Markowiz的均值-方差模型開創(chuàng)了量化投資的先河。自此以后,如何通過量化方法對現(xiàn)有的資產(chǎn)進(jìn)行最優(yōu)且合理的分配,成為學(xué)術(shù)界和實業(yè)界關(guān)注的焦點。傳統(tǒng)的投資組合模型大多者都是基于概率論,并假設(shè)資產(chǎn)的不確定收益為隨機(jī)變量。眾所周知,使用概率論的前提是擁有充足的樣本數(shù)據(jù)。然而,在復(fù)雜波動的金融市場中,有時我們沒有足夠的樣本數(shù)據(jù),只能依靠專家的信度去處理問題。因此,不同于傳統(tǒng)研究將專家信度視為隨機(jī)變量或模糊變量,本文將其視為不確定變量并借助不確定理論研究投資組合選擇問題。本文主要研究工作和創(chuàng)新點概括如下:（1）提出了具有偏度和峰度的多目標(biāo)不確定投資組合模型,并設(shè)計改進(jìn)的花授粉算法（Modified Flower Pollination Algorithm,MFPA）對其求解。目前,已有基于不確定理論投資組合的研究,通常只考慮收益和風(fēng)險兩個因素,鮮有考慮資產(chǎn)收益的偏度和峰度對投資決策的影響。因此,本文首先提出了均值-方差-偏度-峰度投資組合模型。由于所提出的模型為多目標(biāo)規(guī)劃問題,為了對其求解,本文先應(yīng)用模糊線性規(guī)劃方法將其轉(zhuǎn)化為單目標(biāo)規(guī)劃模型,然后提出了改進(jìn)的花授粉算法。最后,通過一個實例來說明... 

【文章來源】：首都經(jīng)濟(jì)貿(mào)易大學(xué)北京市

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景及研究意義
    1.2 研究現(xiàn)狀及分析
        1.2.1 考慮高階矩的投資組合選擇模型
        1.2.2 基于不確定理論的投資組合選擇模型
        1.2.3 群智能算法在投資組合中的應(yīng)用
    1.3 主要研究內(nèi)容和論文結(jié)構(gòu)
    1.4 主要創(chuàng)新點
第2章 基礎(chǔ)理論
    2.1 不確定理論基礎(chǔ)
        2.1.1 不確定測度
        2.1.2 不確定變量
        2.1.3 不確定分布
        2.1.4 不確定期望
    2.2 螢火蟲算法
        2.2.1 距離
        2.2.2 相互吸引度
        2.2.3 移動
        2.2.4 螢火蟲算法偽代碼
    2.3 花授粉算法
        2.3.1 全局授粉
        2.3.2 局部授粉
        2.3.3 花授粉算法偽代碼
    2.4 本章小結(jié)
第3章 考慮高階矩的不確定投資組合選擇模型及算法
    3.1 均值-方差-偏度-峰度不確定投資組合模型
    3.2 多目標(biāo)問題轉(zhuǎn)換為單目標(biāo)問題
    3.3 改進(jìn)的花授粉算法
        3.3.1 初始化
        3.3.2 PSOLS和DSPS
        3.3.3 約束處理
    3.4 實證研究
        3.4.1 實驗設(shè)置
        3.4.2 實證分析
    3.5 本章小結(jié)
第4章 考慮多種約束的高階矩不確定投資組合選擇模型及算法
    4.1 考慮多種約束的均值-方差-偏度不確定投資組合選擇模型
        4.1.1 均值-方差-偏度投資組合選擇模型
        4.1.2 考慮多種約束的投資組合選擇模型
        4.1.3 不確定投資組合選擇模型
    4.2 混合螢火蟲-遺傳算法
        4.2.1 初始化
        4.2.2 約束處理
        4.2.3 遺傳操作
    4.3 實證研究
        4.3.1 實驗設(shè)置
        4.3.2 模型實證分析
        4.3.3 算法實證分析
    4.4 本章小結(jié)
結(jié)論和展望
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文和研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]多目標(biāo)花粉算法在電力投資市場中的應(yīng)用[J]. 賀興時,張迷,任雪婷.  計算機(jī)工程與應(yīng)用. 2017(17)



本文編號：3200314