金融行業(yè)是現(xiàn)代經(jīng)濟的核心,金融行業(yè)的良好運行是經(jīng)濟建設和社會運行的良好保障�，F(xiàn)代金融變得越來越技術化,在研究和實踐中必須借助復雜的數(shù)學工具。作為金融學、數(shù)學與計算機的交叉學科,金融數(shù)學應用而生,并于新世紀快速發(fā)展起來。金融數(shù)學領域的經(jīng)典難題有股票預測、投資組合和風險管理等,這些問題通過金融數(shù)學模型和智能算法優(yōu)化得到有效解決。生物啟發(fā)式計算是通過模擬自然界的生態(tài)系統(tǒng)演化機制而產(chǎn)生的一系列智能優(yōu)化算法。生物啟發(fā)式算法同自然生態(tài)系統(tǒng)一樣,可以通過自身的演化解決復雜的優(yōu)化問題,在解決NP問題如TSP問題、多目標、高維、約束優(yōu)化問題等方面有卓越的性能。上世紀80年代開始,大量學者開始研究生物啟發(fā)式算法,并率先將其應用于求解金融優(yōu)化問題,包括投資組合、股票預測、風險管理等多個領域。在實際的金融優(yōu)化應用問題中,遇到往往是多目標優(yōu)化問題,且同時具有多約束條件,所以金融優(yōu)化學者們致力于優(yōu)化多個目標的解決方案。同時,基于生物啟發(fā)式的人工智能優(yōu)化方法研究方興未艾,在多目標算法改進和算法金融優(yōu)化應用方面都有值得深入了解的地方。因此本論文研究的重點是生物啟發(fā)式算法及其在金融行業(yè)領域的應用。論文的主要研究內(nèi)容包括... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：124 頁

【學位級別】：博士

【部分圖文】：

投資2個企業(yè)的搜索過程

吉林大學博士學位論文84圖4.7投資4個企業(yè)的搜索過程圖4.8投資9個企業(yè)的搜索過程所有的智能算法都分別在投資2、4、9個公司(股票)案例上進行測試。圖4.6至圖4.8顯示不同算法分別在三個案例上30次運行的平均最佳適應度值搜索進度比較�？梢钥闯觯诘跗�，投資風險很高，與PSO、GA、ABC相比，RA的收斂速度更高。表4.5四種算法的仿真結果投資規(guī)模PSORAGAABC2Best0.20580.19610.18430.2172Worst0.28820.24830.52570.2570Mean0.23880.22360.22850.2362Std0.01910.01030.06070.0108

吉林大學博士學位論文84圖4.7投資4個企業(yè)的搜索過程圖4.8投資9個企業(yè)的搜索過程所有的智能算法都分別在投資2、4、9個公司(股票)案例上進行測試。圖4.6至圖4.8顯示不同算法分別在三個案例上30次運行的平均最佳適應度值搜索進度比較�？梢钥闯�，在迭代初期，投資風險很高，與PSO、GA、ABC相比，RA的收斂速度更高。表4.5四種算法的仿真結果投資規(guī)模PSORAGAABC2Best0.20580.19610.18430.2172Worst0.28820.24830.52570.2570Mean0.23880.22360.22850.2362Std0.01910.01030.06070.0108

【參考文獻】：
期刊論文
[1]改進的粒子群BP神經(jīng)網(wǎng)絡算法在天氣預測中的應用[J]. 沈藝高.  計算機時代. 2019(08)
[2]基于BP神經(jīng)網(wǎng)絡的水果識別研究[J]. 于悅洋,王冰,王靜,湯喬.  智能計算機與應用. 2019(04)
[3]混合智能算法的多目標無功優(yōu)化方法[J]. 曹裕捷,張彬橋.  三峽大學學報(自然科學版). 2019(01)
[4]基于引力搜索和粒子群混合優(yōu)化算法的證券投資組合問題研究[J]. 陳國福,陳小山,張瑞.  運籌與管理. 2018(09)
[5]移動機器人生物啟發(fā)式變結構軌跡跟蹤控制[J]. 馬曉敏,劉丁,辛菁,張友民.  電機與控制學報. 2018(07)
[6]基于變量分組的大規(guī)模多目標優(yōu)化算法[J]. 林濤,霍麗娜.  鄭州大學學報(理學版). 2018(04)
[7]一種新型啟發(fā)式PSO算法求解市區(qū)最優(yōu)路徑規(guī)劃研究[J]. 方昕.  計算機與數(shù)字工程. 2018(02)
[8]改進遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的語音情感識別[J]. 陳闖,Ryad Chellali,邢尹.  計算機應用研究. 2019(02)
[9]深度學習研究與進展[J]. 孫志遠,魯成祥,史忠植,馬剛.  計算機科學. 2016(02)
[10]高超聲速滑翔式飛行器再入軌跡多目標多約束優(yōu)化[J]. 陳小慶,侯中喜,劉建霞.  國防科技大學學報. 2009(06)

博士論文
[1]基于動態(tài)前景效用的Alpha投資組合模型及實證研究[D]. 張弘磊.電子科技大學 2016
[2]基于覓食行為的智能優(yōu)化算法研究及應用[D]. 梁曉丹.天津工業(yè)大學 2015
[3]證券組合投資決策模型研究[D]. 胡支軍.西南交通大學 2005

碩士論文
[1]并行多目標智能優(yōu)化算法及其應用的研究[D]. 趙鵬.南京郵電大學 2017
[2]激活函數(shù)導向的RNN算法優(yōu)化[D]. 張堯.浙江大學 2017
[3]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
[4]改進人工魚群算法在基于基數(shù)約束的投資組合中的應用研究[D]. 陳亞波.合肥工業(yè)大學 2016
[5]仿生優(yōu)化算法的研究與應用[D]. 王茂海.江南大學 2011



本文編號：3439323