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

【摘要】：隨著經濟全球化的進程不斷加快,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遇不斷增多,但是伴隨而來的投資風險也在日益加劇。通過構建有效的投資組合模型從大量的候選資產數據中分析得到目標資產組合,以最大限度的提高收益、規(guī)避風險對于投資者本身而言顯得至關重要。然而,從未知候選資產中分析得到有效組合,需要分析的相關資產數據龐大,很難準確的獲取到有關信息。通過在1952年Markowitz提出的均值-方差模型基礎上改進對資產組合進行建模,并與智能算法技術結合已成為時下最流行的研究方法,近年來也取得了較好的成果。通過對基本魚群算法進行改進來解決投資組合中的實際問題。目前運用群智能算法解決投資組合問題時,收斂的速度慢及精度不高、穩(wěn)定性差等不足。鑒于此,對以往算法的不足進行了研究,嘗試運用規(guī)范化、隨機選擇行為中加入變異因子以及改進覓食行為的搜索策略,最后通過輪盤賭對整個魚群進行擇優(yōu)選取進行迭代,以此來解決該問題。此外,為了使模型更加符合現(xiàn)實中的交易環(huán)境,在建立數學模型時,還在約束條件中,增加了基數約束,以減少股票交易中的管理成本和交易費用。驗證算法性能的數據集來自滬深股市中隨機選取的20只股票的實時交易數據,通過對投資組合問題中的模型參數以及改進算法中的參數進行詳細分析,結果證明該算法有較好的性能。
【關鍵詞】：投資組合 改進人工魚群算法 基數約束
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內研究現(xiàn)狀16-17
• 1.3 論文研究內容與方法17-18
• 1.3.1 研究內容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 改進人工魚群算法(IAFSA)原理39-43
• 3.2.1 IAFSA算法的改進思路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43-44
• 第4章 基于基數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求解基數約束型投資組合的實驗44-50
• 4.2.1 實驗數據采集44-45
• 4.2.2 實驗環(huán)境45
• 4.2.3 實驗結果及分析45-50
• 4.3 本章小結50-51
• 第5章 總結與展望51-53
• 5.1 總結51
• 5.2 展望51-53
• 參考文獻53-57
• 攻讀碩士學位期間的學術活動及成果情況57

【相似文獻】

中國期刊全文數據庫 前5條

1 宋斌;;應用人工魚群算法研究電網物資需求預測問題[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)域經濟系統(tǒng)優(yōu)化方法[J];統(tǒng)計與決策;2014年09期

3 宋斌;;基于人工魚群算法的電網物資需求預測[J];中國儲運;2014年06期

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

5 ;[J];;年期

中國重要會議論文全文數據庫 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)負荷模型參數辨識中的應用[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（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神經網絡[A];第十屆全國電工數學學術年會論文集[C];2005年

中國博士學位論文全文數據庫 前4條

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

2 姚正華;改進人工魚群智能優(yōu)化算法及其應用研究[D];中國礦業(yè)大學;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;2003年

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

中國碩士學位論文全文數據庫 前10條

1 陳斐;改進的人工魚群算法分析與研究[D];西安電子科技大學;2012年

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

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

4 薛亞娣;改進的人工魚群算法及其應用研究[D];蘭州大學;2015年

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

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

7 王泓博;基于人工魚群算法的數據遷移策略研究[D];吉林大學;2016年

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

9 周述波;求解函數優(yōu)化問題的人工魚群算法設計研究[D];廣東工業(yè)大學;2016年

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

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

本文編號：254357