金融行業(yè)是現(xiàn)代經(jīng)濟(jì)的核心,金融行業(yè)的良好運(yùn)行是經(jīng)濟(jì)建設(shè)和社會(huì)運(yùn)行的良好保障�，F(xiàn)代金融變得越來(lái)越技術(shù)化,在研究和實(shí)踐中必須借助復(fù)雜的數(shù)學(xué)工具。作為金融學(xué)、數(shù)學(xué)與計(jì)算機(jī)的交叉學(xué)科,金融數(shù)學(xué)應(yīng)用而生,并于新世紀(jì)快速發(fā)展起來(lái)。金融數(shù)學(xué)領(lǐng)域的經(jīng)典難題有股票預(yù)測(cè)、投資組合和風(fēng)險(xiǎn)管理等,這些問題通過金融數(shù)學(xué)模型和智能算法優(yōu)化得到有效解決。生物啟發(fā)式計(jì)算是通過模擬自然界的生態(tài)系統(tǒng)演化機(jī)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(fù)雜的優(yōu)化問題,在解決NP問題如TSP問題、多目標(biāo)、高維、約束優(yōu)化問題等方面有卓越的性能。上世紀(jì)80年代開始,大量學(xué)者開始研究生物啟發(fā)式算法,并率先將其應(yīng)用于求解金融優(yōu)化問題,包括投資組合、股票預(yù)測(cè)、風(fēng)險(xiǎn)管理等多個(gè)領(lǐng)域。在實(shí)際的金融優(yōu)化應(yīng)用問題中,遇到往往是多目標(biāo)優(yōu)化問題,且同時(shí)具有多約束條件,所以金融優(yōu)化學(xué)者們致力于優(yōu)化多個(gè)目標(biāo)的解決方案。同時(shí),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(biāo)算法改進(jìn)和算法金融優(yōu)化應(yīng)用方面都有值得深入了解的地方。因此本論文研究的重點(diǎn)是生物啟發(fā)式算法及其在金融行業(yè)領(lǐng)域的應(yīng)用。論文的主要研究?jī)?nèi)容包括... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

投資2個(gè)企業(yè)的搜索過程

吉林大學(xué)博士學(xué)位論文84圖4.7投資4個(gè)企業(yè)的搜索過程圖4.8投資9個(gè)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(gè)公司(股票)案例上進(jìn)行測(cè)試。圖4.6至圖4.8顯示不同算法分別在三個(gè)案例上30次運(yùn)行的平均最佳適應(yīng)度值搜索進(jìn)度比較�？梢钥闯觯诘跗冢顿Y風(fēng)險(xiǎn)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(jié)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(xué)博士學(xué)位論文84圖4.7投資4個(gè)企業(yè)的搜索過程圖4.8投資9個(gè)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(gè)公司(股票)案例上進(jìn)行測(cè)試。圖4.6至圖4.8顯示不同算法分別在三個(gè)案例上30次運(yùn)行的平均最佳適應(yīng)度值搜索進(jìn)度比較�？梢钥闯�，在迭代初期，投資風(fēng)險(xiǎn)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(jié)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(xiàn)】：
期刊論文
[1]改進(jìn)的粒子群BP神經(jīng)網(wǎng)絡(luò)算法在天氣預(yù)測(cè)中的應(yīng)用[J]. 沈藝高.  計(jì)算機(jī)時(shí)代. 2019(08)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的水果識(shí)別研究[J]. 于悅洋,王冰,王靜,湯喬.  智能計(jì)算機(jī)與應(yīng)用. 2019(04)
[3]混合智能算法的多目標(biāo)無(wú)功優(yōu)化方法[J]. 曹裕捷,張彬橋.  三峽大學(xué)學(xué)報(bào)(自然科學(xué)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(guó)福,陳小山,張瑞.  運(yùn)籌與管理. 2018(09)
[5]移動(dòng)機(jī)器人生物啟發(fā)式變結(jié)構(gòu)軌跡跟蹤控制[J]. 馬曉敏,劉丁,辛菁,張友民.  電機(jī)與控制學(xué)報(bào). 2018(07)
[6]基于變量分組的大規(guī)模多目標(biāo)優(yōu)化算法[J]. 林濤,霍麗娜.  鄭州大學(xué)學(xué)報(bào)(理學(xué)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(jì)算機(jī)與數(shù)字工程. 2018(02)
[8]改進(jìn)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別[J]. 陳闖,Ryad Chellali,邢尹.  計(jì)算機(jī)應(yīng)用研究. 2019(02)
[9]深度學(xué)習(xí)研究與進(jìn)展[J]. 孫志遠(yuǎn),魯成祥,史忠植,馬剛.  計(jì)算機(jī)科學(xué). 2016(02)
[10]高超聲速滑翔式飛行器再入軌跡多目標(biāo)多約束優(yōu)化[J]. 陳小慶,侯中喜,劉建霞.  國(guó)防科技大學(xué)學(xué)報(bào). 2009(06)

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

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



本文編號(hào)：3439323