本文關(guān)鍵詞：一種用于求解二次雙層規(guī)劃問(wèn)題和雙層證券投資組合優(yōu)化模型的基于神經(jīng)網(wǎng)絡(luò)的混合算法

  更多相關(guān)文章： 雙層規(guī)劃問(wèn)題 遞歸型神經(jīng)網(wǎng)絡(luò) 遺傳算法 證券投資組合

【摘要】：雙層規(guī)劃問(wèn)題是由兩個(gè)優(yōu)先級(jí)不同的最優(yōu)化問(wèn)題組成的,且兩個(gè)問(wèn)題存在資源沖突的一類最優(yōu)化問(wèn)題。該問(wèn)題是最優(yōu)化問(wèn)題和博弈論領(lǐng)域的前沿發(fā)展方向,目前正被應(yīng)用于解決交通系統(tǒng)設(shè)計(jì),企業(yè)決策與管理,政府政策制定,金融投資等問(wèn)題,具有良好理論和應(yīng)用價(jià)值。但由于其本身是一個(gè)NP難問(wèn)題,目前尚未有行之有效的求解算法。本文設(shè)計(jì)和實(shí)現(xiàn)了一種基于人工神經(jīng)網(wǎng)絡(luò)的混合算法來(lái)求解二次雙層規(guī)劃問(wèn)題。由于目前在雙層規(guī)劃問(wèn)題的研究領(lǐng)域中,尚未有太多基于神經(jīng)網(wǎng)絡(luò)模型以及混合模型的求解算法,本研究中提出的算法無(wú)疑能為此類優(yōu)化問(wèn)題的研究做出一份貢獻(xiàn)�？傮w來(lái)說(shuō),算法結(jié)合了一種遺傳算法以及一個(gè)遞歸神經(jīng)網(wǎng)絡(luò)。其中,遺傳算法被用于處理雙層規(guī)劃的上層問(wèn)題,該算法負(fù)責(zé)選擇高質(zhì)量的可行解候補(bǔ),之后將這些解傳遞到下層問(wèn)題。在下層問(wèn)題中,我們?cè)O(shè)計(jì)并實(shí)現(xiàn)了一種稱為參數(shù)化對(duì)偶神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)模型來(lái)獲取問(wèn)題整體的最優(yōu)解。下一步,我們對(duì)參數(shù)化對(duì)偶神經(jīng)網(wǎng)絡(luò)的收斂性進(jìn)行了分析,得出其具有指數(shù)收斂速率。在設(shè)計(jì)并實(shí)現(xiàn)了該種基于神經(jīng)網(wǎng)絡(luò)的混合算法后,我們建立了一個(gè)二次雙層規(guī)劃問(wèn)題的應(yīng)用模型 雙層證券投資組合優(yōu)化模型。在該模型中,我們運(yùn)用雙層規(guī)劃問(wèn)題對(duì)金融市場(chǎng)中風(fēng)險(xiǎn)和收益之間的沖突進(jìn)行了建模,以為投資者選擇理想的投資方案。在實(shí)驗(yàn)中,我們首先用實(shí)現(xiàn)的算法與其他學(xué)者的方法進(jìn)行了對(duì)比。結(jié)果顯示,該混合算法有能力為二次雙層規(guī)劃問(wèn)題求得更好的最優(yōu)解,且該求解過(guò)程能在很短時(shí)間內(nèi)完成。另外,在為此混合算法選擇了適當(dāng)?shù)某跏蓟瘏?shù)的條件下,它能以很高的準(zhǔn)確率來(lái)求得問(wèn)題的最優(yōu)解,從而達(dá)到了高效、準(zhǔn)確地對(duì)二次雙層規(guī)劃問(wèn)題進(jìn)行求解的目的。其次,對(duì)于雙層證券投資組合模型,我們基于日本股票市場(chǎng)進(jìn)行了3年歷史數(shù)據(jù)的收集,并將數(shù)據(jù)投入到模型。實(shí)驗(yàn)結(jié)果表明,本文提出的混合算法能有效地求解該應(yīng)用模型。模型的最優(yōu)解是一個(gè)點(diǎn),該點(diǎn)代表了一次證券投資行為中具有最合理的風(fēng)險(xiǎn) 回報(bào)權(quán)衡偏好因子的投資組合方案。顯然,該模型獲得的投資組合方案能為投資者的投資活動(dòng)提供建設(shè)性的指導(dǎo)。
【關(guān)鍵詞】：雙層規(guī)劃問(wèn)題 遞歸型神經(jīng)網(wǎng)絡(luò) 遺傳算法 證券投資組合
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F830.91;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第一章 緒論8-24
• 1.1 雙層規(guī)劃問(wèn)題8-14
• 1.2 現(xiàn)存的解決雙層規(guī)劃問(wèn)題的算法14-19
• 1.3 已有的雙層規(guī)劃問(wèn)題的應(yīng)用19-24
• 第二章 本研究中設(shè)計(jì)和實(shí)現(xiàn)的求解二次雙層規(guī)劃問(wèn)題的算法24-52
• 2.1 本研究提出的算法的概述24-26
• 2.2 用于處理上層問(wèn)題的遺傳算法26-30
• 2.2.1 參數(shù)設(shè)置及初始化27
• 2.2.2 交叉操作27-28
• 2.2.3 變異操作28-29
• 2.2.4 計(jì)算操作29
• 2.2.5 擬合度評(píng)估以及選擇操作29-30
• 2.3 求解下層問(wèn)題的參數(shù)化對(duì)偶神經(jīng)網(wǎng)絡(luò)30-34
• 2.4 算法的可行性及收斂性分析34-38
• 2.5 算法的實(shí)驗(yàn)及結(jié)果討論38-52
• 2.5.1 實(shí)驗(yàn)部分I39-46
• 2.5.2 實(shí)驗(yàn)部分II46-52
• 第三章 雙層規(guī)劃問(wèn)題的應(yīng)用  構(gòu)建雙層證券投資組合優(yōu)化模型52-67
• 3.1 Markowitz均值  方差投資組合選擇模型52-55
• 3.2 資本資產(chǎn)定價(jià)模型55-57
• 3.3 本研究提出的雙層證券投資組合優(yōu)化模型57-60
• 3.4 雙層證券投資組合優(yōu)化模型的實(shí)驗(yàn)討論60-67
• 第四章 論文總結(jié)67-69
• 致謝69-70
• 參考文獻(xiàn)70-78
• 攻讀碩士學(xué)位期間取得的成果78-79
• 附錄A. BLPOM實(shí)驗(yàn)中各股票間的協(xié)方差79-91
• 附錄B. 算法源代碼91-119

，

本文編號(hào)：853705