多期均值-半绝对偏差投资组合模型

以投资手数为决策变量,以最大化效用函数为目标,考虑不允许卖空、交易费用和最小交易单位等实际约束,提出了带实际投资约束的多期均值-半绝对偏差投资组合模型。模型中风险厌恶系数和效用折扣因子的参数设置,使投资者的风险偏好、投资习惯和对市场状况的判断能在投资决策得到体现。利用动态规划原理得到模型的递推方程,易于编程求解。     

基于CaR的金融资产配置数理模型分析

在金融市场满足标准布朗运动随机过程的设置下，本建立了具有投资机会约束的CaR动态投资决策模型和具有条件期望投资机会约束的在险资本(即CaR)模型，得到了最优常数再调整证券组合策略意义下的最优解的显式表达式，并对经济意义作了解释。最后，讨论了长期投资组合的计划期与投资持有的风险资产的比例关系。     

基于机会约束的在险收益动态投资决策模型

本文在标准Black-Scholes型金融市场假设下,利用在险收益(EaR)来度量投资组合的风险,建立了基于机会约束的在险收益动态投资决策模型,讨论了最优常数再调整策略意义下的最优投资策略,给出了有效边界的显式表达式,并结合算例说明了模型的求解方法。     

多项目多期组合投资优化的双目标模糊相关机会模型

对于多项目单期优化模型已经有了比较满意的结论,现在已有研究基础上讨论一种基于净现值和净现值成本的多项目多期投资组合优化的双目标模糊相关机会模型,并且提出了一种集模糊模拟、改进的神经网络与遗传算法于一体的人工智能算法,结合一种能够实时调整权数的评价函数法,从而对模型进行有效求解。最后数值仿真说明了模型的合理性与算法的有效性。     

基于含有交易费用的证券投资组合模型的遗传算法验证

文章在传统Markowitz投资组合模型中考虑了交易费用以及税收等实际因素,形成了一个改进的多因素证券投资组合模型,弥补了以往模型简化交易费用的不足,使得组合投资模型更加贴近我国的实际。由于该模型是一个非线性规划问题,传统算法难以有效求解。为此,提出用改进的遗传算法来求解该模型,并以实际算例验证其有效性,相比于传统的遗传算法具有更高的求解精度和更快的收敛速度,可以为投资者提供更好的决策参考。     

基于安全第一准则和机会约束的动态投资组合问题研究

本文以安全第一准则为目标,在投资机会的约束下,建立了动态的投资组合模型,研究了模型的最优解.     

带有模糊收益的均值-方差-偏度投资组合选择模型

许多经验性的研究表明投资组合收益通常是非对称的,当均值和方差相同时,投资者喜欢非对称度较大的投资组合收益.为了衡量模糊投资组合收益的非对称性,偏度这一概念被定义为此文的三阶中心矩.作为对模糊均值-方差模型的扩展,我们提出均值-方差-偏度模型并考虑其相应的变化.为了求解这个模型,我们设计了带有模糊模拟的遗传算法.最后,给出几个数值例子来说明这个模型的思想以及这一算法的有效性.     

遗传算法求解最佳证券投资组合

遗传算法作为一种高效并行的全局优化搜索方法,已应用到许多领域。通过将遗传算法引入到证券投资分析领域,对最佳证券组合问题进行优化计算,介绍了利用遗传算法计算最佳证券组合问题的求解步骤。     

投资组合构建与优化：投资者偏好和遗传算法视角

投资组合构建过程可以分为资产选择和资金配置两个步骤。资产选择取决于投资者偏好，以及投资者获得的知识或信息，资金配置可以利用Markowitz投资组合理论和遗传算法等模型来确定。通过刻画A股市场上存在的特定投资者偏好，选出拟投资的股票组合，然后分别利用Markowitz均值-方差模型和遗传算法计算各个股票最佳的资金配置比例，并用历史数据回测不同资金配置比例下股票投资组合的收益，发现遗传算法下构建的最优组合在收益、风险、夏普比率、最大回撤等方面均优于均值-方差模型下构建的最优组合。     

融资条件下的投资组合问题研究

中国正式开展融资融券业务迄今已有四年,融资融券业务是把“双刃剑”,在给投资者带来了更大盈利机会的同时,也为投资者带来了更高的风险,因此其投资组合选择十分重要。基于Markowitz经典M-V模型,研究融资条件下带交易费用的投资组合模型,并利用几何方法对模型进行求解,以期对投资者进行投资组合决策提供帮助。     

证券投资组合决策模型的应用研究

马科威茨投资组合模型建立在单目标规划的基础上,投资者固定一个目标使另一个目标达到最优。然而,理性的投资者总是追求收益尽可能大,风险尽可能小的投资组合。文章利用多目标规划的方法,建立了证券投资组合的多目标规划模型,引入偏好系数将其转化为可根据投资者偏好决定投资方案的模型,同时利用遗传算法对模型进行求解。     

双重SGA算法对股票投资组合的优化分析

随着证券市场的不断发展而发展起来的,证券投资组合的选择和确定面临大量繁重和复杂的计算,SGA算法在客观和理性的证券投资组合决策中可以起到很好的辅助支持作用。本文通过双重遗传算法模型设计,对证券组合投资中的权重进行智能化的求解,并进行投资组合权重方案的评价,为决策的支持提供很好的参照。     

引入VaR约束的投资组合模型

通过对Markowitz投资组合模型的简要分析,指出其存在缺陷.VaR是近年来最为流行的风险管理工具.本文将VaR约束引入Markowitz投资组合理论中,建立基于VaR约束下的投资组合模型.     

引入VaR约束的投资组合模型

通过对Markowitz投资组合模型的简要分析，指出其存在缺陷。VaR是近年来最为流行的风险管理工具。本文将VaR约束引入Markowitz投资组合理论中，建立基于VaR约束下的投资组合模型。     

基于模糊模拟的遗传蚁群算法在模糊需求车辆路径问题上的研究

在对模糊车辆路径问题进行简单描述的基础上,通过引入决策者主观偏好的理念,给出了解决该问题的基本思路,建立了具有模糊特征的车辆路径问题的模糊机会约束模型,提出了求解该问题的一种基于模糊模拟的遗传蚁群混合算法。同时,在最小化总行驶距离的目标下,通过随机模拟方法研究了决策者主观偏好值的选择对最终决策目标的影响作用,并给出了其最佳取值范围。     

VAR约束下的投资组合研究

文章通过VAR(在险价值),建立了VAR约束下的投资组合模型,并给出了解。这个模型相对马可维茨的证券投资模型更直观,也更符合实际,对现实中的投资组合管理有重要的指导意义。     

股票量化交易的模型构建

量化投资作为证券期货投资交易的核心与基本工具.本文根据东证期货中的部分数据分别采用熵模型和随机模拟法的方法筛选股票并求得投资权重.针对熵模型,首先计算初始熵风险值,然后确定调节因子计算熵风险值,从而筛选出20只股票进行投资,最后用均值一方差组合模型函数求出在预期收益率为0.5％时的各股票权重.针对随机模拟法,通过随机给定不同的权重求出有效组合,然后构造无卖空限制的最优投资组合函数求解有效边界,结果显示收益效果明显.     

基于遗传算法的组合投资项目风险度分析

通过应用信息理论与方法来定义组合投资风险度，计算出组合投资的净现值率；利用遗传算法的思想，对投资方案进行寻优，并给出了相关的遗传算法和应用方案。     

基于遗传算法的项目投资决策分析

运用信息论分析了组合投资的风险度,并计算出组合投资的净现值率;针对组合投资项目的风险度,建立了最优组合模型,利用遗传算法对投资方案进行寻优并得出解决方案。     

概率分布相似最大化的“就近—随机”入学机会公平优化——以北京市西城区为例

入学公平是社会关注的热点议题,对社会公平有重要的意义。既有研究表明,富裕阶层与优质教育资源之间存在的空间循环累积是造成基础教育入学机会不平等的重要原因,距离在其中有关键性的影响,这种现象普遍存在于就近入学等入学分配制度中。随机分配被认为是打破这种空间不平等机制的重要方式,目前已有城市开始试行。虽然地理学早在1960年代已经开始研究学区优化,且教育学正在出现"空间转向",但引入随机机制的学区优化研究仍很少。文章沿用学区优化研究中的交通类比传统,引入蒙特卡洛交通流模拟研究进行问题类比,进而定义"就近—随机"入学的公平优化问题,即寻求各个学校到各个小区最优的学位分配方式,使入学机会趋于空间均等化。采用概率分布描述入学机会,将入学机会空间公平定义为概率分布相似程度最大化;借鉴区划问题中属性距离的计算方法,将概率分布相似程度最大化问题转换为多维空间内概率分布向量的距离最小化问题,进而构建包含最大距离约束和学校容量约束的概率分布相似最大化"就近—随机"空间分配优化模型。以北京市西城区为例进行模型应用,采用PSO算法进行求解。结果表明,文章构建的模型可以显著提升入学机会的空间公平。文章还进一步讨论概率分布相似建模思路在其它公平优化研究中的可能应用。