證券投資組合優(yōu)化算法是人們關注的熱點、難點問題。目前研究主要集中于不同算法方面,其中運用最為廣泛的是遺傳算法求解證券投資組合最優(yōu)化問題,但投資組合中出現(xiàn)的大量數(shù)據(jù)的隨機性和波動性問題并沒有得到很好的解決。利用數(shù)據(jù)累加和數(shù)據(jù)累減技術可以較好地解決這一問題。采用遺傳智能優(yōu)化算法,可以實現(xiàn)證券投資組合優(yōu)化計算。結果表明:在保持組合收益不變的情況下,比較由原始數(shù)據(jù)和經(jīng)過處理后數(shù)據(jù)計算出的風險系數(shù)值,將原始數(shù)據(jù)進行累加處理,對于求解證券投資組合問題是有較大改善的。 

【文章來源】：河南工程學院學報(社會科學版). 2019,34(02)

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]基于遺傳算法的證券投資組合模型的優(yōu)化及最優(yōu)解的測定[J]. 趙曙光,劉音.  科技信息. 2013(16)
[2]基于自適應并行遺傳算法的證券投資組合研究[J]. 謝鑫,胡云姣,方永峰.  北京化工大學學報(自然科學版). 2010(04)
[3]馬科維茨模型在股市最優(yōu)投資組合選擇中的實證研究[J]. 曾穎苗,張珺,張晴.  湘潭師范學院學報(社會科學版). 2009(04)

碩士論文
[1]基于改進遺傳算法的證券投資組合研究[D]. 錢立煒.東南大學 2017
[2]遺傳算法模型和二次規(guī)劃算法在投資組合最優(yōu)化中的應用[D]. 姜夢晶.蘭州大學 2013



本文編號：3523006