本文選題：投資組合 + 風(fēng)險價值��； 參考：《廣東商學(xué)院》2013年碩士論文

【摘要】：風(fēng)險價值(Value-at-Risk，VaR)是衡量金融市場風(fēng)險的主要指標(biāo)，卻不滿足次可加性和凸性。條件風(fēng)險價值(Conditional Value-at-Risk，CVaR)，因具備良好的統(tǒng)計性質(zhì)彌補了VaR的不足，成為衡量投資組合風(fēng)險的重要指標(biāo)。 均值 CVaR模型，在給定組合預(yù)期收益的前提下，，研究滿足CVaR最小的約束條件時組合內(nèi)各股票的投資權(quán)重配置，是一個非線性規(guī)劃問題。特別是當(dāng)數(shù)據(jù)多、維數(shù)多時，傳統(tǒng)數(shù)值優(yōu)化算法的求解難度增加，求解時間也隨之增長，所以遺傳算法、粒子群算法等智能算法被引入投資組合優(yōu)化問題中并取得較好的效果。菌群優(yōu)化算法作為新興的群智能算法，因具備良好的性能而被成功用于工程、控制等許多實際優(yōu)化問題中，但是在投資組合優(yōu)化領(lǐng)域的運用還很少見。 本文重點研究菌群優(yōu)化算法及其改進(jìn)對于均值 CVaR模型的求解，取得的主要結(jié)論有： （1）改進(jìn)原始菌群優(yōu)化算法的趨化操作，使得原來固定不變的趨化步長可以進(jìn)行自適應(yīng)修正，同時，細(xì)菌個體在尋優(yōu)過程中不再是隨機翻轉(zhuǎn)，而是實現(xiàn)雙向游動，進(jìn)而提高了算法的搜索效率。 （2）選取深證A股10只股票進(jìn)行實際算例分析，將改進(jìn)前后的菌群優(yōu)化算法分別用于對均值 CVaR模型的有效求解，并將求解結(jié)果加以比較，證明：改進(jìn)后的菌群優(yōu)化算法穩(wěn)定性更強，求解結(jié)果更優(yōu)，可以使得VaR和CVaR兩個指標(biāo)值均變小，從而降低了投資組合的風(fēng)險。
[Abstract]:Value-at-Risker-VaR is the main index to measure financial market risk, but it is not satisfied with subadditivity and convexity. Conditional Value-at-Riskie Cvar Rao, because of its good statistical properties, makes up for the deficiency of VaR and becomes an important index to measure portfolio risk. The mean value CVaR model is a nonlinear programming problem to study the allocation of the investment weights of each stock in the portfolio when the minimum constraint condition of the portfolio is satisfied under the premise of the expected return of the portfolio. Especially when there are more data and more dimensions, the traditional numerical optimization algorithm is more difficult to solve, and the solving time also increases. Therefore, genetic algorithm, particle swarm optimization and other intelligent algorithms are introduced into the portfolio optimization problem and obtain better results. As a new swarm intelligence algorithm, bacterial colony optimization algorithm has been successfully used in many practical optimization problems, such as engineering, control and so on, because of its good performance. However, its application in portfolio optimization is still rare. In this paper, we focus on the optimization algorithm of microflora and its improvement to solve the mean value CVaR model. The main conclusions are as follows: 1) improving the chemotaxis operation of the original microbial colony optimization algorithm, so that the original fixed chemotaxis step size can be adaptively corrected. At the same time, the bacterial individual is no longer a random flipping in the optimization process, but realizes a two-way walk. Furthermore, the search efficiency of the algorithm is improved. In this paper, 10 stocks of Shenzhen A-share are selected for practical example analysis. The improved microflora optimization algorithm is used to solve the mean value CVaR model effectively, and the results are compared. It is proved that the improved microbial colony optimization algorithm is more stable and the solution result is better, which can reduce the value of VaR and CVaR, thus reducing the risk of portfolio investment.
【學(xué)位授予單位】：廣東商學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP301.6;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林輝,何建敏;VaR在投資組合應(yīng)用中存在的缺陷與CVaR模型[J];財貿(mào)經(jīng)濟;2003年12期

2 林丹,李小明,王萍;用遺傳算法求解改進(jìn)的投資組合模型[J];系統(tǒng)工程;2005年08期

3 張波;陳睿君;路璐;;粒子群算法在投資組合中的應(yīng)用[J];系統(tǒng)工程;2007年08期

4 吳世農(nóng),陳斌;風(fēng)險度量方法與金融資產(chǎn)配置模型的理論和實證研究[J];經(jīng)濟研究;1999年09期

5 鄭明川,吳曉梁;VaR約束下的投資組合管理[J];技術(shù)經(jīng)濟與管理研究;2003年06期

6 胡桂武;陳建超;杜小勇;;自適應(yīng)雙向菌群優(yōu)化算法[J];計算機應(yīng)用研究;2012年10期

7 武林娟;胡桂武;陳建超;;菌群優(yōu)化算法研究綜述[J];湖北師范學(xué)院學(xué)報(自然科學(xué)版);2012年04期

8 陸源,朱邦毅;基于半方差的投資項目風(fēng)險度量模型研究[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2005年07期

9 王美娟,李宗偉,鄭淑華;Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及其在投資組合中的應(yīng)用[J];數(shù)學(xué)的實踐與認(rèn)識;2004年06期

10 王文智,張霞;螞蟻算法的投資組合模型[J];統(tǒng)計與決策;2005年13期

相關(guān)碩士學(xué)位論文 前2條

1 付秀云;基于菌群優(yōu)化的PID控制器整定研究[D];浙江大學(xué);2007年

2 柳菲;基于遺傳算法的CVaR模型在投資組合中的應(yīng)用[D];西安電子科技大學(xué);2009年

本文編號：1886353