搜索
武汉理工大学硕士学位论文基于遗传算法的投资组合模型及实证研究姓名：李英申请学位级别：硕士专业：应用数学指导教师：陈盛双20081201基于遗传算法的投资组合模型及实证研究作者：李英学位授予单位：武汉理工大学相似文献(10条)1.期刊论文郑飏飏.ZHENGYang-yang基于遗传算法的模糊证券组合投资模型-科技与管理2007,9(6)在不允许卖空的情况下,为了体现投资者对期望收益的满意度,以最小风险对应的最大方差系数为目标,期望临界收益率为约束,运用模糊优化的方法建立了证券组合投资模型,并采用遗传算法给出了模型的求解.2.期刊论文张剑挺.庄亚明基于含有交易费用的证券投资组合模型的遗传算法验证-经济师2009,(9)文章在传统Markowitz投资组合模型中考虑了交易费用以及税收等实际因素,形成了一个改进的多因素证券投资组合模型,弥补了以往模型简化交易费用的不足,使得组合投资模型更加贴近我国的实际.由于该模型是一个非线性规划问题,传统算法难以有效求解.为此.提出用改进的遗传算法来求解该模型,并以实际算例验证其有效性,相比于传统的遗传算法具有更高的求解精度和更快的收敛速度,可以为投资者提供更好的决策参考.3.学位论文洪雁基于GA-SVM的股票投资评价模型2009我国股票市场形成已有二十余年，股市的稳定发展是我们全社会都关注的问题。一个健康的具有较好投资价值的股市能吸引大量的资金入市，会使这些资金采取中长线的投资策略，有利于股市的稳定和发展。无论从投资者的角度、上市公司还是监管机构，研究股市的投资价值都是至关重要的。因此在这种形势下，具有指导股票投资意义的模型和方法就相应的得到了人们的重视。本文以基于遗传算法的改进支持向量机理论为指导，构建影响股票投资价值的财务指标、非财务指标和宏观经济综合指标体系，从而建立完善的股票投资模型。br 当前股票投资模型大多数偏重用财务指标来构建模型，然而财务指标存在着被粉饰、滞后性、不全面等缺陷，仅含财务指标的股票价值评估模型无法对我国的上市公司价值的评估提供足够的信息。国内对公司股票价值评估的综合应用和实证研究几乎是空白，仅局限于公司业绩评估以及财务预警方面的研究，且大多未将财务指标与非财务指标综合起来考虑。本文构建的上市公司股票投资评估模型，在考虑传统的财务指标盈利能力、偿债能力、流动性、营运能力、成长性、现金流量等影响的基础上，综合融入了公司内部的非财务指标如股东集中度、董事会特性、管理者激励、审计意见等和宏观层面指标如经济景气指数、货币供应量、CPI、GDP、利率、汇率等。br 文章的研究成果如下：1）从统计学习理论等角度对支持向量机的理论基础进行了描述和探讨，对支持向量分类机进行了系统的学习，并对核函数做了综述和比较；2）详细讨论了遗传算法的参数意义及运算流程，并在此基础上提出了对SVM进行优化的方向；3）从财务角度、非财务角度以及宏观经济角度对影响上市公司股票的投资价值因素进行了全面的分析，建立了综合指标体系；4）提出了由“价量”关系（涨跌幅与换手率）以及市盈率、市净率进行股票分类的原则，在该原则指导下，所选择具有投资价值的股票市盈率比总体样本的平均市盈率减少了3-5倍，同时市净率也有了大幅度的减小；5）构建了单纯支持向量机模型以及基于遗传算法的改进支持向量机模型，通过对比两个模型对下一年股票分类准确度的预测，得到了具有更高准确度的GA-SVM股票投资的分类模型；6）根据股票分类的原则及模型的原理，结合股市实际情况提出了多项投资的建议。4.期刊论文郑玉华.罗东坤.ZhengYuhua.LuoDongkun油气勘探开发投资优化-石油勘探与开发2009,36(4)以探明储量增长模型为基础建立了油气累计勘探投资与油气累计探明储量之间的关系模型;用数据包络分析法(DEA)建立了油气新建产能-油气开发工程建设投资模型.结合对数形式的油气开发操作成本模型构建了油公司油气开发投资-油气产量的关系模型;在投资-储量-产量关系模型的基础上,以企业利润最大化为目标,考虑产量构成、储采比及开采速度等方面的约束条件,构造了石油公司勘探开发投资多阶段优化模型,并用遗传算法给出了既定条件下石油公司多阶段最优化投资结构.该方法可以为石油公司制定长期发展战略规划、长期勘探开发投资方案提供方法依据,以减小勘探、开发投资中的盲目性及主观性,促进油气资源的合理、有序勘探开发.5.学位论文李楠考虑完整交易费用组合投资模型的混合遗传算法求解2005Markowitz作为组合证券投资理论的奠基人,提出的组合证券投资模型得到了广泛的关注和应用,但由于该模型是建立在一系列严格假设基础之上的,如市场无摩擦、股票可以任意拆分等,因此其实际有效性和应用范围均受到了很大的限制.近年来国内外的众多学者都对这一理论进行了深入的研究和探讨,提出了不少改进和完善的方法,如加入交易成本、整手买卖的要求等,然而由于模型求解的复杂性,很多学者为了降低难度,往往简化交易成本的核算,从而导致模型的交易成本度量并不准确,未能真正反映证券市场的实际情况,不能给投资者提供足够的参考.因此,本文在考虑整手交易的基础上,精确核算证券交易过程中的各项费用,建立了一个更加符合我国证券市场实际的组合投资模型,弥补了以往模型简化交易费用的不足,使得组合投资模型更加贴近我国的实际.其次,在求解组合投资模型时,大部分学者都把遗传算法作为最主要的手段加以研究和应用.遗传算法作为一种能有效求解复杂优化问题的全局搜索算法,具有简单易行、收敛速度快等特点,但是在实际应用中往往又存在着很多不尽如人意的问题,如容易产生早熟现象、局部搜索能力差等.因此考虑搜索能力更强、收敛更快的算法,是求解模型所面临的一个重要问题.从以往的研究中可知,常用的梯度法、爬山法、模拟退火等算法均具有较强的局部搜索能力,因此本文利用退火遗传算法结合动态罚函数来求解所建立的投资模型,将模拟退火的思想融入到惩罚函数的选取中,对惩罚因子加以改进,从而提高算法的效率.最后,用投资实例验证了混合遗传算法求解组合证券投资模型的有效性.实验结果表明本文算法不仅具有较强的搜索能力,而且避免了早熟现象的发生,相比于传统的遗传算法具有更高的求解精度和更快的收敛速度,可以为投资者提供更好的决策参考.6.期刊论文朱小梅.郭志钢.袁元.ZHUXiao-mei.GUOZhi-gang.YUANYuan基于遗传算法的VaR约束下证券组合模型仿真-江汉大学学报（自然科学版）2005,33(4)在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.7.学位论文曹顺霞信息系统工程监理及软件项目进度-投资控制研究2006信息系统工程监理是独立的第三方机构为信息系统工程提供规划与组织、协调与沟通、控制与管理、监督与评价方面的服务，其目的是支持与保证信息系统工程按时、按质、按量的完成。由于信息系统工程监理在国内刚刚起步，加强对监理机制的研究是非常有必要的。本文在论证信息系统工程建设引入监理机制的必要性和可行性的基础上，详细分析研究了信息系统工程监理机制的内容、范围以及实施，特别是针对信息系统工程中的软件项目监理机制进行深入探讨，提出了对软件进度-投资控制应该按照软件工程瀑布式周期模型分阶段进行实施监控的思路，并以经济学中的赢得值原理为依据，对信息系统工程及软件项目进度-投资控制进行了深入研究。软件进度-投资控制的基础是确定出工程的网络图，在对项目进度-投资控制计划进行调整时，本文引入遗传算法对项目的工期-成本-质量进行综合优化，解决了这一多目标优化的问题，并根据其最优化的结果对整个项目的进度-投资过程进行控制；在对进度投-资进行度量的时候，本文根据赢得值原理为软件进度-投资的评价构建了一个数学模型，利用该数学模型来判断实际进度-投资与计划进度-投资之间的关系，并根据实际进度-投资状况对未来的发展方向作出估计。最后，文章给出了一个监理信息系统的基本框架，并将进度-投资模型应用于其中。8.期刊论文王燕青.唐万生.韩其恒基于遗传算法的概率准则组合证券模拟求解-管理科学学报2002,5(6)针对概率准则意义下的组合证券投资模型,采用随机模拟技术和遗传算法相结合的思想,设计出求解算法,并用Matlab语言实现.求解算法适用于证券收益率服从任意分布的情况,甚至不考虑证券收益率分布,用实际数据进行模拟和优化.实例证明,该算法有很好的收敛性及较高的计算效率.9.学位论文徐焱遗传算法求解均值—核估计VaR投资组合模型的算子及参数2004VaR方法是一种度量金融风险的新方法，具有测度全面，概念简单，适合监管等优点。基于核估计的VaR历史模拟法使VaR估计的历史模拟可以建立在连续可微的组合回报基础上，不但具有普通历史模拟法无需分布假定的优点，而且使估计精度更高，估计信息更全。本文将基于核估计的VaR历史模拟引入投资组合模型，用其替换方差作为风险的度量，提出均值—核估计VaR投资组合模型。由于用普通方法求解的困难性，文章采用遗传算法对模型进行求解。遗传算法是一种优秀的全局随机搜索算法，它通过模拟自然界生物进化过程与机制，实现对最优解的搜索。但对具体的问题，往往需要进行特殊的设计，才能以较高的效率得到较好的结果。在用遗传算法对模型进行求解的过程中，考虑到遗传算子、参数等不确定因素对遗传算法的求解效率的影响，必须对先对算子、参数进行最优化的选择。为此，本文提出一种嵌套式的双层遗传算法，以算子和参数的选择作为遗传编码，将以不同算子和参数求解内层遗传算法的效率作为外层遗传算法的目标函数，通过外层算法的遗传搜索，最终得到求解文中所建立的均值—核估计VaR投资组合模型效率和精度较好的算子和参数设置。这种方法同样可以推广到其他类似的需要采用遗传算法进行求解的模型，通过提前对算子和参数进行最优化选择，从而在实际求解过程实现较高的效率和精度。最后本文通过实例对所建模型进行了遗传算法求解，并得到了相应结果。本文所建均值—核估计VaR组合投资模型和相应的遗传算法求解方法有一定的理论和实践意义。10.会议论文廖福元.黄国石用遗传算法求解β约束的证券组合投资模型2003把证券投资预期收益率作为区间内的随机值处理,以证券组合收益率极大化为目标,建立了β约束的组合证券投资优化决策模型,并用实例说明了怎样用遗传算法求解模型.本文链接：下载时间：2010年6月22日