均值-半方差投资组合优化问题的HHO算法求解

发布时间：2021-09-03 08:58

　　采用半方差来度量投资组合的风险,构建均值-半方差投资组合优化模型。针对其目标函数的非可微性,探寻用哈里斯鹰优化算法（Harris Hawks Optimization, HHO）来求解这个非光滑的金融优化问题,以获得最优投资组合。实证研究的结果表明HHO算法求解均值-半方差投资组合优化问题是可行和有效的。 

【文章来源】：皖西学院学报. 2020,36(04)

【文章页数】：8 页

【部分图文】：

中国石化等十个资产2009—2019年的周收盘价数据

表1显示十只股票周收益率样本数据的峰度值最小者为3.9458,大于3(正态分布的峰度值),其最大者高达13.7184,表现为尖峰性,不同于正态分布;同时其偏度(Skewness)值均不等于零,具有偏态,有异于正态分布的对称性;Jarque-Bera检验的结果表明十只股票的周收益率均在99%的置信水平下拒绝正态分布的假设。图2描绘出招商银行、中国平安、山东黄金和东方航空等四只股票周收益率的正态分布检验Q-Q图,较为清晰地显示这些股票周收益率样本数据并不服从正态分布。(二)实验设置

图3描绘出HHO、GA和PSO三种算法求解MSV模型所得到的有效前沿。从图3可以看出,HHO算法所得到的投资组合的有效前沿更加靠近左上方,表明在满足相同收益水平下,HHO算法求得的最优投资组合所承受的风险更低,同时在相同风险承受能力的情况下,其所获得收益更高。同时,从图中也可以看出HHO算法较为稳定,而PSO算法求解MSV模型的结果波动性较大。表3给出了其中7个不同收益水平下的最优投资比例。从表3可以看出三种算法所得的最优投资组合比例存在一定的差异,在资产选择上差异不大,但在投资比例上差异较为明显,这表明三种智能算法的寻优精度上的差异较大,进而表明HHO算法的求解精度较高。

【参考文献】：
期刊论文
[1]哈里斯鹰算法优化脉冲耦合神经网络的图像自动分割[J]. 贾鹤鸣,康立飞,孙康健,彭晓旭,李瑶,姜子超.  应用科技. 2019(04)
[2]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[J]. 王灿杰,邓雪.  运筹与管理. 2019(02)
[3]基于天牛须搜索的粒子群优化算法求解投资组合问题[J]. 陈婷婷,殷贺,江红莉,王露.  计算机系统应用. 2019(02)
[4]基于方差与半方差的风险刻画方法比较[J]. 王性玉,薛桂筠.  河南大学学报(自然科学版). 2009(04)



本文编号：3380821