本文關(guān)鍵詞：基于改進(jìn)遺傳算法的證券投資組合研究　出處：《東南大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 遺傳算法 CVaR 熵 多目標(biāo)證券投資組合

【摘要】：隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展,我國(guó)的金融體系日益完善,投資者資產(chǎn)管理需求日益增加,推動(dòng)各類金融產(chǎn)品迅猛創(chuàng)新發(fā)展。如何在保證收益的情況下降低風(fēng)險(xiǎn),成為投資者越來(lái)越關(guān)注的焦點(diǎn),但沒(méi)有一種廣泛有效的度量風(fēng)險(xiǎn)的方法和有效解決復(fù)雜優(yōu)化問(wèn)題的全局搜索算法。論文基于單目標(biāo)CVaR模型和基于熵的多目標(biāo)證券投資組合,應(yīng)用改進(jìn)遺傳算法求解模型,探討搜索能力更強(qiáng)且能跳出局部收斂的算法,選題具有一定的理論意義和較大的實(shí)用價(jià)值。論文首先綜述資產(chǎn)組合理論、遺傳算法的相關(guān)研究成果,分析熵理論運(yùn)用到投資風(fēng)險(xiǎn)度量的合理性;接著針對(duì)實(shí)際投資行為對(duì)單目標(biāo)CVaR基礎(chǔ)模型進(jìn)行擴(kuò)展,通過(guò)改進(jìn)遺傳算法的交叉概率和變異概率在保持群體多樣性的同時(shí),保證遺傳算法的收斂性;然后以東方財(cái)富漂亮50指數(shù)股票作為研究樣本,使用改進(jìn)遺傳算法進(jìn)行求解;最后以熵度量風(fēng)險(xiǎn)和CVaR作為目標(biāo)函數(shù),構(gòu)成多目標(biāo)證券投資組合,接著改進(jìn)多目標(biāo)遺傳算法,使其能夠預(yù)測(cè)未成熟收斂的產(chǎn)生。實(shí)證結(jié)果表明,論文構(gòu)建的擴(kuò)展模型和多目標(biāo)優(yōu)化模型有效的,且改進(jìn)的多目標(biāo)遺傳算法能夠優(yōu)化模型的求解過(guò)程。
[Abstract]:With the continuous development of China's economy, China's financial system is increasingly perfect, investor asset management increasing demand, promote the rapid development of all kinds of financial innovation products. In order to reduce the risk income situation, has become the focus of investors pay more and more attention, but did not have a widely effective risk measurement method and the effective solution complex global optimization search algorithm. Based on the single objective CVaR model and multi-objective portfolio based on entropy, using improved genetic algorithm to solve the model, search ability is stronger and can jump out of local convergence of the algorithm, the topic has certain theoretical significance and practical value. The paper first summarizes the portfolio theory, correlation the research results of the genetic algorithm, analyses the rationality of entropy theory to the investment risk measurement; then according to the actual investment behavior based on single target CVaR The model was extended by improved genetic algorithm crossover probability and mutation probability in maintaining the diversity of groups at the same time, to ensure the convergence of genetic algorithm; and then to beautiful Oriental Fortune 50 stock index as the research sample, using the improved genetic algorithm; finally an entropy risk measure and CVaR as objective function, a multi-objective portfolio investment then, the improved multi-objective genetic algorithm, which can predict premature convergence. The empirical results show that the extended model established in this thesis and the multi-objective optimization model is effective, the process of solving the multi-objective genetic algorithm and improved optimization model.

【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F224;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李鋒剛;駱林;陳亞波;蔣祥飛;;求解均值-CVaR投資組合模型的改進(jìn)粒子群算法[J];計(jì)算機(jī)工程與科學(xué);2016年09期

2 黃金波;李仲飛;姚海祥;;基于CVaR兩步核估計(jì)量的投資組合管理[J];管理科學(xué)學(xué)報(bào);2016年05期

3 齊岳;林龍;王治皓;;大數(shù)據(jù)背景下遺傳算法在投資組合優(yōu)化中的效果研究[J];中國(guó)管理科學(xué);2015年S1期

4 曹兵兵;樊治平;于淑靜;;考慮決策者心理行為的證券投資組合決策方法研究[J];運(yùn)籌與管理;2015年02期

5 楊天山;韋增欣;雷震;萬(wàn)騰飛;;基于CVaR的多目標(biāo)投資組合模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2015年02期

6 黃金波;李仲飛;姚海祥;;基于CVaR核估計(jì)量的風(fēng)險(xiǎn)管理[J];管理科學(xué)學(xué)報(bào);2014年03期

7 凌愛(ài)凡;楊曉光;唐樂(lè);;具有多元權(quán)值約束的魯棒LPM積極投資組合[J];管理科學(xué)學(xué)報(bào);2013年08期

8 趙曙光;劉音;;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(cè)定[J];科技信息;2013年16期

9 張群;張超;黃曉霞;應(yīng)海瑤;;基于遺傳算法的風(fēng)險(xiǎn)偏好系數(shù)均值方差拓展模型[J];統(tǒng)計(jì)與決策;2013年08期

10 王波;高岳林;;基數(shù)約束下基于CVaR度量的投資組合優(yōu)化模型[J];統(tǒng)計(jì)與決策;2011年14期

相關(guān)博士學(xué)位論文 前1條

1 蔣敏;條件風(fēng)險(xiǎn)值（CVaR）模型的理論研究[D];西安電子科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前4條

1 邱云;基于均值-CVaR-熵的證券投資組合優(yōu)化及實(shí)證研究[D];華中師范大學(xué);2015年

2 宋文婕;QMC方法結(jié)合方差減小技術(shù)計(jì)算VaR與CVaR[D];清華大學(xué);2013年

3 姜夢(mèng)晶;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(yīng)用[D];蘭州大學(xué);2013年

4 商宏偉;證券投資組合的CEVaR模型研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號(hào)：1377316