考慮完整交易費(fèi)用組合投資模型的混合遺傳算法求解.pdf

1、Markowitz作為組合證券投資理論的奠基人,提出的組合證券投資模型得到了廣泛的關(guān)注和應(yīng)用,但由于該模型是建立在一系列嚴(yán)格假設(shè)基礎(chǔ)之上的,如市場(chǎng)無(wú)摩擦、股票可以任意拆分等,因此其實(shí)際有效性和應(yīng)用范圍均受到了很大的限制.近年來(lái)國(guó)內(nèi)外的眾多學(xué)者都對(duì)這一理論進(jìn)行了深入的研究和探討,提出了不少改進(jìn)和完善的方法,如加入交易成本、整手買(mǎi)賣(mài)的要求等,然而由于模型求解的復(fù)雜性,很多學(xué)者為了降低難度,往往簡(jiǎn)化交易成本的核算,從而導(dǎo)致模型的交易成本度量并

2、不準(zhǔn)確,未能真正反映證券市場(chǎng)的實(shí)際情況,不能給投資者提供足夠的參考.因此,本文在考慮整手交易的基礎(chǔ)上,精確核算證券交易過(guò)程中的各項(xiàng)費(fèi)用,建立了一個(gè)更加符合我國(guó)證券市場(chǎng)實(shí)際的組合投資模型,彌補(bǔ)了以往模型簡(jiǎn)化交易費(fèi)用的不足,使得組合投資模型更加貼近我國(guó)的實(shí)際. 其次,在求解組合投資模型時(shí),大部分學(xué)者都把遺傳算法作為最主要的手段加以研究和應(yīng)用.遺傳算法作為一種能有效求解復(fù)雜優(yōu)化問(wèn)題的全局搜索算法,具有簡(jiǎn)單易行、收斂速度快等特點(diǎn),但是在

3、實(shí)際應(yīng)用中往往又存在著很多不盡如人意的問(wèn)題,如容易產(chǎn)生早熟現(xiàn)象、局部搜索能力差等.因此考慮搜索能力更強(qiáng)、收斂更快的算法,是求解模型所面臨的一個(gè)重要問(wèn)題.從以往的研究中可知,常用的梯度法、爬山法、模擬退火等算法均具有較強(qiáng)的局部搜索能力,因此本文利用退火遺傳算法結(jié)合動(dòng)態(tài)罰函數(shù)來(lái)求解所建立的投資模型,將模擬退火的思想融入到懲罰函數(shù)的選取中,對(duì)懲罰因子加以改進(jìn),從而提高算法的效率.最后,用投資實(shí)例驗(yàn)證了混合遺傳算法求解組合證券投資模型的有效性.