本文關(guān)鍵詞：改進(jìn)人工魚群算法在基于基數(shù)約束的投資組合中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)全球化的進(jìn)程不斷加快,投資環(huán)境也在發(fā)生著深刻變革,顯現(xiàn)在投資者面前的投資機(jī)遇不斷增多,但是伴隨而來的投資風(fēng)險(xiǎn)也在日益加劇。通過構(gòu)建有效的投資組合模型從大量的候選資產(chǎn)數(shù)據(jù)中分析得到目標(biāo)資產(chǎn)組合,以最大限度的提高收益、規(guī)避風(fēng)險(xiǎn)對(duì)于投資者本身而言顯得至關(guān)重要。然而,從未知候選資產(chǎn)中分析得到有效組合,需要分析的相關(guān)資產(chǎn)數(shù)據(jù)龐大,很難準(zhǔn)確的獲取到有關(guān)信息。通過在1952年Markowitz提出的均值-方差模型基礎(chǔ)上改進(jìn)對(duì)資產(chǎn)組合進(jìn)行建模,并與智能算法技術(shù)結(jié)合已成為時(shí)下最流行的研究方法,近年來也取得了較好的成果。通過對(duì)基本魚群算法進(jìn)行改進(jìn)來解決投資組合中的實(shí)際問題。目前運(yùn)用群智能算法解決投資組合問題時(shí),收斂的速度慢及精度不高、穩(wěn)定性差等不足。鑒于此,對(duì)以往算法的不足進(jìn)行了研究,嘗試運(yùn)用規(guī)范化、隨機(jī)選擇行為中加入變異因子以及改進(jìn)覓食行為的搜索策略,最后通過輪盤賭對(duì)整個(gè)魚群進(jìn)行擇優(yōu)選取進(jìn)行迭代,以此來解決該問題。此外,為了使模型更加符合現(xiàn)實(shí)中的交易環(huán)境,在建立數(shù)學(xué)模型時(shí),還在約束條件中,增加了基數(shù)約束,以減少股票交易中的管理成本和交易費(fèi)用。驗(yàn)證算法性能的數(shù)據(jù)集來自滬深股市中隨機(jī)選取的20只股票的實(shí)時(shí)交易數(shù)據(jù),通過對(duì)投資組合問題中的模型參數(shù)以及改進(jìn)算法中的參數(shù)進(jìn)行詳細(xì)分析,結(jié)果證明該算法有較好的性能。
【關(guān)鍵詞】：投資組合 改進(jìn)人工魚群算法 基數(shù)約束
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F832.51
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-14
• 第1章 緒論14-20
• 1.1 研究背景和意義14-15
• 1.1.1研究背景14
• 1.1.2 研究意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-17
• 1.2.1 國外研究現(xiàn)狀15-16
• 1.2.2 國內(nèi)研究現(xiàn)狀16-17
• 1.3 論文研究內(nèi)容與方法17-18
• 1.3.1 研究內(nèi)容17-18
• 1.3.2 研究方法18
• 1.4 論文章節(jié)安排18-20
• 第2章 組合優(yōu)化理論和投資組合理論研究20-37
• 2.1 組合優(yōu)化基本理論20-26
• 2.1.1 組合優(yōu)化理論分析定義20-22
• 2.1.2 組合優(yōu)化主要算法22-26
• 2.2 投資組合相關(guān)理論26-37
• 2.2.1 投資組合中的一些基本概念26-29
• 2.2.2 VaR模型及建模分析29-33
• 2.2.3 CVaR模型及建模分析33-37
• 第3章 改進(jìn)的人工魚群優(yōu)化算法37-44
• 3.1 人工魚群算法(AFSA)原理37-39
• 3.1.1 AFSA算法原理37
• 3.1.2 AFSA算法步驟37-39
• 3.1.3 AFSA算法分析39
• 3.2 改進(jìn)人工魚群算法(IAFSA)原理39-43
• 3.2.1 IAFSA算法的改進(jìn)思路39-41
• 3.2.2 IAFSA算法步驟41
• 3.2.3 IAFSA算法分析41-43
• 3.3 本章小結(jié)43-44
• 第4章 基于基數(shù)約束的投資組合模型44-51
• 4.1 模型基本思想及模型建立44
• 4.2 IAFSA求解基數(shù)約束型投資組合的實(shí)驗(yàn)44-50
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)采集44-45
• 4.2.2 實(shí)驗(yàn)環(huán)境45
• 4.2.3 實(shí)驗(yàn)結(jié)果及分析45-50
• 4.3 本章小結(jié)50-51
• 第5章 總結(jié)與展望51-53
• 5.1 總結(jié)51
• 5.2 展望51-53
• 參考文獻(xiàn)53-57
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況57

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 宋斌;;應(yīng)用人工魚群算法研究電網(wǎng)物資需求預(yù)測問題[J];現(xiàn)代商業(yè);2013年29期

2 劉麗娟;;基于人工魚群算法的區(qū)域經(jīng)濟(jì)系統(tǒng)優(yōu)化方法[J];統(tǒng)計(jì)與決策;2014年09期

3 宋斌;;基于人工魚群算法的電網(wǎng)物資需求預(yù)測[J];中國儲(chǔ)運(yùn);2014年06期

4 馬戰(zhàn)寶;汪曉華;;基于改進(jìn)人工魚群算法的物流服務(wù)定價(jià)決策模型研究[J];物流技術(shù);2014年05期

5 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會(huì)論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識(shí)中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳斐;改進(jìn)的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 朱文靜;人工魚群算法優(yōu)化的SVM在語音識(shí)別中的應(yīng)用[D];太原理工大學(xué);2016年

6 陳書會(huì);人工魚群和k-means相結(jié)合的聚類算法研究與分布式實(shí)現(xiàn)[D];江蘇大學(xué);2016年

7 王泓博;基于人工魚群算法的數(shù)據(jù)遷移策略研究[D];吉林大學(xué);2016年

8 黃美華;基于人工魚群算法的多目標(biāo)背包問題研究[D];廣東工業(yè)大學(xué);2016年

9 周述波;求解函數(shù)優(yōu)化問題的人工魚群算法設(shè)計(jì)研究[D];廣東工業(yè)大學(xué);2016年

10 袁夢茹;基于群智能算法的移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)研究[D];安徽工程大學(xué);2016年

  本文關(guān)鍵詞：改進(jìn)人工魚群算法在基于基數(shù)約束的投資組合中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：254357