证券投资组合问题研究及改进仿生算法求解

发布时间：2023-05-10 01:07

　　近年来,受世界经济格局以及金融形势的影响,证券组合投资成为当前一个很热的课题。在现实生活中,越来越多的人选择投资股票来进行理财。股票类型、品种等多种多样,发展潜力、投资收益、风险也就各不相同,而投资者的资金是一定的,这样就必须考虑每支股票的投资比例。本文以国内股票市场为背景,讨论了如何通过仿生算法做出较优秀的证券组合投资决策。 本文结合Markowitz证券投资组合理论和国内股票市场实际情况,利用熵对方差度量风险进行了补充,并加入了专家评价对预期收益率向量和协方差矩阵实行了模糊化处理,以提高其现实可行性。同时考虑了相关政策法规以及其他现实约束,设立了投资上下限,建立了改进的投资组合模型,用三种改进仿生算法对其求解。 针对传统遗传算法收敛速度慢,运算时间长的缺点,提出了自适应并行遗传算法。该算法建立了多处理器并行处理的新思路,改进了交叉、变异算子,使其能够自我调节。最后,利用算例论证了算法的有效性。 对标准PSO算法引入遗传算法中的交叉操作,使其有选择性的对粒子进行交叉。应用了并行自适应的思想,使算法能在多处理器上同时运算,并自我调节权值。通过实证分析,将改进后的算法与标准算法进行了比较...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 常见的投资组合模型
        1.2.1 均值-方差模型(M-V)
        1.2.2 资本资产定价模型(CAPM)
        1.2.3 套利定价模型(APT)
    1.3 算法现状
        1.3.1 确定性优化方法
        1.3.2 启发式优化算法
    1.4 本文研究内容及主要工作
第二章 证券投资组合问题的优化模型
    2.1 基本假设
    2.2 熵的知识
    2.3 模糊化收益及风险
    2.4 证券投资组合模型的构建
        2.4.1 目标函数
        2.4.2 约束条件
        2.4.3 投资组合优化模型
第三章 自适应并行遗传算法的应用
    3.1 遗传算法基本介绍
    3.2 基本遗传算法的改进
        3.2.1 编码
        3.2.2 初始化种群进行并行操作
        3.2.3 适应度函数的设计
        3.2.4 选择操作
        3.2.5 交叉变异操作
        3.2.6 终止条件
    3.3 算例
    3.4 本章小结
第四章 改进PSO算法求解投资组合问题
    4.1 传统PSO算法
    4.2 改进PSO算法
        4.2.1 改进PSO算法的必要性
        4.2.2 改进PSO算法的描述
        4.2.3 改进PSO算法流程图
    4.3 算例
    4.4 本章小结
第五章 基于GABP算法的求解
    5.1 两种算法的介绍
    5.2 改进算法的必要性和思路
    5.3 改进算法的实现
        5.3.1 遗传算法的改进
        5.3.2 BP神经网络的改进
        5.3.3 改进GABP算法步骤
        5.3.4 改进GABP算法流程图
    5.4 算例
    5.5 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
研究成果及发表的学术论文



本文编号：3812738