本文關鍵詞：證券組合選擇理論模型及算法的研究　出處：《復旦大學》2013年碩士論文　論文類型：學位論文

  更多相關文章： 證券組合選擇 風險價值 遺傳算法 神經網絡

【摘要】：本文通過對證券組合選擇理論發(fā)展的回顧,進一步發(fā)展模型的目標函數和約束條件,使其能更接近真實市場投資行為；并使用現代智能算法對改進后的證券投資組合模型進行求解。 在基本的均值—方差模型中,增加了證券投資權重的限制區(qū)間。針對這一多約束條件的非線性模型,建立了改進遺傳算法加以求解。在遺傳算法中,隨機生成滿足區(qū)間約束條件的初始種群,對于選擇算子采用最優(yōu)個體保護策略,交叉算子采用算術交叉法,變異算子后進行約束條件檢查。 在均值—方差模型中,以基于VaR的風險概率作為目標函數,建立投資組合的隨機規(guī)劃模型。在風險資產收益率服從一定分布的假設下,利用隨機模擬的方法,得到風險證券投資權重和風險概率的輸入輸出數據。然后采用BP神經網絡逼近風險概率函數。采用遺傳算法求解這個隨機規(guī)劃問題。 在證券投資組合模型中,加入了交易費用部分,并將模型目標函數變化為期望收益與方差的組合。在上述模型中又加入無風險資產作為投資組合的選擇之一。引入風險傾向系數來調節(jié)目標函數中期望收益和方差的比例。在算法方面,對于遺傳算法中的交叉概率和變異概率采用自適應變化的方法,增加搜索能力。
[Abstract]:By reviewing the development of portfolio selection theory, this paper further develops the objective function and constraint conditions of the model to make it more close to the real market investment behavior. A modern intelligent algorithm is used to solve the improved portfolio model. In the basic mean-variance model, the limit interval of securities investment weight is added. For the nonlinear model with multiple constraints, an improved genetic algorithm is established to solve the problem. The optimal individual protection strategy is adopted for the selection operator, the arithmetic crossover method is used for the crossover operator, and the constraint condition is checked after mutation operator. In the mean-variance model, the risk probability based on VaR is taken as the objective function to establish the stochastic programming model of the portfolio. The input and output data of investment weight and risk probability of risk securities are obtained by means of stochastic simulation. Then BP neural network is used to approximate the risk probability function and genetic algorithm is used to solve the stochastic programming problem. In the portfolio model, the transaction cost is added. The objective function of the model is changed into a combination of expected income and variance. Risk free assets are added to the above model as one of the choices of the portfolio. The risk propensity coefficient is introduced to adjust the expected return and the side in the objective function. The proportion of the difference. In terms of algorithm. For the crossover probability and mutation probability of genetic algorithm, adaptive variation method is adopted to increase the searching ability.
【學位授予單位】：復旦大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F224;F830.91

【相似文獻】

相關期刊論文 前10條

1 石宣華,李暉,楊偉;基于遺傳算法的郵路優(yōu)化[J];四川工業(yè)學院學報;2002年02期

2 李文鋒;郭晉宇;;淺談遺傳算法及應用[J];泰山鄉(xiāng)鎮(zhèn)企業(yè)職工大學學報;2006年02期

3 吳欽陽;;基于遺傳算法的物流配送中心選址問題研究[J];福建電腦;2009年06期

4 王霞;馬慶;;基于遺傳算法的時間、費用優(yōu)化[J];商場現代化;2010年14期

5 李劍;景博;袁彩霞;;一種競爭環(huán)境下基于改進遺傳算法的電子商務協商[J];中山大學學報(自然科學版);2011年01期

6 湯劍;;遺傳算法在區(qū)間分析中的應用[J];機電產品開發(fā)與創(chuàng)新;2012年02期

7 修宏偉，張權，劉向東，，潘暉;遺傳算法及其在排班問題中的應用[J];沈陽建筑工程學院學報;1996年03期

8 張岐山;基于遺傳算法的分辨系數的優(yōu)化方法[J];中國管理科學;2003年05期

9 劉琴;黃摯雄;李志勇;;遺傳算法在電子商務協商優(yōu)化問題中的應用[J];現代計算機;2006年10期

10 邢傳文;吳清烈;;大規(guī)模定制下基于交互式遺傳算法的談判模型研究[J];價值工程;2008年10期

相關會議論文 前10條

1 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

2 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

3 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉貨架揀選優(yōu)化中的應用[A];1996中國控制與決策學術年會論文集[C];1996年

4 史駿;裘聿皇;;遺傳算法中基因排列方式對運行的影響[A];1996年中國控制會議論文集[C];1996年

5 韓戰(zhàn)鋼;;遺傳算法及在經濟中的應用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛運建;王定成;江建舉;;遺傳算法在運動員技術動作優(yōu)化中的應用研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 文涇;朱玉文;;用遺傳算法進行航線規(guī)劃[A];全國第16屆計算機科學與技術應用（CACIS）學術會議論文集[C];2004年

8 于春梅;黃玉清;楊勝波;;遺傳算法在參數辨識中的應用進展[A];中國自動化學會、中國儀器儀表學會2004年西南三省一市自動化與儀器儀表學術年會論文集[C];2004年

9 王志宏;王斌;;基于遺傳算法的非確定性目標優(yōu)化[A];中國自動化學會全國第九屆自動化新技術學術交流會論文集[C];2004年

10 王曉東;劉全利;金吉凌;王偉;;基于序次優(yōu)化策略的改進遺傳算法[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

相關重要報紙文章 前2條

1 林京;《神經網絡和遺傳算法在水科學領域的應用》將面市[N];中國水利報;2002年

2 高雪娟;協同設計的平臺策略[N];中國計算機報;2006年

相關博士學位論文 前10條

1 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

2 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

3 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

4 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

5 唐文艷;結構優(yōu)化中的遺傳算法研究和應用[D];大連理工大學;2002年

6 周激流;遺傳算法理論及其在水問題中應用的研究[D];四川大學;2000年

7 劉冀成;基于改進遺傳算法的生物電磁成像與磁場聚焦應用研究[D];四川大學;2005年

8 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

9 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

10 石玉;提高實數遺傳算法數值優(yōu)化效率的研究[D];南京航空航天大學;2002年

相關碩士學位論文 前10條

1 谷克;遺傳算法在公路路線智能決策系統(tǒng)中的應用研究[D];長安大學;2008年

2 李艷嬌;基于改進遺傳算法的剛架結構截面力學特性參數優(yōu)化的研究[D];吉林大學;2009年

3 任巍;求解極小碰集的遺傳算法的研究與改進[D];吉林大學;2009年

4 王赫;混沌遺傳算法在模式識別中的應用[D];東北電力大學;2009年

5 于蕾蕾;雙種群遺傳算法的改進及其應用研究[D];合肥工業(yè)大學;2009年

6 王婧;遺傳算法及其在聚類分析中的應用[D];華中師范大學;2009年

7 胡文斯;基于遺傳算法的車間作業(yè)調度問題的研究[D];中國海洋大學;2009年

8 吳明華;基于遺傳算法的養(yǎng)護機械生產車間作業(yè)調度問題的研究[D];長安大學;2007年

9 尉鈺;基于改進遺傳算法的橋梁模型動力優(yōu)化[D];長安大學;2007年

10 王銀年;遺傳算法的研究與應用[D];江南大學;2009年

本文編號：1365020