理论,推导出对应的鲁棒等价问题。最后,采用S&P 500股票市场的实际数据,对模型进行不同训练样本规模和不确定集合下的最优投资组合的权重、样本内和样本外不确定参数对期望收益的影响的分析。结果表明,投资收益率在最新的历史数据规模下得出的投资策略,能够获得较高的样本外期望收益,对未来投资更具参考意义。在保证样本内解的最优性的同时,也能取得较高的样本外期望收益和随机占优约束被满足的可行性。     

不确定环境下应急救援供应链鲁棒优化模型

鉴于灾害救援运作的紧迫性和重要性,考虑需求、供应、成本等参数的不确定性,构建一个由供应商、救援配送中心和受灾区域构成的三级应急救援供应链,旨在确定救援产品数量及救援配送中心的合适位置,以最小化救援供应链总成本,最大化受灾区域满意水平为目标,采用区间数据鲁棒优化方法处理模型的不确定性,应用情景随机规划降低鲁棒优化的计算难度,最后给出一个地震案例的具体数据来证明所提救援供应链鲁棒优化模型的有效性和可行性。实验结果表明,需求保守度的变化对目标函数值的影响大于供给和成本保守度的变化,可为应急救援决策者调整不确定参数保守度提供理论支持。     

到达不确定呼叫中心人员配置的鲁棒优化模型

针对呼叫中心实际运营中顾客到达不确定的特点,采用鲁棒离散优化方法,建立呼叫中心人员配置的鲁棒模型。利用对偶原理将鲁棒模型转换易于求解的线性鲁棒对等式,通过调节模型中的鲁棒参数来权衡鲁棒解的保守性与最优性之间的关系,计算模型中约束违背概率上限来表示鲁棒解的可靠性。通过现实呼叫中心数据算例,验证了模型的有效性,分析了不同鲁棒水平下各时间段服务人员配置规律,以及系统最小成本与违背概率之间的权衡关系。最后,对到达扰动系数进行了敏感性分析。     

不确定彩排时长下节目调度的鲁棒优化

实际节目彩排调度中,节目的表演时长受内外因素影响,具有不确定性。为了合理调度所有节目,控制演员的空闲时间,使得演员的总等待成本最小,采用了鲁棒优化方法进行研究。首先,建立了节目彩排调度的确定型模型;进一步,考虑节目表演时长的不确定性,采用有界区间描述节目表演时长并考虑决策者风险偏好,在确定型模型的基础上构建区间型两阶段鲁棒优化模型;接着,将鲁棒优化模型转化为0-1混合线性规划模型;最后,采用Matlab进行数值实验,结果表明决策者越偏好规避风险,演员的总等待成本越大。     

CVaR鲁棒均值-CVaR投资组合模型与求解

传统的均值-风险(包括方差、VaR、CVaR等)组合选择模型在计算最优投资组合时,常假定均值是已知的常值,但在实际资产配置中,收益的均值估计会有偏差,即存在着估计风险.在利用CVaR测度估计风险的基础上,研究了CVaR鲁棒均值-CVaR投资组合选择模型,给出了另外两种不同的求解方法,即对偶法和光滑优化方法,并探讨了它们的相关性质及特征,数值实验表明在求解大样本或者大规模投资组合选择问题上,对偶法和光滑优化方法在计算上是可行且有效的.     

一种不确定需求下库存定价模型的鲁棒优化方法

本文研究了不确定需求下一种多阶段定价与库存控制相协调的供应链模型,把扰动参数的不确定性处理为在已知集合内变化扰动. 针对不确定参数取值的几种集合情况下,应用鲁棒优化技术将不确定库存一定价模型转化为可求解的鲁棒模型. 最后进行了数值实验,对结果进行了分析.     

基于不确定需求的鲁棒应急物流系统

近年来各类突发事件和灾难频发,严重威胁到人们的生命安全,给人们经济生活带来了巨大的影响.灾难发生后,应急物流系统的效率是救援展开的保证.分析了应急物流系统的特点,采用鲁棒规划建立数学模型解决了应急物资需求不确定下如何进行应急配送中心选址和配送计划的安排,使得我们的决策能够体现最优性与鲁棒性的均衡.数值实验表明,建立的模型是符合实际的,数值结果具有较好的鲁棒性.     

资产组合鲁棒优化模型及应用研究

本文在对资产组合鲁棒优化理论归纳总结的基础上,根据我国实际情况,考虑未来经济因素的不确定性,建立了相应的资产组合鲁棒优化模型。对基金公司的投资决策、银行卡网络资金分配、VaR约束下的资产组合选择等实际问题进行了研究。针对每一个具体问题,调整和改进了模型的目标函数和约束条件,用相应的不确定集描述有关的未来不确定经济因素,得到了鲁棒优化结果,使得资产组合决策兼具可行性和最优性。     

风险应对视角下不确定需求定位-路径鲁棒优化研究

及时准确地配送应急救援物资是突发公共事件救援过程中的关键环节,综合考虑应急救援过程中出现的需求随机性,路网的连通能力下降和设施点失灵等情况,采用车辆与直升机联合运输方式进行配送,以应急系统中各物资需求点的救援时间满意度之和最大、系统总成本最小及物资到达需求点的救援时间之和最小为目标,对多式联运三级网络应急物流系统定位—路径优化问题进行研究,建立了多目标定位—路径模型,并改进了遗传算法。最后,以汶川地震应急救援相关数据为例,对模型和算法的有效性进行了数据仿真验证,通过实验结果的对比分析,证明了鲁棒优化方法在处理不确定需求和设施失灵风险方面的有效性,进而为抵御突发公共事件发生后出现的风险,为解决突发公共事件发生后救援物资的安全及时准确配送提供了有效的方法。     

Restricted Robust Uniform Matroid Maximization Under Interval Uncertainty

For the problem of selecting p items with interval objective function coefficients so as to maximize total profit, we introduce the r-restricted robust deviation criterion and seek solutions that minimize the r-restricted robust deviation. This new criterion increases the modeling power of the robust deviation (minmax regret) criterion by reducing the level of conservatism of the robust solution. It is shown that r-restricted robust deviation solutions can be computed efficiently. Results of experiments and comparisons with absolute robustness, robust deviation and restricted absolute robustness criteria are reported. This work is supported by a grant from Turkish Academy of Science(TUBA).     

信用资产组合优化的"条件在险值-补偿"型随机规划模型

本文对于信用资产组合的优化问题给出了一个稳健的模型，所建模型涉及了条件在险值（CVaR）风险度量以及具有补偿限制的随机线性规划框架，其思想是在CVaR与信用资产组合的重构费用之间进行权衡，并降低解对于随机参数的实现的敏感性．为求解相应的非线性规划，本文将基本模型转化为一系列的线性规划的求解问题．     

Robust Optimal Portfolio Choice Under Markovian Regime-switching Model

We investigate an optimal portfolio selection problem in a continuous-time Markov-modulated financial market when an economic agent faces model uncertainty and seeks a robust optimal portfolio strategy. The key market parameters are assumed to be modulated by a continuous-time, finite-state Markov chain whose states are interpreted as different states of an economy. The goal of the agent is to maximize the minimal expected utility of terminal wealth over a family of probability measures in a finite time horizon. The problem is then formulated as a Markovian regime-switching version of a two-player, zero-sum stochastic differential game between the agent and the market. We solve the problem by the Hamilton-Jacobi-Bellman approach.      

Min-Max Regret Robust Optimization Approach on Interval Data Uncertainty

This paper presents a three-stage optimization algorithm for solving two-stage deviation robust decision making problems under uncertainty. The structure of the first-stage problem is a mixed integer linear program and the structure of the second-stage problem is a linear program. Each uncertain model parameter can independently take its value from a real compact interval with unknown probability distribution. The algorithm coordinates three mathematical programming formulations to iteratively solve the overall problem. This paper provides the application of the algorithm on the robust facility location problem and a counterexample illustrating the insufficiency of the solution obtained by considering only a finite number of scenarios generated by the endpoints of all intervals. This work was supported by the National Science Foundation through Grant DMI-0200162.     

证券投资组合优化问题的强健性的锥优化方法(英文)

本文研究了具有强健性的证券投资组合优化问题.模型以最差条件在值风险为风险度量方法,并且考虑了交易费用对收益的影响.当投资组合的收益率概率分布不能准确确定但是在有界的区间内,尤其是在箱型区间结构和椭球区域结构内时,我们可以把具有强健性的证券投资组合优化问题的模型分别转化成线性规划和二阶锥规划形式.最后,我们用一个真实市场数据的算例来验证此方法.     

A Robust Heuristic for Batting Order Optimization Under Uncertainty

Baseball teams are faced with a difficult scheduling problem every day: given a set of nine players, find the optimal sequence in which they should bat. Effective optimization can increase a team's win total by up to 3 wins per season, and 10% of all Major League teams missed the playoffs by 3 or less wins in 1998. Considering the recent $252 million contract given to one player, it is obvious that baseball is a serious business in which making the playoffs has large financial benefits. Using the insights gleaned from a Markov chain model of baseball, we propose a batting order optimization heuristic that performs 1,000 times faster than the previous best heuristic for this problem. Our algorithm generates batting orders that (i) are optimal or near-optimal, and (ii) remain robust under uncertainty in skill measurement.     

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.     

通胀环境下股价波动率具有奈特不确定的最优消费与投资问题

本文在通胀环境和连续时间模型假设下,研究股票价格波动率具有奈特不确定对投资者的最优消费和投资策略的影响．首先在通胀环境和股票价格波动率具有奈特不确定的条件下,建立最优消费与投资问题的随机控制数学模型,得到了最优消费与投资所满足的HJB方程,并在常相对风险厌恶效用的情形下,获得最优化问题值函数的显式解．其次在通胀环境中当股价波动率具有奈特不确定时,得到了含糊厌恶的投资者是基于股价波动率的上界作出决策,并给出了投资者的最优投资和消费策略．最后在给定参数的条件下,对所得结果进行数值模拟和经济分析．     

Robust portfolio optimization with copulas

Conditional Value at Risk (CVaR) is widely used in portfolio optimization as a measure of risk. CVaR is clearly dependent on the underlying probability distribution of the portfolio. We show how copulas can be introduced to any problem that involves distributions and how they can provide solutions for the modeling of the portfolio. We use this to provide the copula formulation of the CVaR of a portfolio. Given the critical dependence of CVaR on the underlying distribution, we use a robust framework to extend our approach to Worst Case CVaR (WCVaR). WCVaR is achieved through the use of rival copulas. These rival copulas have the advantage of exploiting a variety of dependence structures, symmetric and not. We compare our model against two other models, Gaussian CVaR and Worst Case Markowitz. Our empirical analysis shows that WCVaR can asses the risk more adequately than the two competitive models during periods of crisis.