多目标模型在求解投资组合最优解中的应用

建立一个投资组合首先需要求解其中各项资产的最优比例,马科维茨的均值-方差理论已经成为了此类规划问题的经典解法,但是其锁定风险或收益其一求解另一者的方法需要人为设定约束条件的数值,因而可能不是理论上的最优解。本文试图将多目标模型运用到投资组合中求解风险资产的占比,再在考虑居民风险收益偏好的基础上探索在组合中加入无风险资产,从而为家庭资产的投资组合与运用提出建议。     

线性目标规划及其在投资组合中的应用

本文在合理假设的基础上，利用线形目标规划的方法来讨论投资组合优化问题，建立模型，并进行实证检验。     

基于理想有效解分析的证券组合投资模型研究

证券投资问题通过数学建模大多转化为多目标优化问题,而求解这些多目标优化问题,目前还没有有效的方法。本文提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法为证券组合投资分析提供了一种全新的途径,最后结合实际数据,利用Matlab语言编程仿真求解并取得了良好的效果。     

基于模糊目标下的投资组合模型探讨

投资组合选择是投资者在不确定条件下的投资决策问题,自1952年马科维茨运用数量化方法创立证券投资组合理论以来,更多的研究集中于随机不确定性,而模糊不确定性的研究相对滞后。结合M-V模型,同时引入模糊理论中的目标不精确模型,将确定目标下的M-V模型中的目标模糊化,从而是模型更具有现实意义。     

基于GA-ABC的均值-方差-偏度的多目标投资组合优化

近年来,多目标的投资组合引起各界学者的关注,基于智能混合算法的投资组合优化也得到广泛的研究。本文将在均值-方差-偏度的模型背景下,提出一种GA-ABC混合算法概念,最后通过实例数据验证GA-ABC混合算法的有效性。     

演化计算在多目标优化问题中的应用

多目标优化问题是一类很普遍的问题。演化算法是一种通过模拟自然界的生物演化过程搜索最优解的方法．用于求解多目标优化问题有其独特的优势。系统介绍了多目标演化算法特点、需要解决的关键问题、算法框架、算法实现及应用趋势。     

不确定收益的最优投资组合模型

投资组合理论是金融学乃至整个经济学领域一个非常激动人心的部分,涌现出了大量的投资模型和理论,这些模型大多采用概率论或者模糊理论方法处理投资中的不确定性,对于缺乏样本数据这种情形(如购买的是新出现的证券)建立的模型甚少。针对这种投资情况,利用不确定理论考虑了马科维茨的均值——方差投资组合模型的变形形式,建立了不确定收益的最优投资组合选择模型,进一步丰富了证券投资理论。     

含有模糊约束的最优投资组合模型

文章考虑了收益率为梯形模糊数的投资组合问题。在一定置信水平上,本文用投资组合的模糊预期收益率偏离按历史数据计算估计出的收益率的程度来度量风险,建立了一种含有模糊约束的投资组合模型,并利用梯形模糊数的比较,将模型转化为相应的确定性二次规划问题进行求解。     

全国社会保障基金最优投资组合研究

作为弥补未来人口老龄化高峰期的社会保障需求的战略性储备基金,全国社会保障基金的投资运营状况近年来受到社会和学术界的广泛关注。本文首先阐述了全国社会保障基金投资研究的意义,在此分析基础上引入适用于全国社会保障基金投资组合研究的投资模型,也是本文的立足点——安全首要模型。其次选取主要投资对象并估算其收益与风险的数据特征,带入模型,得出每项投资的最佳比例,即全国社会保障基金的最优投资组合。     

基于双目标规划模型对股市投资的分析

如何在几支看好的股票中进行投资选择和分配是股市投资的热点问题,本文通过建立双目标规划模型,用Lingo求解出在四支给定的股票中投资的最优选择,也即在组合投资的方式下,投资获利最大.     

证券组合投资模型优化

以Markowitz证券组合投资理论为基础,对于几种不同证券组合投资模型分别考虑了证券组合的收益,风险,交易费等因素条件下对模型进行了优化,并对文中模型做了进一步的扩展。为投资者正确选择证券组合投资的最优策略及应用方面提供参考。     

基于Markowitz模型的养老金A股投资最优组合

利用Markowitz均值/方差理论Huang Chi-Fu方法,采用定性和定量分析相结合的研究方式,构造一支中国A股市场的最优投资组合,以期为养老金入市提供一种较为科学的投资组合构建方法,即在预期回报可以弥补通胀风险的条件下达到最小风险,并提供相关投资建议。     

VAR模型及其在投资组合中的应用

VAR是目前国际上金融风险管理的主流方法之一,本文在对其概念、VAR计算的基本思想和主要特点进行简要介绍、分析的基础上,鉴于VAR已在金融领域中得到了广泛的应用,与投资组合的管理和决策有着密切的联系,重点讨论了基于VAR的投资组合管理,及在VAR约束下的投资组合决策,最后提出了我国在应用VAR所面临的主要问题.     

网络证券投资模型优化

在证券投资中可以运用证券组合投资通过分散投资达到降低投资风险的目标。采用马科威茨理论中的约定,风险证券的评价采用预期收益率和收益率方差两项指标,从风险控制的角度出发,建立证券投资组合,以确定最优化的投资组合。     

最优组合预测在股指预测中的应用

在股票市场中,股票价格指数体现着股票市场的整体走势,因此对股指进行预测具有重要的理论研究和现实意义。采用一次移动平均、一次指数平滑和人工神经网络预测模型。对上证指数数据进行的预测结果表明,线性规划最优组合预测模型预准确度和精度要优于一次移动平均和一次指数平滑预测模型。线性规划最优组合预测模型可运用于股票价格指数的预测之中,提高预测准确度和精度。     

基于股票投资组合的风险收益模型研究

文章通过对中国A股市场的股票1998—2011年季度收益率的分析,运用马克维茨模型构建投资组合,然后运用多目标规划方法求解目标问题的满意解,寻求一个可行的投资的比例系数。其中重新审视了收益和风险,即使用ARMA模型来对收益风险进行估计。同时在进行以上分析之前,使用假设检验方法对股票进行筛选。     

多阶段投资组合优化研究

目前,我国的多阶段组合投资模型,各有优缺点:均值-VaR模型依据风险大小来确定投资组合,能够有效降低风险,但投资收益也会相应降低;模糊组合投资模型简单易用,但缺乏实用性;神经网络投资模型解决了多阶段组合投资时间点的确定问题,但需计算机软件辅助操作,非专业人士很难设计操作;基于熵的投资模型简单实用,但其准确性不强,且不能深入预测其投资收益。投资者应学会综合运用各模型,通过模型之间的多模型组合有效降低风险,提高投资收益。     

基子VaR模型的股票组合投资风险管理研究

本文探讨了将GARCH模型与方差-协方差方法相结合的VaR风险计量方法,并用VaR风险替代Markiwitz组合投资模型中的方差风险,通过求解非线性规划问题,得到最小化股票投资组合VaR风险的最优投资策略.     

用蚁群算法求解带交易成本的投资组合模型

证券投资组合优化问题的实质就是有限的资产在具有不同风险收益特征的证券之间的优化配置问题。本文在经典马科维茨投资组合的均值-方差模型框架下,将蚁群算法引入模型求解,提出考虑交易成本的股票投资组合模型。实证结果表明,蚁群算法是一种解决股票投资组合优化问题的有效算法,不同的参数设置对算法运行结果有显著影响。     

Excel规划求解在运输中的应用

本文主要介绍Excel中的规划求解中的一般方法,来解决在运输中的问题。首先介绍规划求解的基本功能,然后通过建立数学模型,利用规划求解方法来求出最优解。