证券投资组合问题的人工神经网络求解

证券投资组合问题属于大规模求解问题,如何提高模型运算的速度和精度,决定了模型能否在实际中获得广泛应用.利用人工神经网络求解证券投资组合问题,以求提高求解的速度和精度.通过对建立的模型进行计算机模拟运算,结果证明该方法是可行的.     

最优外汇组合投资及管理

应用Markowitz组合证券投资理论对外汇投资进行了研究，讨论了外汇投资组合的选择和外汇储备的最优调整模型，并给出了最优组合投资及最佳调整策略，结合历史资料分别进行了计算和分析。     

证券投资组合问题的人工神经网络求解

证券投资组合问题属于大规模求解问题，如何提高模型运算的速度和精度，决定了模型能否在实际中获得广泛应用，利用人工神经网络求解证券投资组合问题，以求提高求解的速度和精度，通过对建立的模型进行计算机模拟运算，结果证明该方法是可行的。     

证券组合投资模型研究

证券投资是一种高风险的投资行为。文章综合考虑证券投资的收益、风险，建立了目标规划的组合证券投资决策模型。该模型运算简便实用性强。     

存款利率与贷款利率不等式的随机线性二次最优控制的应用

讨论在存贷款利率与贷款利率不等和非自融资（考虑收入和消费）条件下的随机线性二次最优控制问题,将其应用到连续时间的均值-方差投资组合选择问题中,得到最优证券组合.     

基于区间数收益率的投资组合选择模型

为研究收益率为区间数的投资组合问题,根据证券历史数据的最高价、最低价和开盘价计算得到证券收益率的区间数估计值,基于绝对偏差风险函数、区间数的期望值算子和距离概念建立了一个投资组合的线性规划模型,从而得到最优投资组合决策.通过实例说明该方法的有效性.     

证券组合投资的模糊规划方法

基于证券投资预期收益和风险的不确定性,利用多样化选择约束抵减证券投资的非系统风险.以证券组合投资的收益率极大化和β值极小化为目标.建立一种模糊规划模型,指出模型的求解方法.     

H值意义下不允许卖空时优良证券组的筛选

探讨了H值意义下不允许卖空时,优良证券组的筛选策略,给出了可行证券组的定义以及性质,最后得到了市场指数模型下优良证券组合筛选的简便方法.     

Copula选择方法

介绍了当前常用的Copula函数的参数估计方法及最优Copula函数的选择方法,着重研究了一种基于贝叶斯理论的Copula函数的择优选择方法.最后对上海证券综合指数和深圳证券成分指数进行Copula函数择优选择,结果表明,得到的Copula较好地描述了其相依结构.     

证券数减少情形下M-V证券组合特征灵敏度研究

基于均值-方差（M—V）投资组合选择模型，分析了证券市场上不存在无风险资产且允许卖空条件下证券组合特征关于证券数减少的灵敏度．通过引入扰动因子和扰动矩阵，建立了证券数减少时M—V组合模型．同时与原有模型进行了比较，分析了证券数减少对有效前沿的影响．结果表明：证券数减少时M—V证券组合有效前沿向右漂移且开口变大，并给出了相应的经济解释．     

基于模糊收益率的分散化投资组合调整策略

投资组合选择是量化金融领域的核心问题之一。本文研究模糊环境下考虑交易费用和基数约束的分散化投资组合调整问题。首先,将风险资产的收益率视为模糊变量,通过建立一个模糊收益率拟合模型,确定了各资产收益率的模糊分布。其次,通过提出一个新的分散化测度,建立了模糊均值-下半方差-分散化投资组合调整模型。然后,设计了一个改进的遗传算法对模型进行求解。最后,选取真实的股票数据进行实例分析。结果表明所提出的策略优于传统的投资组合调整策略。     

证券组合投资有效边界的研究及无风险投资对其的影响

本基于分散风险而进行证券组合投资问题出发，研究了证券组合投资有效边界的确定，并在以允许卖空的风险证券组合投资有效边界研究的基础上，分析了无风险投资的引入对风险证券组合投资有效边界的影响，并给出了无风险投资与风险组合投资再组合的有效边界的若干数学结果。     

基于模糊集分析的投资组合模型

提出了一种模糊投资组合选择模型来规避决策中的不确定性．运用模糊集理论模拟不确定性、灵活可变的信息,然后运用悲观准则将模糊约束条件转化为纯数学模型,通过求解最大值就可以确定最优的投资组合．最后通过实例对模型进行了验证．     

最优权系数组合赋权在导弹质量评估中的应用

在导弹质量评估过程中,确定各个指标的权值是十分关键的一环,也是质量评估研究的重点。指标权重计算的合理与否将会直接影响评估结果的准确性。基于最小二乘原理提出了一种组合赋权方法,利用最优组合准则给出了最佳组合权重的线性表达形式,并用广义一致性准则和TOPSIS法来求解最优组合权重系数。最优权系数组合赋权法的事后检验准则验证了该方法的有效性,而基于该方法的组合赋权多属性决策,则实现了导弹质量的动态评估。     

摩擦市场下买空-卖空投资组合选择的优化方法

在假设投资者是风险厌恶的前提下,提出了一种新的买空-卖空投资组合选择模型,并考虑了交易费这种摩擦．采用极大熵方法对模型进行优化,并给出这一问题的数值解法．实证分析表明,投资者最低满意收益率的高低直接决定了人们对风险的控制程度,且投资的风险与投资者的最低满意收益率是正相关的．     

完全市场情况下多阶段均值-VaR 投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。     

改进GA在房地产开发项目投资组合中的应用

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。     

基于摩擦市场的双目标投资组合选择模型

首先在前人的基础上，把偏度水平和市场摩擦因素引入投资组合选择模型中；建立了基于摩擦市场的双目标投资组合选择模型（FM—BOPM）；然后，为求解该模型进行了遗传算法设计；最后用一个具体的算例解释了偏好系数变化时相应的投资组合策略的变动。     

基于遗传算法的工程项目投资方案优选模型

通过类似虚拟企业伙伴选择的机制,在考虑方案本身优劣的同时,寻求最匹配的组合来达到整体方案最优的目标.分析了子项目方案间的相互影响关系,在考虑投资额和工期两个因素的基础上,从项目整体最优的角度,建立了项目总体决策方案优选的成本最小化模型,并采用遗传算法给予求解,最后,通过一个算例证明了模型的实用性和算法的有效性.     

基于移动窗口的适应性在线投资组合策略

在线投资组合选择问题是当前量化投资领域一个重要的研究问题.为了避免剧烈波动的股票市场中过去较长时间的股价数据对当前的投资决策产生干扰,基于移动窗口设计在线投资组合策略.首先利用近期股价数据,计算所有定常再调整策略的近期表现并对其进行排序;根据其排序构造权重,对所有定常再调整策略进行加权平均,提出了基于移动窗口的策略;进一步采用适应性学习的方法选择移动窗口的长度,提出了适应性学习的策略.采用实际股价数据对提出的策略进行了实证分析,结果表明它们具有较好的性能.