改进粒子群算法的求解基于均值-CVaR模型的投资组合

发布时间：2017-06-08 20:13

  本文关键词：改进粒子群算法的求解基于均值-CVaR模型的投资组合，由笔耕文化传播整理发布。

【摘要】：投资组合问题是当代金融学的重要研究热点内容,它主要面对的问题是在满足给定收益的前提下将固定数目的资金分配到多种资产上使得风险最小化。近年来,基于VaR(风险价值)和CVaR(条件风险价值)风险度量理论的提出成为解决现代金融风险投资问题的主要方法。另一方面,投资组合中的交易费用和投资比例上限已经成为组合投资的重要约束因素,忽略交易费用和限制投资比例因素有出现无效的投资组合的可能。因此,本文采用CVaR度量风险,构建有交易费用和限制证券比例的均值-CVaR投资组合模型。粒子群优化算法收敛速度快、精度较高,在解决连续性优化问题上体现了其高效性能。但算法本身也存在后期收敛速度慢、精度不够高、容易发散等缺点,且解决离散型问题方面的应用较少。本文针对粒子群算法全局搜索能力强,但易跳过全局极值,且只能求解连续性问题的缺点,提出离散复形法局部搜索的思想,来有效提高粒子群算法在离散型问题中的搜索性能。针对粒子群算法易陷入局部极小的缺点,引入自适应粒子迁徙操作保证粒子的多样性,有效避免陷入局部收敛,进一步提升算法的收敛能力和搜索速度。在论文的第四章将提出的改进粒子群算法应用于第三章构建的均值-CVaR投资组合模型上。通过选择沪深股市15支股票对建立的模型及改进的算法进行实验,通过不同的参数选择研究其对模型结果的影响。实证分析表明将改进的粒子群算法应用到求解均值-CVaR模型的投资组合问题,与其他算法相比,该方法精度更高、性能更稳定。
【关键词】：投资组合优化 改进粒子群算法 离散复形法
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 绪论14-21
• 1.1 论文研究背景和意义14-15
• 1.1.1 研究背景14-15
• 1.1.2 研究意义15
• 1.2 课题研究现状15-19
• 1.2.1 粒子群优化算法研究现状15-18
• 1.2.2 投资组合研究现状18-19
• 1.3 论文研究内容与创新点19-20
• 1.3.1 研究内容19-20
• 1.3.2 论文创新点20
• 1.4 论文章节安排20-21
• 第二章 粒子群算法综述21-30
• 2.1 基础粒子群算法简介21-24
• 2.1.1 粒子群算法的生物学基础21
• 2.1.2 算法原理21-23
• 2.1.3 算法模拟及流程23-24
• 2.2 粒子群的发展24-26
• 2.2.1 标准粒子群算法24-25
• 2.2.2 带收缩因子粒子群算法25-26
• 2.2.3 离散粒子群算法26
• 2.3 算法参数控制26-28
• 2.4 粒子群算法的应用28-29
• 2.5 本章小结29-30
• 第三章 基于CVaR理论投资组合模型构建30-40
• 3.1 基本投资组合理论30-32
• 3.1.1 均值一方差投资组合理论30-31
• 3.1.2 M-V模型的不足31-32
• 3.2 均值-VaR模型32-35
• 3.2.1 VaR定义及均值-VaR模型32-34
• 3.2.2 VaR的计算方法34
• 3.2.3 VaR的不足34-35
• 3.3 CVaR与均值-CVaR模型35-38
• 3.3.1 CVaR概念35
• 3.3.2 CVaR方法的计算35-37
• 3.3.3 均值-CVaR投资组合模型37-38
• 3.4 带有最小交易量和交易费用的均值-CVaR投资组合模型38-39
• 3.5 本章小结39-40
• 第四章 求解均值-CVaR模型投资组合的改进粒子群算法40-52
• 4.1 改进粒子群算法PBSO40-42
• 4.1.1 复形法描述40
• 4.1.2 迁徙因子思想40-41
• 4.1.3 改进粒子群算法41-42
• 4.1.4 FBPSO算法的基本步骤42
• 4.2 算法设计42-44
• 4.2.1 PSO算法参数的选择42-43
• 4.2.2 编码、适应度函数及实验数据的处理43-44
• 4.3 数值实验44-46
• 4.3.1 样本数目的选择44
• 4.3.2 样本股票的选择44-45
• 4.3.3 模型中参数的选择45
• 4.3.4 算法适应度函数的确定45-46
• 4.4 结论分析和模型评价46-51
• 4.5 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 论文总结52
• 5.2 论文展望52-54
• 参考文献54-58
• 攻读硕士学位期间的学术活动及成果情况58

【相似文献】

中国期刊全文数据库 前10条

1 方毅,张屹山;CVaR在金融工具复制上的应用[J];系统工程理论与实践;2004年08期

2 李婷;张卫国;;风险资产组合均值-CVaR模型的算法分析[J];安徽大学学报(自然科学版);2006年06期

3 孙晓冬;赵斐;;VaR与CVaR在投资组合中的应用及对比分析[J];北京市财贸管理干部学院学报;2007年02期

4 王秀云;王冰;;投资组合风险中CVaR方法的应用[J];商场现代化;2008年04期

5 王玉玲;;CVaR方法在投资组合中的应用[J];统计与决策;2008年02期

6 赵丽娟;;VaR的改进方法CVaR在投资组合风险中的应用[J];职业技术;2009年04期

7 陈刚;周华锋;;基于CVaR的供电公司多能量市场最优购电策略[J];红水河;2009年06期

8 陈婵娟;李筱璇;;如何用CVaR模型监测极端风险[J];当代经济;2010年05期

9 余力;张勇;;应用极值分布理论的VaR和CVaR估计[J];求索;2010年04期

10 郑玉仙;;风险测量的VaR及CVaR方法的对比研究[J];生产力研究;2010年04期

中国重要会议论文全文数据库 前10条

1 孟志青;虞晓芬;蒋敏;庄彬;曾丽萍;;基于权值不同置信水平下的多目标CVaR模型[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

2 王雨飞;王宇平;;基于遗传算法的CVaR模型[A];第八届中国管理科学学术年会论文集[C];2006年

3 赵振全;张琳琳;;具有风险偏好的CVaR风险度量方法及对我国股市风险度量的实证分析[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

4 王秀英;陈爽;;两种离散型随机变量线性投资组合的CVaR[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

5 姚海祥;;奇导协方差矩阵和任意收益率分布下均值-CVaR模型的有效边界特征[A];第十届中国管理科学学术年会论文集[C];2008年

6 姚海祥;李仲飞;;不允许买空时基于均值和CVaR的效用最大化模型[A];第十一届中国管理科学学术年会论文集[C];2009年

7 姚海祥;;一般椭球分布下VaR与CVaR投资组合选择模型[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

8 方毅;张屹山;;CVaR与VaR应用在RAPM进行基金绩效评价的比较研究[A];21世纪数量经济学（第6卷）[C];2005年

9 吴军;汪寿阳;;CVaR与供应链的风险管理[A];中国运筹学会第七届学术交流会论文集（中卷）[C];2004年

10 孟志青;虞晓芬;高辉;蒋敏;;基于条件风险值CVaR模型的房地产组合投资的风险度量与策略[A];第八届中国管理科学学术年会论文集[C];2006年

中国重要报纸全文数据库 前1条

1 同济大学经济与管理学院 王树娟;证券投资基金变动投资组合研究[N];证券日报;2004年

中国博士学位论文全文数据库 前7条

1 徐新生;延迟供货情形下零售商基于CVaR准则的最优订购问题研究[D];浙江工业大学;2015年

2 蒋敏;条件风险值（CVaR）模型的理论研究[D];西安电子科技大学;2005年

3 朱怀镇;基于CVaR的证券公司资本监管研究[D];厦门大学;2008年

4 邓兰松;基于EVT的证券公司市场风险管理的VaR与CVaR研究[D];天津大学;2004年

5 叶五一;VaR与CVaR的估计方法以及在风险管理中的应用[D];中国科学技术大学;2006年

6 王金凤;CVaR在电力市场风险管理中的应用研究[D];上海大学;2012年

7 许丽艳;解随机互补问题的CVaR-SP模型与DRO模型[D];大连理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 彭太平;α混合样本优化型CVaR估计的大样本性质[D];广西师范大学;2011年

2 周平平;基于CVaR总风险约束的积极投资组合模型及实证研究[D];华南理工大学;2015年

3 马毓莹;基于GARCH模型的VaR及CVaR在金融风险度量中的应用[D];复旦大学;2014年

4 张传奇;基于CVaR的供应链金融信贷决策研究[D];华南理工大学;2015年

5 邱云;基于均值-CVaR-熵的证券投资组合优化及实证研究[D];华中师范大学;2015年

6 栗天岭;基于CVaR模型的供应链金融信用风险度量研究[D];河北工程大学;2015年

7 杨天山;CVaR风险度量投资组合模型的改进研究[D];广西大学;2015年

8 赵奔;一类基于CVaR约束的分布鲁棒投资组合选择问题[D];大连理工大学;2015年

9 洪璐;CVaR准则下考虑后续服务产品的多随从收益共享契约模型[D];浙江工业大学;2014年

10 张恒fE;基于VaR与CVaR度量金融风险的实证研究[D];上海交通大学;2015年

  本文关键词：改进粒子群算法的求解基于均值-CVaR模型的投资组合，由笔耕文化传播整理发布。

，

本文编号：433632