求解投资组合问题的多目标遗传算法研究

天津大学硕士学位论文求解投资组合问题的多目标遗传算法研究姓名：郭瑜申请学位级别：硕士专业：运筹学与控制论指导教师：林丹20090501求解投资组合问题的多目标遗传算法研究作者：郭瑜学位授予单位：天津大学相似文献(10条)1.学位论文吴阳基于遗传算法的基金投资组合模型研究2007随着经济发展的加快，中国的金融市场和金融体制不断完善。在国民人均可支配收入不断增长的趋势下，基金作为一种主要的大众投资方式，在近两年的时间内，呈现了迅猛发展的势头。基金逐渐成中国资本市场上的主要机构投资者，其投资组合直接作用于证券市场的价格波动。因此，建立有效的基金投资组合模型对中国金融市场的稳定发展具有十分重要的实践意义。本论文共分为四个部分：第一部分，综述国内外有关文献研究现状，提出了研究的意义：第二部分，界定了基金和基金资产的概念，分析了基金资产的构成，剖析了现有投资组合模型的不足及相应的解决思路；第三部分对股票资产按照风险角度进行了分类，建立了基金资产分类的模糊数学模型。将股票和国债的单位风险所获得的超额收益作为遗传算法中的被操作对象，以遗传算法中的目标函数的形式来建立了投资组合模型，将投资组合模型作为遗传算法中的适应度函数，最终来求解不同风险偏好系数下的最优解。第四部分，选取上证180样本股数据为样本，应用遗传算法计算了两种不同风险偏好系数下的最优投资比例和投资绩效，与现有的三类基金的投资比例进行了比较分析，并从经济意义角度分析现有应用遗传算法求解投资组合模型与本文的模型的不足。本论文的创新见解表现在两个方面：第一，在投资组合模型中加入风险偏好因素，解决了原有模型只适用于风险中性的不足，取代了投资者风险中性的假设，使投资者可以根据自身的风险偏好程度来选择投资组合。第二，以遗传算法中的目标函数的方式建立了基金投资组合模型，以风险调整的收益的最大值作为遗传算法中的目标函数，应用遗传算法进行了求解。避免了应用二次规划对原有模型求最优解的过程中，出现的非线性程度高，收敛缓慢并且收敛于局部解的问题。2.会议论文叶中行.王俊多目标最优投资组合选择的遗传算法2004本文对多目标最优投资组合选择的遗传算法进行了探讨。本研究给出了多目标最优投资组合选择的遗传算法,并对投资组合收益、风险(方差)和分散程度模型为计算实例说明了此方法的可行性。3.学位论文柳菲基于遗传算法的CVaR模型在投资组合中的应用2009金融市场风险管理是金融实务界、学术界和监管局的重大课题和任务。风险价值(Value-at-Risk，VaR)是最近金融研究的一个重要方向，它是一种以统计方法度量市场风险的手段，是指在给定一个时间周期和置信水平下，预期最大损失的测量。由于它不具有次可加性、凸性等特征，使得条件风险价值(ConditionalValue-at-Risk，CVaR)的研究引起了许多学者的兴趣。CVaR是指损失额超过VaR部分的期望损失值或平均损失值。它不仅具有VaR模型的优点，同时在实际应用中更为实用合理，因而得到越来越广泛的应用。VaR和CVaR，尤其是后者，已成为当今金融评估的重要参数。本文重点研究了基于遗传算法的CVaR模型在投资组合中的应用问题，取得的研究成果主要有以下几点：(1)针对CVaR模型当中各期损失函数通常比较复杂，线性的损失函数在现实当中可能难以准确描述实际损失的问题，提出了损失函数为一般非线性函数情形的CVaR模型。(2)设计了一种改进的遗传算法求解新的CVaR模型，并随机选取十支证券进行实例化分析，结果表明：新的模型能够同时降低CVaR和VaR两个重要风险度量指标，有效降低风险。(3)分析了投资组合风险构成，针对边际CVaR、成分CVaR和增量CVaR等风险分析方法在调整投资组合中各资产定量分析方面的不足，提出一种风险规避模型，并给出了实例化分析，实验证明了风险规避模型能够在保证原有收益不变的前提下，降低投资组合的风险值。4.期刊论文刘洪杰.王秀峰.王治宝改进的多模态遗传算法及其在投资组合中的应用-控制与决策2003,18(2)提出用多模态遗传算法求解投资组合的新思路.首先,针对小生境遗传算法搜索结果不稳定的缺点,提出具有迁徙操作的新多模态遗传算法,不仅有效地找到了全部优质解,而且无需峰间距的信息.然后,针对传统的投资组合模型存在不能满足不同风险偏好投资者需要的缺点,提出符合中国国情的证券投资组合模型,并给出利用改进的多模态遗传算法求解的方法.最后进行了实证研究,得到了满意的结果.5.学位论文苏莉遗传算法及其改进在投资组合中的应用2006本文针对标准Markowitz均值-方差投资组合模型的局限性，从三方面进行了改进。一是对约束条件的改进：加入大量的现实约束，并且把交易费用计入可使用的资金中；二是对风险度量的改进：用历史模拟核估计的CVaR作为风险度量替换方差风险度量，从而建立多约束的均值-CVaR的双目标投资组合模型；三是从算法上进行改进：采用遗传算法。为了用遗传算法求解提出的多约束均值-CVaR的双目标投资组合模型，首先系统的介绍了遗传算法的基本理论、一般流程和收敛性，引入多目标优化问题，阐述了目前多目标遗传算法中的典型策略，然后讨论了目前发展最快、优化效果较好的两种多目标遗传算法：非劣排序遗传算法(NSGA)及其改进快速非劣排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法(SPEA)及其改进SPEA2，总结了主要的遗传算法处理约束的方法。最后对本文所建立的双目标投资组合模型用遗传算法进行求解，提出了两种思路。一是先将双目标转化为单目标，设计带约束的单目标遗传算法的具体算法。二是直接采用多目标遗传算法，采用不可行度选择算法(IFD)处理约束，把快速非劣排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法的改进SPEA2分别和IFD结合起来，得到计算带约束的多目标问题的IFDNSGA-Ⅱ和IFDSPEA2的算法，并给出算法步骤。6.期刊论文王俊.叶中行一种改进的实数型遗传算法在多目标最优投资组合选择中的应用-宁夏大学学报(自然科学版)2004,25(3)根据信息论中熵的概念,提出用熵来度量投资组合对风险的分散能力.同时,在兼顾收益和风险的情况下,提出了一个新的多目标投资组合模型,并用改进的经典遗传算法求解该模型.实例分析表明,该模型及算法具有实际可行性.7.学位论文李晓明遗传算法求解投资组合决策和流水车间调度问题的研究2006遗传算法(GeneticAlgorithm)是基于进化论的原理发展起来的一种广为应用的、高效的随机搜索与优化方法。自1960年以来，人们对传统方法很难解的复杂优化问题求解的兴趣日益增加。一种模仿生物自然进化过程的、被称为“进化算法”的随机优化技术在解这类优化难题中显示出了通常优于传统优化算法的性能并且得到了很大的发展和应用。目前，这种进化算法主要包括三个领域：遗传算法、进化规划和进化策略。其中，遗传算法是迄今为止进化算法中最广为人知的算法，它在求解多目标问题中处理大问题空间的能力是传统方法无法比拟的，而且它还对函数定义域的凸性是不敏感的，这也使得遗传算法在金融数学、组合优化和工业工程等方向的单目标和多目标优化问题求解中有很好的应用。本文在广泛深入地查阅国内外文献的基础上，对遗传算法及其面向多目标求解的理论和基本方法进行了研究和实例分析，主要内容如下：1.系统、详尽的介绍了遗传算法的一般流程和基本理论、方法以及面向多目标优化问题的遗传算法的基本理论和方法。2.在传统Markowitz投资组合模型中考虑了最小交易单位、交易费用以及最大投资上限等时机因素，得到了一个改进的投资组合模型。该模型是一个非线性整数规划问题，传统算法难以求解，为此，设计了一种基于整数编码的遗传算法求解该模型。实际算例表明，所提出的算法是有效的。3.对于最小化总工期和总拖后时间的双目标流水车间调度问题，文中基于NSGA-Ⅱ算法的选择机制，设计了求解该问题的多目标遗传算法。用随机产生的问题进行数值试验，结果表明，所提出算法是有效和稳定的。8.期刊论文王怀柱.WANGHuaiZhu求解多目标投资组合优化模型的遗传算法-微型机与应用2009,28(7)针对考虑最小交易量、交易费用,以及单项目最大投资上限约束的多目标投资组合模型,对目标函数添加惩罚函数项来处理约束条件的方法.本文通过对交叉算子、变异算子的改进,设计了一种遗传算法进行求解.实验算例表明,该算法是有效的.9.会议论文陆阳用遗传算法配置上证50指数型投资组合2008考虑到不同风险偏好以及最小交易量、交易费用等实际因素，建立了符合我国国情的用VaR度量风险的指数型投资组合优化模型，并针对上证50指数，通过因子分析的方法对原始数据处理后，以遗传算法求解该模型。通过Matlab语言编写的求解程序进行测试，验证了该方法的有效性、可行性。10.期刊论文李彦苍.周书敬.LIYan-cang.ZHOUShu-jing改进GA在房地产开发项目投资组合中的应用-河北建筑科技学院学报（自然科学版）2005,22(1)传统遗传算法(GA)存在着易陷入局部最优的缺陷,本文提出了一种先利用信息熵调整遗传与变异的侧重点,实现算法参数自适应调节,而后再利用小生境算法在基因层面上对GA进行优化以确定最优解的改进的遗传算法.并将此算法引入房地产开发项目投资组合中,计算实例证明了该法具有较高的稳定性和鲁棒性.本文链接：授权使用：西安交通大学(xajtdx)，授权号：9d5980ad-c7e0-4200-afc1-9eb6002053a9下载时间：2011年3月30日