發(fā)布時(shí)間：2024-06-29 00:31

　　證券市場(chǎng)作為一個(gè)極其復(fù)雜的系統(tǒng),存在大量的不確定性,而不確定性是決策分析研究中的困難所在。事件的不確定性主要有兩種形式:隨機(jī)性、模糊性�；�于隨機(jī)不確定性的投資組合研究已經(jīng)發(fā)展得相當(dāng)完善,基于模糊不確定性的投資組合研究也逐漸被人們認(rèn)識(shí)和關(guān)注。本文將綜合運(yùn)用模糊集理論、最優(yōu)化方法以及智能優(yōu)化方法來(lái)對(duì)模糊投資組合選擇問題加以研究。主要研究工作以及創(chuàng)新點(diǎn)概括如下:(1)針對(duì)所構(gòu)建的模型設(shè)計(jì)了多種有效智能算法或數(shù)值方法。分別為:(1)提出了新的PSO-AFSA混合算法,將粒子群算法搜索的結(jié)果作為人工魚群算法初始魚群,并且將人工魚群中的最好位置反饋到粒子群的速度更新公式中;(2)對(duì)人工魚群算法的框架進(jìn)行修改,加入修復(fù)機(jī)制,使其能求解帶有基數(shù)約束的多期投資組合模型;(3)提出了新的多目標(biāo)自適應(yīng)混沌粒子群算法,模擬粒子群混沌穩(wěn)定的交替過程,并且使用自適應(yīng)調(diào)整慣性權(quán)重策略;(4)提出了新的逐步寬容法,根據(jù)投資者的主觀偏好,將目標(biāo)函數(shù)分層。(2)在投資組合模型考慮資產(chǎn)的基本面信息,從而構(gòu)建均值-方差-效率投資組合模型。目前大部分投資組合模型僅僅考慮證券資產(chǎn)歷史收益率,未使用證券資產(chǎn)的的基本面信息,而在現(xiàn)實(shí)...

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-1算法流程圖

章基于PSO-AFSA混合算法的模糊投資組合問題的研究19圖3-1算法流程圖表3-1股票的代碼股票代碼股票代碼股票代碼股票代碼股票1600086股票3600055股票5000031股票7000016股票2000056股票4....

圖3-2投資組合模型(3-15)的有效邊界由圖3-2可知隨著風(fēng)險(xiǎn)的增大，投資組合的收益也在不斷的增大

的收益率與其對(duì)應(yīng)總風(fēng)險(xiǎn)都符合收益越大風(fēng)險(xiǎn)越大，收益越小風(fēng)險(xiǎn)越小的一般規(guī)律。為了直觀了解收益與風(fēng)險(xiǎn)的關(guān)系，本章依據(jù)表3-4中的數(shù)據(jù)得到了模型(3-15)的有效邊界，如圖3-2所示。圖3-2投資組合模型(3-15)的有效邊界由圖3-2可知隨著風(fēng)險(xiǎn)的增大，投資組合的收益也在不斷....

圖5-1流程圖

南理工大學(xué)碩士學(xué)位論文流程具體如圖5-1所示，實(shí)現(xiàn)11XX開始

圖5-2模型(5-31)的有效前沿從圖5-2可以看出來(lái)：在當(dāng)k=0.5、k=1和k=2時(shí)，利用改進(jìn)的AFSA算法對(duì)模

華南理工大學(xué)碩士學(xué)位論文表5-7模型(5-31)的結(jié)果k=0.5k=1k=24WV110067.910.00739610083.700.00742110137.430.00210070.170.00741410084.170.007432....

本文編號(hào)：3996891