證券投資組合問(wèn)題研究及改進(jìn)仿生算法求解.pdf

1、近年來(lái)，受世界經(jīng)濟(jì)格局以及金融形勢(shì)的影響，證券組合投資成為當(dāng)前一個(gè)很熱的課題。在現(xiàn)實(shí)生活中，越來(lái)越多的人選擇投資股票來(lái)進(jìn)行理財(cái)。股票類(lèi)型、品種等多種多樣，發(fā)展?jié)摿Α⑼顿Y收益、風(fēng)險(xiǎn)也就各不相同，而投資者的資金是一定的，這樣就必須考慮每支股票的投資比例。本文以國(guó)內(nèi)股票市場(chǎng)為背景，討論了如何通過(guò)仿生算法做出較優(yōu)秀的證券組合投資決策。
　　 本文結(jié)合Markowitz證券投資組合理論和國(guó)內(nèi)股票市場(chǎng)實(shí)際情況，利用熵對(duì)方差度量風(fēng)險(xiǎn)進(jìn)行了補(bǔ)充

2、，并加入了專(zhuān)家評(píng)價(jià)對(duì)預(yù)期收益率向量和協(xié)方差矩陣實(shí)行了模糊化處理，以提高其現(xiàn)實(shí)可行性。同時(shí)考慮了相關(guān)政策法規(guī)以及其他現(xiàn)實(shí)約束，設(shè)立了投資上下限，建立了改進(jìn)的投資組合模型，用三種改進(jìn)仿生算法對(duì)其求解。
　　 針對(duì)傳統(tǒng)遺傳算法收斂速度慢，運(yùn)算時(shí)間長(zhǎng)的缺點(diǎn)，提出了自適應(yīng)并行遺傳算法。該算法建立了多處理器并行處理的新思路，改進(jìn)了交叉、變異算子，使其能夠自我調(diào)節(jié)。最后，利用算例論證了算法的有效性。
　　 對(duì)標(biāo)準(zhǔn)PSO算法引入遺傳算法