证券组合选择理论模型及算法的研究

发布时间：2018-01-01 15:10

  本文关键词：证券组合选择理论模型及算法的研究　出处：《复旦大学》2013年硕士论文　论文类型：学位论文

  更多相关文章： 证券组合选择 风险价值 遗传算法 神经网络

【摘要】：本文通过对证券组合选择理论发展的回顾,进一步发展模型的目标函数和约束条件,使其能更接近真实市场投资行为；并使用现代智能算法对改进后的证券投资组合模型进行求解。 在基本的均值—方差模型中,增加了证券投资权重的限制区间。针对这一多约束条件的非线性模型,建立了改进遗传算法加以求解。在遗传算法中,随机生成满足区间约束条件的初始种群,对于选择算子采用最优个体保护策略,交叉算子采用算术交叉法,变异算子后进行约束条件检查。 在均值—方差模型中,以基于VaR的风险概率作为目标函数,建立投资组合的随机规划模型。在风险资产收益率服从一定分布的假设下,利用随机模拟的方法,得到风险证券投资权重和风险概率的输入输出数据。然后采用BP神经网络逼近风险概率函数。采用遗传算法求解这个随机规划问题。 在证券投资组合模型中,加入了交易费用部分,并将模型目标函数变化为期望收益与方差的组合。在上述模型中又加入无风险资产作为投资组合的选择之一。引入风险倾向系数来调节目标函数中期望收益和方差的比例。在算法方面,对于遗传算法中的交叉概率和变异概率采用自适应变化的方法,增加搜索能力。
[Abstract]:By reviewing the development of portfolio selection theory, this paper further develops the objective function and constraint conditions of the model to make it more close to the real market investment behavior. A modern intelligent algorithm is used to solve the improved portfolio model. In the basic mean-variance model, the limit interval of securities investment weight is added. For the nonlinear model with multiple constraints, an improved genetic algorithm is established to solve the problem. The optimal individual protection strategy is adopted for the selection operator, the arithmetic crossover method is used for the crossover operator, and the constraint condition is checked after mutation operator. In the mean-variance model, the risk probability based on VaR is taken as the objective function to establish the stochastic programming model of the portfolio. The input and output data of investment weight and risk probability of risk securities are obtained by means of stochastic simulation. Then BP neural network is used to approximate the risk probability function and genetic algorithm is used to solve the stochastic programming problem. In the portfolio model, the transaction cost is added. The objective function of the model is changed into a combination of expected income and variance. Risk free assets are added to the above model as one of the choices of the portfolio. The risk propensity coefficient is introduced to adjust the expected return and the side in the objective function. The proportion of the difference. In terms of algorithm. For the crossover probability and mutation probability of genetic algorithm, adaptive variation method is adopted to increase the searching ability.
【学位授予单位】：复旦大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F224;F830.91

【相似文献】

相关期刊论文 前10条

1 石宣华,李晖,杨伟;基于遗传算法的邮路优化[J];四川工业学院学报;2002年02期

2 李文锋;郭晋宇;;浅谈遗传算法及应用[J];泰山乡镇企业职工大学学报;2006年02期

3 吴钦阳;;基于遗传算法的物流配送中心选址问题研究[J];福建电脑;2009年06期

4 王霞;马庆;;基于遗传算法的时间、费用优化[J];商场现代化;2010年14期

5 李剑;景博;袁彩霞;;一种竞争环境下基于改进遗传算法的电子商务协商[J];中山大学学报(自然科学版);2011年01期

6 汤剑;;遗传算法在区间分析中的应用[J];机电产品开发与创新;2012年02期

7 修宏伟，张权，刘向东，，潘晖;遗传算法及其在排班问题中的应用[J];沈阳建筑工程学院学报;1996年03期

8 张岐山;基于遗传算法的分辨系数的优化方法[J];中国管理科学;2003年05期

9 刘琴;黄挚雄;李志勇;;遗传算法在电子商务协商优化问题中的应用[J];现代计算机;2006年10期

10 邢传文;吴清烈;;大规模定制下基于交互式遗传算法的谈判模型研究[J];价值工程;2008年10期

相关会议论文 前10条

1 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

2 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

3 林家恒;李国锋;田国会;刘长有;;遗传算法在旋转货架拣选优化中的应用[A];1996中国控制与决策学术年会论文集[C];1996年

4 史骏;裘聿皇;;遗传算法中基因排列方式对运行的影响[A];1996年中国控制会议论文集[C];1996年

5 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛运建;王定成;江建举;;遗传算法在运动员技术动作优化中的应用研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

7 文泾;朱玉文;;用遗传算法进行航线规划[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

8 于春梅;黄玉清;杨胜波;;遗传算法在参数辨识中的应用进展[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

9 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

10 王晓东;刘全利;金吉凌;王伟;;基于序次优化策略的改进遗传算法[A];第二十三届中国控制会议论文集（下册）[C];2004年

相关重要报纸文章 前2条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

2 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

相关博士学位论文 前10条

1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年

10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年

相关硕士学位论文 前10条

1 谷克;遗传算法在公路路线智能决策系统中的应用研究[D];长安大学;2008年

2 李艳娇;基于改进遗传算法的刚架结构截面力学特性参数优化的研究[D];吉林大学;2009年

3 任巍;求解极小碰集的遗传算法的研究与改进[D];吉林大学;2009年

4 王赫;混沌遗传算法在模式识别中的应用[D];东北电力大学;2009年

5 于蕾蕾;双种群遗传算法的改进及其应用研究[D];合肥工业大学;2009年

6 王婧;遗传算法及其在聚类分析中的应用[D];华中师范大学;2009年

7 胡文斯;基于遗传算法的车间作业调度问题的研究[D];中国海洋大学;2009年

8 吴明华;基于遗传算法的养护机械生产车间作业调度问题的研究[D];长安大学;2007年

9 尉钰;基于改进遗传算法的桥梁模型动力优化[D];长安大学;2007年

10 王银年;遗传算法的研究与应用[D];江南大学;2009年

本文编号：1365020