资产组合优化的多分形模型及实证分析

将马尔科夫转换多分形模型引入均值-CVaR框架,构建资产组合优化的多分形模型,并给出最优组合投资策略的求解步骤.实证分析结果表明,基于多分形模型的组合策略在描述性统计分析、风险调整收益分析、经济表现分析以及策略稳定性分析中的表现均优于基于CCC-GARCH模型的组合策略,考虑多分形性确实有助于改善资产组合策略.文章所构建的模型和实证结果为资产组合投资实践提供了有益的参考.     

基于收益管理和仿真的第三方仓储资源分配

针对不确定市场需求条件下第三方仓储资源的能力规划与分配问题,构建随机数学规划模型,理论分析证明了最优资源分配量的存在性,并指出最优资源分配量是单位资源成本的递减函数、单位资源收益和单位损失成本的递增函数。鉴于解析求解的复杂性,基于收益管理思想,结合离散事件仿真技术和响应曲面法,提出一种新的分析求解框架:收益管理用于细分顾客、构建资源分配策略,仿真模型刻画系统随机特性并评估系统绩效指标,响应曲面法则优化分配策略并探寻绩效改进方向。案例研究和仿真实验结果显示,根据顾客类别分配仓储能力的策略优于传统的先到先服务策略,收益管理、响应曲面法与仿真的综合集成,能够提高系统收益,从而使本文所提方法体系得到了有效验证。     

具有实际约束的多阶段M-V投资组合时间一致性策略研究

从动态规划的角度分析,方差算子的不可分离性导致标准的多阶段均值-方差模型的最优投资策略不满足时间一致性。文章采用条件期望映射的方法,构建了一个具有交易成本、借贷约束和阈值约束的多阶段M-V投资组合模型。由于考虑了交易成本,该模型是一个具有路径依赖性的动态优化问题。为了获得其时间一致性投资策略,文章将该问题近似地转化为连续性动态规划模型,证明最优解的近似度,并运用离散迭代算法求解。最后,使用上海证券交易所的部分历史数据验证了模型和算法的有效性。     

卫星数传接收规划模型与算法研究

作为对地观测卫星任务执行的两个重要阶段之一,数传接收的规划任务是一个具有多时间窗口、多优化目标和多资源约束的NP-Hard优化问题。中继星的引入为数据全天候近实时传输提供可能,同时也为数传规划提出新的问题。本文主要完成两项工作:第一,建立风险控制的卫星数传接收规划模型;第二,阐述基于遗传禁忌的模型求解方法,进一步采用分布式并行求解策略,改善了求解算法的收敛速度和鲁棒性。最后,通过STK提供基础仿真数据,验证了本文规划模型和求解算法的有效性。     

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;     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

联盟收益不确定下合作博弈的多目标粒子群扩展算法求解

在传统的合作博弈求解中,通常假设联盟收益确定或者局中人对联盟收益取值意见一致.现实中,联盟收益往往不确定,局中人对联盟收益取值意见不一致,且联盟分配方案的达成通常是局中人基于个体理性与判断进行多轮谈判,互相影响、相互妥协、最终趋同的结果.针对这种情况,本文首先对联盟收益不确定时局中人的收益进行描述,建立合作博弈的扩展模型,再考虑局中人的理性互动与策略博弈,借鉴群智能的建模思想和求解思路,利用多目标粒子群扩展算法对模型进行求解.本文对于联盟收益不确定时合作博弈的求解提供了新的思路与方法.     

基于不同信息素更新策略的卫星数传调度蚁群优化算法

针对具有时间窗口和数传资源限制卫星数传调度问题,提出了基于解构造图模型的蚁群优化算法.借鉴精英机制,设计了绝对精英策略、相对精英策略、收益精英策略和对等精英策略等四种信息素更新策略.通过对不同规模场景的仿真试验,验证了基于不同信息素更新策略的蚁群算法是求解卫星数传调度问题的有效途径.基于信息素平衡思想的相对精英策略、收益精英策略和对等精英策略相对于绝对精英策略而言,能够避免算法过早陷入局部最优或出现退化行为,在规模较大的场景中能够收敛到比绝对精英策略更优的解.在小规模场景中,相对精英策略和收益精英策略所得解最好,而在大规模场景中对等精英策略所得解最好.     

具有交易成本的多阶段M-AAD模糊投资组合优化

考虑交易成本、交易量的阀值约束和熵约束,提出均值-平均绝对偏差(M-AAD)多阶段的模糊投资组合模型。模型中的收益水平由模糊收益的均值确定,其风险水平由模糊收益的绝对偏差确定,熵度量投资组合的多样化程度。由于存在交易成本,该模型是一个具有路径依赖性的动态优化问题。提出离散近似迭代法求解。最后,以具体的算例比较不同熵约束下最优投资组合策略,并验证模型的算法和有效性。     

面向绿色智能制造的高维多目标动态作业车间调度优化

在当前环境问题日益严峻情况下,绿色智能制造受到广泛关注。在动态柔性作业车间基础上考虑不同机器状态下的能耗情况、机器使用节能方法,构建以极小化总能耗、最大完工时间、机器总负荷和产品质量稳定性为目标的高维多目标绿色动态柔性作业车间调度模型,并设计改进的灰狼优化IMOGWO算法求解该问题。首先,采用反向学习初始化种群策略,以扩大种群多样性;然后,依据多目标问题和标准GWO算法的特点提出多级官员领导机制,并引入POX交叉和逆序变异算子;最后,改进精英保留策略用于多目标优化算法。为证明算法的有效性,设计两组仿真实验分别对三种算法进行比较。实验结果表明,运用本文改进的IMOGWO算法求解多目标问题有更好的收敛性和分布性。     

绿色供应链中消费者信用支付策略研究

本文考虑了一个由单一供应商和单一电商平台组成的绿色供应链,分析了三种不同支付策略(立即支付策略、分期付款策略以及最低还款策略)对供应链成员最优决策和利润的影响。研究表明:(1)免息期敏感系数对绿色营销水平和供应链成员利润均有正向影响。(2)信用支付会使产品产生溢价现象。但在一定条件下,信用支付策略可同时提高供应链成员利润和绿色营销水平,实现经济绩效和环境绩效的双赢。(3)手续费率较高时,若信用期限系数较小,立即支付策略最优;若信用期限系数适中,分期付款策略最优;否则最低还款策略最优。手续费率较低且信用期较小时,最低还款策略最优,否则立即支付策略最优。在此基础上,针对两种信用支付模型设计了成本分担和收益共享的组合契约,实现了供应链协调。     

Operation strategy optimization of desulfurization system based on data mining

Desulfurization systems in coal-fired power stations often suffer the problem of high operating costs caused by a rule-of-thumb control strategy, which implies great potential for optimization of the operation. Due to the complex desulfurization mechanism, frequently fluctuating unit load, and severe disturbance, it is challenging to determine the optimal operating parameters based on the traditional mechanistic models, and the operating parameters are closely related to the operational efficiency of the flue gas desulfurization system. In this paper, an operation strategy optimization method for the desulfurization process is proposed based on a data mining framework, which is able to determine online the optimal operating parameter settings from a large amount of historical data. First, Principal Component Analysis (PCA) is used to reduce data redundancy by mapping the data into a new vector space. Based on the new vector space, an enhanced fuzzy C-means clustering (Enhanced-FCM) is developed to cluster the historical data into groups sharing similar characteristics. Taking sulfur dioxide emission concentration as a constraint condition, the system is optimized with economic benefits and desulfurization efficiency as the objective function. When performing optimization, the group that current operating conditions belong to is determined first, then the operating parameters of the best performance are searched within the group and provided as the optimization results. The method is validated and tested based on the data from a wet flue gas desulfurization (WFGD) system of a 1000 MWe supercritical coal-fired power plant in China. The results indicate that the proposed operation strategy can appropriately obtain operating parameter settings at different conditions, and effectively reduce the desulfurization cost under the constraint of meeting emission requirements.     

基于客户信用度的物流配送车辆路径问题研究

针对当前城市物流配送过程中普遍存在的客户中途取消订单、无故退换货等交易违约问题,引入客户信用度的测度方法。根据客户历史交易违约数据计算客户信用值,并转化求解客户信用度,构建了包含车辆配送成本、租赁成本以及违反时间窗惩罚成本的配送路径优化模型。设计了一种遗传(GA)-禁忌搜索(TS)混合算法进行模型求解,在算法过程中应用精英保留策略进行循环迭代寻优。结合重庆某外卖物流配送网络的实例数据,验证了模型和算法的有效性和可行性。实验结果给出了不同服务策略下的物流配送调度方案,并进行了基于客户信用度的客户配送服务序列调整比较和敏感度分析。研究表明客户信用等级的合理划分可以有效降低物流配送成本和提高客户服务水平。     

基于种群自适应调整的多目标差分进化算法

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略,它依据对非支配解集的贡献程度淘汰较差的个体以减少计算负荷,并预留一些空间给新的带有种群多样性的扰动个体;引入精英学习策略,防止算法陷入局部收敛。通过典型的多目标优化函数对算法进行测试验证,结果表明所提算法相对于其他算法具有明显的优势,其性能优越,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,尤其适合于高维复杂多目标优化问题的求解。     

中小微企业信贷策略研究

利用中小微企业的进销项发票数据,对中小微企业的信贷风险进行评估,并给出最优贷款策略.首先,建立了企业实力-信誉指标体系,并通过优化模型得到有信誉等级和违约记录的123家企业的最优贷款策略;然后,应用WOE-Logistic评分卡模型对无信誉等级的302家企业进行信誉评级,通过上述实力-信誉指标体系和优化模型得到最优贷款...     

Integrated inventory problem under trade credit in fuzzy random environment

This paper is concerned with an integrated inventory problem under trade credit where both the demand rate and deteriorating rate are assumed to be uncertain and characterized as fuzzy random variables with known distributions. The objective of this paper is to determine the optimal inventory policy by optimizing simultaneously the replenishment cycle length and trade credit period. At first, three decision criteria are given: (1) expected value criterion, (2) chance-constrained criterion and (3) chance maximization criterion. Then, after building the fuzzy random models based on the above decision criterion, a hybrid intelligent algorithm by integrating fuzzy random simulation and genetic algorithm is employed to deal with these models. At the end, three numerical examples are given to illustrate the benefits of the models and show the effectiveness of the algorithms.     

环境税费政策下快递包装材料回收利用的最优决策及社会福利分析

本文在一个两阶段的决策模型中研究了政府环境税收政策下快递包装材料的回收利用问题,通过比较快递服务商在不同经营策略下的总利润和碳排放总量,刻画出不同环境税费水平下的最优经营策略选择。研究结果表明,当快递包装材料回收再利用的固定投资成本过高时,随着环境税费水平的不断升高,快递服务商并不一定总是选择绿色经营策略。此外,在这种情况下快递服务商即使选择了绿色经营策略也并不能总是带来碳排放的减少和环境的改善。而如果政府能够进行适当的固定投资补贴,则可有效地促进快递服务商选择并保持绿色经营策略,并且能够实现经济发展与环境保护的双赢。在引入单位碳排放的外部性成本后,本文分析了社会福利最大化下的最优环境税费水平。算例分析显示,政府的政策干预有可能同时实现社会福利最大化、快递服务商总利润的增加和碳排放总量的减少。     

Two-phase pricing and inventory management for deteriorating and fashion goods under trade credit

This study models a finite horizon inventory problem for deteriorating and fashion goods under trade credit and partial backlogging conditions. Demand may vary with price or time. The supplier can extend credit to the retailer. As a result, the retailer does not have to pay for goods immediately upon acquiring them, and can instead earn interest on the retail price of the goods between the time they are sold and the end of the credit period. The proposed model considers two-phase pricing and inventory decisions. In other words, it determines both the optimal prices and the lengths of the in-stock and stock-out period. This paper is the first to consider different price decisions for in-stock and stock-out periods under trade credit. We develop an algorithm to determine the optimal pricing and replenishment strategy while still maximizing the total profit. Further, this study shows that the proposed two-phase pricing strategy is superior to a one-phase pricing strategy in terms of profit maximization. Computational analysis illustrates the solution procedures and the impacts of the related parameters on decisions and profits. The results of this study can serve as references for business managers or administrators.     

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。     

A data-driven neural network approach to optimal asset allocation for target based defined contribution pension plans

A data-driven Neural Network (NN) optimization framework is proposed to determine optimal asset allocation during the accumulation phase of a defined contribution pension scheme. In contrast to parametric model based solutions computed by a partial differential equation approach, the proposed computational framework can scale to high dimensional multi-asset problems. More importantly, the proposed approach can determine the optimal NN control directly from market returns, without assuming a particular parametric model for the return process. We validate the proposed NN learning solution by comparing the NN control to the optimal control determined by solution of the Hamilton–Jacobi–Bellman (HJB) equation. The HJB equation solution is based on a double exponential jump model calibrated to the historical market data. The NN control achieves nearly optimal performance. An alternative data-driven approach (without the need of a parametric model) is based on using the historic bootstrap resampling data sets. Robustness is checked by training with a blocksize different from the test data. In both two and three asset cases, we compare performance of the NN controls directly learned from the market return sample paths and demonstrate that they always significantly outperform constant proportion strategies.