基于改进蚁群算法的投资组合优化研究

发布时间：2017-06-20 12:00

  本文关键词：基于改进蚁群算法的投资组合优化研究，由笔耕文化传播整理发布。

【摘要】：证券投资组合主要是解决投资者在资金总量一定的情况下,通过构建一组投资组合来分散风险、获取收益,以及如何分配资金的问题,使所构建的投资组合达到收益一定时风险最小,或者风险一定时收益最大的目的。出于投资者理财的需求,人们投向证券市场的资金越来越多,但证券投资是一项高风险的活动。构建投资组合而非将“鸡蛋放入一个篮子中”是一种有效的分散风险获取较高收益的方法。蚁群算法是模拟生物界蚂蚁觅食行为的智能优化算法,人工蚁群算法已经成功解决生活中的二次分配问题、旅行商问题等一系列难题,并取得了较好的优化效果。蚁群算法对要解决问题的限制条件少,因而其应用范围十分广泛。近几年已有学者将智能优化算法用于解决投资组合问题,但蚁群算法在这方面的应用和研究相对较少。因此,本文将改进的蚁群算法应用于解决投资组合问题的研究,既有一定的理论意义也有一定的现实意义。本文在Markowitz的经典投资组合模型的基础上对该模型进行改进,并将股票交易的最小交易单位、交易过程中的交易成本和最大交易量等约束条件加入模型之中,使模型与现实结合的更为紧密。投资组合是一个求多目标函数极值的问题,为方便与蚁群算法结合,本文借鉴Markowitz的经典投资组合模型求解的过程,采用组合收益减去组合方差的方式将多目标问题转化为求单目标函数最大值的问题。对于蚁群算法,本文从基本蚁群算法入手,将蚁群算法中影响优化效果的信息素和启发函数等因素进行改进,与影响股票价格的收益率、方差和成交量等指标相结合,使蚁群算法对投资组合模型的优化更加高效。目前,互联网金融的发展正在促进我国金融市场的变革,互联网金融领域的理财产品已成为人们投资的重要选择之一。因此,在本文的投资组合模型构建中,将互联网金融的代表性产品——余额宝纳入投资标的。并选取5只上市股票和余额宝一起进行实证分析,得出目标函数最大时和目标函数最小时两组投资组合。对得出的投资组合分别从收益、风险、成本和两组合分别适合的人群进行分析,分析表明该模型得出的结果符合证券市场正常的波动情况以及人们的投资习惯。本文所做的主要工作有三点,一是在总结前人研究成果的基础上对投资组合模型进行改进,使模型的实用性更强;二是紧随金融市场创新性发展的变化而变化,将余额宝纳入投资标的,拓展模型的适用范围;三是用改进蚁群算法模拟证券投资行为,使算法与模型结合的更加完善,提高优化效果,并对得出的两组投资组合的结果进行经济学范围内的分析,分析表明模型求解的结果与实际相符。
【关键词】：蚁群算法 证券投资 投资组合模型 股票 互联网金融
【学位授予单位】：天津商业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;F830.59
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 研究背景和意义9-10
• 1.1.1 研究背景9
• 1.1.2 研究意义9-10
• 1.2 文献综述10-13
• 1.2.1 蚁群算法10-11
• 1.2.2 Markowitz投资组合模型及模型优化11-13
• 1.3 本文的研究思路、研究方法、篇章结构及所做主要工作13-16
• 1.3.1 本文的研究思路13-14
• 1.3.2 本文的研究方法14-15
• 1.3.3 本文篇章结构15
• 1.3.4 本文所做的主要工作15-16
• 第二章 蚁群算法基本理论16-25
• 2.1 生物蚁群的理论分析16-18
• 2.1.1 生物蚁群的觅食行为16-17
• 2.1.2 生物蚁群的觅食策略17-18
• 2.2 人工蚁群算法分析18-22
• 2.2.1 人工蚁群算法描述18-19
• 2.2.2 人工蚁群算法的应用19-22
• 2.3 人工蚁群和生物蚁群的异同22-23
• 2.4 本章小结23-25
• 第三章 证券投资基本理论25-37
• 3.1 证券市场概述25-26
• 3.1.1 市场结构25-26
• 3.1.2 市场功能26
• 3.2 证券投资分析26-28
• 3.2.1 基本面分析26-27
• 3.2.2 技术分析27-28
• 3.3 证券投资主要理论模型28-34
• 3.3.1 Markowitz均值-方差模型29-30
• 3.3.2 因素模型30-32
• 3.3.3 资本资产定价模型32-33
• 3.3.4 套利定价模型33
• 3.3.5 安全首要模型33-34
• 3.4 改进的投资组合模型34-36
• 3.5 本章小结36-37
• 第四章 基于蚁群算法的投资组合优化研究37-51
• 4.1 投资组合优化的算法原理37-38
• 4.1.1 信息素37
• 4.1.2 启发函数37-38
• 4.1.3 转移概率38
• 4.2 蚁群算法实现步骤38-39
• 4.3 选股策略39-42
• 4.4 数据预处理42-47
• 4.4.1 收益率数据预处理42-44
• 4.4.2 方差与协方差的预处理44-45
• 4.4.3 成交量数据预处理45-47
• 4.5 实证研究及结果分析47-50
• 4.5.1 目标函数最大值47-48
• 4.5.2 目标函数最小值48-49
• 4.5.3 结果分析49-50
• 4.6 本章小结50-51
• 第五章 结论51-53
• 5.1 结论与展望51
• 5.2 不足及今后的研究方向51-53
• 参考文献53-58
• 发表论文及参加科研情况说明58-59
• 致谢59-60

【相似文献】

中国期刊全文数据库 前10条

1 陈国华;李军成;刘世媛;;风险效用投资组合模型的遗传算法求解[J];计算机工程与应用;2011年02期

2 郁志勤;杨根科;张国勇;;基于非正态分布收益率的限制卖空投资组合模型及其优化仿真[J];微型电脑应用;2011年01期

3 钱淑渠;韩燕飞;李晓丽;;不确定环境多目标投资组合模型及求解算法探究[J];电子设计工程;2014年14期

4 吴锦桂;;多目标投资组合模型研究——基于NSGAII算法的改进[J];财会通讯;2014年14期

5 何光;吴萌;;基于改进粒子群算法的投资组合模型[J];计算机仿真;2013年02期

6 朱俊林;付英姿;陈异;;证券投资组合模型及其应用[J];计算机技术与发展;2013年12期

7 吕小妮;含交易费用投资组合模型的建立[J];西安邮电学院学报;2005年01期

8 张晓鹏;王剑平;;多条件约束下投资组合模型研究[J];计算机技术与发展;2013年06期

9 刘洪杰,王秀峰,王治宝;改进的多模态遗传算法及其在投资组合中的应用[J];控制与决策;2003年02期

10 屠新曙;谢晓闻;;基于PID控制器的动态投资组合模型[J];控制与决策;2014年02期

中国重要会议论文全文数据库 前9条

1 陈国华;廖小莲;;带流动性的多目标投资组合模型[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 陈国华;廖小莲;;基于区间规划的投资组合模型[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

3 孙丽华;张兴芳;;基于正弦熵的投资组合模型[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

4 黄文华;王仁明;;用遗传算法求解全系数模糊证券投资组合模型[A];湖北省机械工程学会青年分会2006年年会暨第2届机械学院院长（系主任）会议论文集（下）[C];2006年

5 邵全;吴祈宗;;随机规划下的投资组合模型研究[A];管理科学与系统科学研究新进展——第8届全国青年管理科学与系统科学学术会议论文集[C];2005年

6 陈国华;廖小莲;;模糊投资组合模型[A];第六届中国不确定系统年会论文集[C];2008年

7 陈国华;廖小莲;;均值-熵投资组合模型的模糊两阶段解法[A];第八届中国不确定系统年会论文集[C];2010年

8 李继;高岳林;;考虑交易成本的M-VaR投资组合模型及算法研究[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

9 胡静;李昌荣;;家庭资产配置定量技术研究[A];和谐发展与系统工程——中国系统工程学会第十五届年会论文集[C];2008年

中国重要报纸全文数据库 前1条

1 李云龙 编译;瑞士信贷中国投资组合三月末的调整[N];证券日报;2006年

中国博士学位论文全文数据库 前9条

1 邸浩;考虑背景风险和心理账户的不确定投资组合模型及决策研究[D];北京科技大学;2016年

2 邓雄;考虑背景风险与社会责任的投资组合模型及算法研究[D];华南理工大学;2016年

3 张鹏;可计算的投资组合模型与优化方法研究[D];华中科技大学;2006年

4 单单;止损策略对双随机安全第一投资组合模型的影响研究[D];重庆大学;2014年

5 侯成琪;非正态分布条件下的投资组合模型研究[D];武汉大学;2005年

6 卫淑芝;随机市场环境下动态最优投资组合模型研究[D];上海交通大学;2009年

7 陈炜;投资组合选择模型及启发式算法研究[D];北京交通大学;2007年

8 邓雪;投资组合优化模型研究[D];华南理工大学;2010年

9 陈国华;模糊投资组合优化研究[D];湖南大学;2009年

中国硕士学位论文全文数据库 前10条

1 尹明强;不确定变量下的投资组合模型[D];渤海大学;2015年

2 顾慧;基于预期行为效用的投资组合模型研究[D];东南大学;2015年

3 李桐;多阶段跟踪误差投资组合模型及实证研究[D];华南理工大学;2016年

4 于延磊;基于改进蚁群算法的投资组合优化研究[D];天津商业大学;2016年

5 李丽霞;兼顾投资心理的均值—尺度参数投资组合模型研究[D];武汉理工大学;2007年

6 王金凤;多阶段投资组合模型及其算法的研究[D];南昌航空大学;2010年

7 刘玎玎;损益情绪投资组合模型研究[D];南华大学;2015年

8 刘忠元;基于贝叶斯理论的投资组合模型研究[D];武汉理工大学;2009年

9 吴锦桂;融资性投资组合模型及改进遗传算法研究[D];华南理工大学;2011年

10 陈静阳;收益率为模糊数的投资组合模型及实证分析[D];广州大学;2011年

  本文关键词：基于改进蚁群算法的投资组合优化研究，，由笔耕文化传播整理发布。

本文编号：465497