人工蜂群算法在多目标模糊投资组合优化中的应用

发布时间：2017-06-16 09:05

  本文关键词：人工蜂群算法在多目标模糊投资组合优化中的应用，，由笔耕文化传播整理发布。

【摘要】：金融市场是一个复杂的、充满了各种不确定性的系统,如何在各种复杂的、不确定性的金融环境中对资本进行有效配置,实现投资收益与风险均衡将是金融机构与个人投资者所要面临的重要问题。在金融市场中不确定性主要表现为随机性和模糊性。在很多情形下,投资者往往并不能够准确地预测资产收益的概率分布,其对收益和风险的描述通常也只能用一些模糊概念来概括,这就使得资产收益在很大程度上表现为模糊不确定性。因此,为了很好的解决金融市场模糊不确定问题,我们将在可能性理论框架下讨论投资组合优化问题。随着学者对投资组合理论研究的不断深入,研究发现投资组合模型中用方差来度量投资风险并不能很好的描述投资者对于风险的定义,同时已有研究表明金融资产的收益率通常情况下并不服从正态分布,其收益率的分布特征往往是非对称的。当资产收益率不服从正态分布时,仅用资产的均值和方差并不能很好的刻画资产收益的分布特征。为了克服均值-方差模型存在的不足,本文将基于资产的收益、半绝对偏差风险函数及收益率分布的偏度特征来研究投资组合优化问题。与此同时,在现实的证券市场中,流动性作为证券市场存在的基础和前提,是金融市场的重要属性,而在买卖证券的交易过程中也总是存在着如税收、交易成本、交易量限制、红利等摩擦因素,已有研究表明忽略金融资产的交易费用将导致无效的投资决策。因此,本文将在可能性理论框架下综合考虑金融资产的收益、风险、偏度分布特征,同时在模型中又考虑了流动性约束及证券的交易费用、资产比例上下限、不能卖空等现实因素,进而构建了考虑流动性约束及交易费用的均值-半绝对偏差-偏度的多目标模糊投资组合优化模型。由于多目标投资组合优化问题是一类非常复杂的优化问题,并且该问题亦被证实是组合优化问题中的NP-Hard问题,其计算都较为复杂,难以使用常规的方法求解。本文将针对提出的约束多目标投资组合优化模型设计一种改进的多目标人工蜂群算法,具体包括以下三方面改进:混沌初始化种群、改进雇佣蜂的搜索行为、外部种群的更新及保存策略。最后将改进的多目标人工蜂群算法与几种经典多目标优化算法进行性能比较,从而验证模型的实用性及算法的有效性。
【关键词】：投资组合优化问题 可能性理论 约束多目标 人工蜂群算法
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F830.9
【目录】：

• 摘要4-5
• Abstract5-9
• 1 引言9-16
• 1.1 研究背景及意义9-10
• 1.2 投资组合优化研究综述10-13
• 1.2.1 不同风险度量的投资组合模型11
• 1.2.2 基于偏度视角的投资组合模型11
• 1.2.3 引入交易费用的投资组合模型11-12
• 1.2.4 基于流动性视角的投资组合模型12-13
• 1.2.5 智能算法用于投资组合优化问题13
• 1.3 本文研究内容13-14
• 1.4 本文创新之处14-16
• 2 相关基础知识16-24
• 2.1 多目标优化问题16-17
• 2.1.1 多目标优化模型16
• 2.1.2 Pareto最优解的概念16-17
• 2.2 模糊集的相关理论17-19
• 2.3 几种典型的多目标优化算法19-24
• 2.3.1 NSGA-II19-20
• 2.3.2 PESA-II20-21
• 2.3.3 SPEA221-22
• 2.3.4 MOPSO22-24
• 3 多目标人工蜂群算法24-31
• 3.1 人工蜂群算法简介24-27
• 3.1.1 人工蜂群算法基本原理24-26
• 3.1.2 人工蜂群算法研究现状26-27
• 3.2 多目标人工蜂群算法27-31
• 3.2.1 多目标人工蜂群算法基本原理27-29
• 3.2.2 多目标人工蜂群算法基本框架29-31
• 4 具有流动性约束及交易费用的多目标模糊投资组合模型31-37
• 4.1 均值－半绝对偏差投资组合模型31-32
• 4.2 资产收益率分布的偏度特征32-33
• 4.3 具有流动性约束的多目标投资组合模型33-34
• 4.4 可能性理论下的多目标投资组合模型34-37
• 5 人工蜂群算法在多目标投资组合优化问题中的应用37-47
• 5.1 算法设计37-40
• 5.1.1 混沌初始化37-38
• 5.1.2 搜索策略的改进38-39
• 5.1.3 外部种群的更新39
• 5.1.4 算法约束处理39-40
• 5.2 实验结果与比较40-47
• 5.2.1 评价指标40-41
• 5.2.2 实例分析41-47
• 6 总结与展望47-49
• 6.1 总结47
• 6.2 后续拓展研究47-49
• 参考文献49-56
• 致谢56-57
• 攻读硕士学位期间研究成果57-58

【相似文献】

中国期刊全文数据库 前10条

1 何幼林;欧福军;魏华实;徐健;张雍吉;;蚁群算法的原理及其在组合优化中的应用[J];黑龙江科技信息;2008年01期

2 丁威;杨雪斌;;组合优化在企业会议成员分配中的应用[J];现代商贸工业;2014年03期

3 赵刚;利用人才组合优化员工配置[J];市场周刊(管理探索);2005年06期

4 彭胜志;王福胜;;高阶投资组合优化问题的研究述评[J];财会研究;2012年01期

5 孙富;证券组合优化问题探讨[J];中国管理科学;1995年04期

6 陈盛双,武华,李亮;企业管理组合优化的数学模型及遗传算法[J];武汉汽车工业大学学报;2000年06期

7 谭志国,茅惠芳;企业产品组合优化原则探讨[J];商业时代;2005年05期

8 王贞;刘三阳;孔翔宇;;投资组合优化问题情景生成方法的比较[J];兰州大学学报(自然科学版);2011年03期

9 马玉洁;;产品组合优化决策方法分析[J];财会月刊;2013年17期

10 吴辉球;;基于遗传算法的企业组合优化研究[J];消费导刊;2007年08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：454949