本文關(guān)鍵詞： 捕食搜索策略 粒子群算法 投資組合模型　出處：《暨南大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：本文的主要內(nèi)容是總結(jié)群智能優(yōu)化算法的優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了一種基于捕食策略的粒子群優(yōu)化算法，然后將該算法與標(biāo)準(zhǔn)粒子群優(yōu)化算法(ParticleSwarm Optimization, PSO)，通過測試函數(shù)進(jìn)行比較，檢驗(yàn)該算法能夠有效的提高收斂速度和精度，最后將該算法應(yīng)用到求解證券投資組合優(yōu)化問題中。 現(xiàn)代投資組合理論就是解決最大投資收益與避免風(fēng)險(xiǎn)之間的基本權(quán)衡關(guān)系的學(xué)說，每個(gè)理性的投資者都在追求在給定的收益下希望風(fēng)險(xiǎn)最小，或者在風(fēng)險(xiǎn)一定的條件下收益最大。 本文從應(yīng)用角度出發(fā)，通過分析中國證券市場現(xiàn)實(shí)投資環(huán)境和實(shí)際特點(diǎn)，建立了一個(gè)考慮完整費(fèi)用的證券投資組合模型。并針對標(biāo)準(zhǔn)粒子群算法容易陷入局部最優(yōu)和搜索精度不高的缺點(diǎn)，提出了基于捕食策略的粒子群優(yōu)化算法（PSPSO），將其用于求解投資組合模型。捕食搜索策略可以通過調(diào)節(jié)限制級別來控制粒子群的搜索空間，從而平衡全局搜索和局部搜索。 最后采集實(shí)際證券投資數(shù)據(jù)進(jìn)行數(shù)值模擬，利用基于捕食策略的粒子群優(yōu)化算法對模型進(jìn)行求解，數(shù)值模擬結(jié)果顯示，與基本粒子群優(yōu)化算法相比，，本文提出的基于捕食策略的粒子群優(yōu)化算法能夠有效的提高收斂速度以及收斂精度。
[Abstract]:The main content of this paper is the basis of summing up the advantages and disadvantages of swarm intelligence optimization algorithms and proposes a foraging strategy based on particle swarm optimization algorithm, then the algorithm and standard particle swarm optimization algorithm (ParticleSwarm, Optimization, PSO), were compared by test function, test the algorithm can improve the convergence speed and the accuracy of the algorithm is used to solve the portfolio optimization problem.
The modern portfolio theory is the theory of solving the basic trade-off between maximum investment income and avoiding risk. Every rational investor is pursuing the minimum risk under given income or the maximum profit under certain risk.
This paper from the application point of view, through the analysis of the securities market Chinese actual investment environment and characteristics, we considered a complete cost model of portfolio investment. According to the standard particle swarm algorithm is easy to fall into local optimum and the search accuracy, proposed foraging strategy based on particle swarm optimization algorithm (PSPSO), the to solve the portfolio investment model. Predatory search strategy can control the particle swarm search space by adjusting the limit level, so as to balance the global search and local search.
Finally, the actual acquisition of securities investment data by using numerical simulation to solve the model predation strategy based on particle swarm optimization algorithm, simulation results show that, compared with the basic particle swarm optimization algorithm, this paper proposed the foraging strategy of particle swarm optimization algorithm can improve the convergence speed and convergence accuracy based on effective.

【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP18;F830.91

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 郭存芝,董青春;國內(nèi)證券組合投資模型研究[J];北京航空航天大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2000年03期

2 符楊;孟令合;羅萍萍;曹家麟;;基于捕食搜索策略的粒子群算法在輸電網(wǎng)絡(luò)擴(kuò)展規(guī)劃中的應(yīng)用[J];電力建設(shè);2009年03期

3 楊建輝;江文婷;;基于PSO的考慮完整費(fèi)用的證券組合優(yōu)化研究[J];計(jì)算機(jī)應(yīng)用研究;2010年09期

4 萬福才,汪定偉,李彥平;微粒群優(yōu)化算法在相關(guān)新產(chǎn)品組合投入的應(yīng)用[J];控制與決策;2004年05期

5 劉冬華;甘若迅;樊鎖海;楊明華;;基于捕食策略的粒子群算法求解投資組合問題[J];計(jì)算機(jī)工程與應(yīng)用;2013年06期

6 楊麗萍;;基于PSO的證券投資組合優(yōu)化問題研究[J];統(tǒng)計(jì)與決策;2009年04期

7 王俊偉,汪定偉;粒子群算法中慣性權(quán)重的實(shí)驗(yàn)與分析[J];系統(tǒng)工程學(xué)報(bào);2005年02期

本文編號：1513639