遺傳算法在證券投資中的應(yīng)用研究.pdf

1、證券投資具有市場變化快、影響因素復(fù)雜、風(fēng)險不確定性等特點。為了分散風(fēng)險，需按照不同的比例選擇多個不同的證券進(jìn)行投資，即采用投資組合的方式。投資組合問題屬于復(fù)雜的優(yōu)化問題，常規(guī)的算法難以在短時間內(nèi)找到全局最優(yōu)解，而遺傳算法的普適性強、對目標(biāo)函數(shù)的性質(zhì)幾乎沒要求等特點，為投資組合問題的求解找到了可行的方法。本文主要探討了如何建立投資組合模型，研究了如何根據(jù)具體問題設(shè)計模型求解的算法。
　　本文綜合經(jīng)濟學(xué)理論中的效用論和理性人假設(shè)以及統(tǒng)

2、計學(xué)理論中的組合方差公式，依據(jù)CAPM模型和夏普比率中衡量風(fēng)險的方法，提出了一個全新的證券投資組合模型：基于單位系統(tǒng)性風(fēng)險的超額收益模型。該模型以組合標(biāo)準(zhǔn)差衡量風(fēng)險，以單位系統(tǒng)性風(fēng)險下的超額收益最大化為目標(biāo)函數(shù)，根據(jù)單位風(fēng)險收益來比較不同投資組合的優(yōu)劣。建立在單位風(fēng)險基礎(chǔ)上的收益最大化模型，相對于單純追求收益最大化的模型綜合考慮了風(fēng)險的因素，更符合現(xiàn)實中的投資需求。文章在詳細(xì)給出了模型的推導(dǎo)過程之后，為模型設(shè)計了遺傳算法求解。
　

3、　本文獨創(chuàng)性的設(shè)計了雙層遺傳算法來解決證券投資組合問題。第一層遺傳算法使用財務(wù)比率編碼，持有期收益率作為適應(yīng)函數(shù)，其運算結(jié)果篩選出了供模型使用的樣本范圍。第二層遺傳算法針對模型詳細(xì)設(shè)計了權(quán)重編碼，直接使用模型的目標(biāo)函數(shù)作為適應(yīng)函數(shù)，對投資組合模型進(jìn)行求解，使最終結(jié)果能夠確定出一個組合各證券的投資比例。
　　本文最后以滬深A(yù)股市場為例，運用實證分析實現(xiàn)了算法，驗證了使用該模型進(jìn)行投資可以有效的分散風(fēng)險，選出的證券按比例進(jìn)行投資其持有