基于改进PSO算法的投资组合优化方法的设计和实现

发布时间：2017-08-14 21:32

  本文关键词：基于改进PSO算法的投资组合优化方法的设计和实现

  更多相关文章： 投资组合优化 均值方差模型(M-V模型) 粒子群优化算法(PSO) 异构多种群策略 随机种群拓扑策略 M-V-S模型

【摘要】：金融决策的核心是不确定条件下收益和风险的权衡,Markowitz均值一方差模型(简称M-V模型)的诞生,使得风险和收益的量化成为可能,标志着现代投资组合理论的开端。投资组合问题是一类非常复杂的决策问题,亦被证实是组合优化问题中带约束的NP难问题。粒子群优化算法(简称PSO算法)是一种进化计算方法,由于其具有快速收敛和操作简单等特点,在工程、经济管理等诸多领域得到广泛应用。近年来,已有学者将PSO算法引入到投资组合优化问题中,但大多只是初步尝试采用经典的PSO算法求解该问题,很少有学者基于PSO算法设计相应的改进策略来提高算法求解投资组合优化这一具体问题的性能。本文针对投资组合优化问题,引入PSO算法进行求解,并根据问题的特点提出了基于异构多种群策略的PSO算法和基于随机种群拓扑策略的PSO算法,进而在中国证券市场进行了相关的实证探究。本文的主要工作如下：1)针对投资组合优化问题,基于异构多种群策略,提出了一种改进的PSO算法HMPP-SO(Heterogeneous Multiple Population Particle Swarm Optimization)用于求解带基数约束的投资组合优化问题并将其性能与几种经典PSO算法变体进行比较。在本文所提出的异构多种群策略中,整个种群被划分为几个子种群,每个子种群采用不同的PSO算法变体作为进化方式。子种群根据迁移规则每隔一定时间进行信息共享来促进整个种群的信息交流,从而协调种群的探索和开采能力。实验表明与经典PSO算法变体相比,HMPPSO算法更为有效,尤其在求解高维问题时表现出了更为稳定的性能,从而验证了本文所提出的异构多种群策略的有效性。2)针对投资组合优化问题,在深入探讨PSO算法种群拓扑的基础上,提出了四种随机种群拓扑策略,分别为：基于平均度数的随机种群拓扑策略,基于度数的随机种群拓扑策略,基于平均度数的动态随机种群拓扑策略,基于度数的动态随机种群拓扑策略。本文还基于这四种策略,在经典PSO算法变体WPSO的基础上,提出了四种改进的PSO算法RTWPSO-AD, RTWPSO-D,DRWTPSO-AD, DRWTPSO-Do实验表明,四种改进的PSO算法在大多数情况下比经典PSO算法变体WPSO性能更优,其中采用动态随机种群拓扑策略的DRTPSO-D算法表现出了非常优异的求解能力,从而验证了本文所提出的随机拓扑策略的有效性。3)对M-V模型在中国证券市场的应用进行实证探究,考察M-V模型对市场风险的分散效果,同时,还提出了一种引入系统风险的M-V-S模型并验证其有效性。首先采用异构多种群PSO算法,基于带基数约束的M-V模型,获取最优投资组合,并对三种模型参数估计方法下求得的有效前沿和收益率序列进行比较。接着提出引入系统风险的M-V模型M-V-S,基于该模型获取最优投资组合,对不同系统风险参数控制下组合的收益率序列进行比较分析。实验结果表明,采用M-V模型获取的投资组合能够较有效地分散资产风险,其组合收益率波动范围均小于上证综指收益率的波动范围。在风险厌恶因子λ取值适中时,可以在降低投资风险的同时获取较好的收益。可见M-V模型在中国证券市场具有一定的实际可行性和不错的风险分散效果。而引入系统风险的M-V-S模型能在一定程度上降低投资组合的总风险,尤其在股票价格波动较为平稳的情况下,从而为投资者提供更为稳健的投资决策。本文针对投资组合优化问题,采用基于异构多种群策略的PSO算法和基于随机种群拓扑策略的PSO算法对基数约束下的M-V模型进行求解,获得了较好的实验效果。本文的研究工作可以为智能优化算法在投资组合优化领域的应用提供依据,并对Markowitz投资组合理论在中国证券市场的应用进行了一定程度的完善和补充,具有积极的理论意义与实际应用价值。
【关键词】：投资组合优化 均值方差模型(M-V模型) 粒子群优化算法(PSO) 异构多种群策略 随机种群拓扑策略 M-V-S模型
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.48;TP18
【目录】：

• 摘要4-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 研究背景及研究意义10-11
• 1.2 国内外研究现状11-14
• 1.3 研究内容和创新点14-15
• 1.3.1 研究内容14-15
• 1.3.2 创新点15
• 1.4 论文章节组织15-16
• 第二章 基于异构多种群策略的PSO算法求解投资组合优化问题16-34
• 2.1 投资组合优化模型16-18
• 2.2 PSO算法18-20
• 2.2.1 PSO算法基本原理18-19
• 2.2.2 经典PSO算法变体19-20
• 2.3 HMPPSO算法求解CCMV模型20-25
• 2.3.1 基于异构多种群策略的PSO算法20-21
• 2.3.2 HMPPSO算法求解CCMV模型21-25
• 2.4 实验及分析25-33
• 2.4.1 实验设置26
• 2.4.2 实验1：HMPPSO与经典PSO算法变体的比较26-30
• 2.4.3 实验2：HMPPSO与非异构多种群PSO算法的比较30-33
• 2.5 本章小结33-34
• 第三章 基于随机拓扑策略的PSO算法求解投资组合优化问题34-48
• 3.1 投资组合优化模型34-35
• 3.2 基于随机拓扑策略的PSO算法35-38
• 3.2.1 传统静态种群拓扑结构35
• 3.2.2 随机种群拓扑35-36
• 3.2.3 动态随机种群拓扑36
• 3.2.4 四种随机种群拓扑策略36-38
• 3.3 实验及结果38-47
• 3.3.1 实验设置39
• 3.3.2 实验1：四种算法的参数设置及分析39-41
• 3.3.3 实验2：四种基于随机拓扑策略的算法与WPSO的性能分析41-47
• 3.4 本章小结47-48
• 第四章 基于M-V模型的投资组合实证研究48-62
• 4.1 样本数据的选取与处理48-51
• 4.1.1 样本股票的选取48-49
• 4.1.2 训练区间和测试区间的选取49
• 4.1.3 数据处理49-51
• 4.2 模型参数估计51-53
• 4.3 实验设置53
• 4.4 实验1：三种参数估计方法的比较和分析53-57
• 4.4.1 有效前沿的比较和分析53-54
• 4.4.2 收益率序列的比较和分析54-57
• 4.5 实验2：引入系统风险的M-V-S模型的实证与分析57-60
• 4.5.1 模型介绍57-58
• 4.5.2 实验结果与分析58-60
• 4.6 本章小结60-62
• 第五章 总结与展望62-64
• 5.1 总结62-63
• 5.2 展望63-64
• 致谢64-66
• 参考文献66-70
• 攻读硕士学位期间的学术成果70

【相似文献】

中国期刊全文数据库 前10条

1 王宇平,徐晨;解组合优化的一种新方法的收敛性[J];西安电子科技大学学报;1997年04期

2 涂振宇,曾tD;一类组合优化问题的智能算法研究[J];江西教育学院学报(综合);2003年06期

3 贾小波;石秀安;;屏蔽设计组合优化研究[J];核科学与工程;2010年04期

4 赵红燕,李定主;用组合优化的方法进行兵力分配[J];电脑开发与应用;2005年01期

5 王正元,杨克巍,刘靖旭,谭跃进;组合优化问题的一种精确求解方法[J];计算机工程与科学;2004年12期

6 王洪国;马绍汉;陈火旺;;组合优化问题反问题的研究进展[J];计算机科学;2004年02期

7 郑宇军;薛锦云;凌海风;;组合优化问题简约与算法推演[J];软件学报;2011年09期

8 张鸿宾;;组合优化问题的启发式搜索[J];计算机科学;1998年02期

9 汪祖柱,程家兴;求解组合优化问题的一种方法—分枝定界法[J];安徽大学学报(自然科学版);2004年01期

10 邓玉芬;向凤红;;蚁群算法在组合优化中的应用[J];电子测量技术;2007年01期

中国重要会议论文全文数据库 前4条

1 于晓义;吴毅;王达达;杨昆;;基于负荷均衡的工作中心任务组合优化分配研究[A];2010年云南电力技术论坛论文集（优秀论文部分）[C];2010年

2 何洋林;叶春明;;CEPGA算法在网络计划组合优化问题中的应用[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

3 徐俊明;;网络分析中几个组合优化问题[A];中国运筹学会第七届学术交流会论文集（中卷）[C];2004年

4 李彦苍;索娟娟;;基于熵和信息素的自适应GA及其在组合优化中的应用[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

中国重要报纸全文数据库 前3条

1 程建平;发掘资源的最大价值[N];中国特产报;2003年

2 安徽 朱宝贵;Office 2000与XP组合优化安装技巧[N];电子报;2005年

3 薛梅;柜面劳动组合优化应多管齐下[N];中国城乡金融报;2014年

中国博士学位论文全文数据库 前6条

1 王军强;基于约束理论的产品组合优化决策研究[D];西北工业大学;2006年

2 王正元;基于状态转移的组合优化方法研究[D];国防科学技术大学;2004年

3 彭胜志;基于高阶矩的投资组合优化研究[D];哈尔滨工业大学;2012年

4 吴t熇，

本文编号：674821