基于微粒群算法證券投資組合研究

基于微粒群算法證券投資組合研究

ID:33954087

大?。?.86 MB

頁數(shù):42頁

時(shí)間:2019-03-02

基于微粒群算法證券投資組合研究_第1頁
基于微粒群算法證券投資組合研究_第2頁
基于微粒群算法證券投資組合研究_第3頁
基于微粒群算法證券投資組合研究_第4頁
基于微粒群算法證券投資組合研究_第5頁
資源描述:

《基于微粒群算法證券投資組合研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、對外經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文基于微粒群算法證券投資組合研究姓名:姜昊申請學(xué)位級別:碩士專業(yè):產(chǎn)業(yè)經(jīng)濟(jì)學(xué)指導(dǎo)教師:黃浩201105摘要隨著經(jīng)濟(jì)的快速發(fā)展,中國的金融市場和金融體制不斷完善,證券投資作為一種主要的投資方式,越來越受到人們的青睞。為使投資者獲取較好的收益同時(shí)規(guī)避市場風(fēng)險(xiǎn),就必須考慮合理分布各項(xiàng)資產(chǎn)的投資比例。Markowitz證券投資組合模型是金融定量化研究的開端,可以幫助投資者做出合理有效的投資決策,國內(nèi)外許多學(xué)者在嘗試優(yōu)化證券投資組合模型并研究探索求解模型的手段,遺傳算法、神經(jīng)網(wǎng)絡(luò)等人工智能算法被普遍應(yīng)用到模型的求解中。本文以Markowi

2、tz證券投資組合模型為基礎(chǔ)引入風(fēng)險(xiǎn)價(jià)值Var約束對模型進(jìn)行了優(yōu)化,并使用方差一協(xié)方差方法推導(dǎo)簡化。通過選取上海證券交易所五只風(fēng)格迥異的股票使用具有慣性權(quán)重的微粒群算法及模擬退火算法進(jìn)行了求解,在比較了兩者的效率及運(yùn)算結(jié)果后,分析原因?qū)δM退火算法進(jìn)行了改進(jìn),實(shí)現(xiàn)了具有迭代N次無退出機(jī)制的模擬退火算法,取得了不錯(cuò)的效果。通過實(shí)驗(yàn)分析,我們可以看出具有Var約束的證券投資組合模型有效降低了投資者面臨的市場風(fēng)險(xiǎn),模型的提出對投資者合理有效控制風(fēng)險(xiǎn)有著明顯的實(shí)際意義,而微粒群算法以及模擬退火算法的使用則進(jìn)一步豐富了證券投資組合模型的求解手段。關(guān)鍵詞:證券投資組合

3、,Var,微粒群算法,模擬退火算法Abstract瞄therapiddevelopmentofeconomy,China'sfinancialmarketandfinancialsystemareimprovedcontinuously.Asamajortoolofinvestment,securitiesaremoroandmorepopularforpeople.Inordertogethi曲eryieldsandavoidmarketris

4、【’investorsshouldallocateassetsratioproperly.Markowitz

5、portfoliomodelisthebeginningoffinancialquantitativeresearch;itcanheIpinvestorstomakeeffectiveandreasonableinvestmentdecision.Manyscholarsathomeandabroadattempttooptimizeportfoliomodelandexplorethemeansofsolvingthemodel;geneticalgorithms,neuralnetworksandotherartificialintelligenc

6、ealgorithmisgenerallyappliedtosolvethemodel.BasedonMarkowitzportfoliotheorythisPaperintroducesValueatRisktooptimizethemodelandUSeSthevariance-covariancemeanstosimplifythemodel.,nliSPaporselectsfivestocksontheShanghaiStockExchange。USeSthePSOalgorithmwithinertialweightsandtheSAalgo

7、rithmtosolvetheoptimizedmodel,thencomparestheresultsofthetwoalgorithms.Accordingtotheanalysisoftheresults,thispaperimprovestheSAalgorithmandachievesgoodeffect.ThroughtheexperimentwecanfindthattheportfoliotheoryundertheVarconstraintsnotablyreducestherisksonthemarketandprovidesarea

8、listicmethodtocontroltherisk;theriseofPSOandSAalgorithmenrichesthemethodstosolvetheportfoliotheory..KeyWords:PortfolioTheory,Var,PSO,SAⅡ第1章緒論1.1研究背景及意義近年來,受世界經(jīng)濟(jì)格局以及金融形勢的影響,運(yùn)用證券組合進(jìn)行投資成為當(dāng)前非常熱門的話題。為規(guī)避通貨膨脹及風(fēng)險(xiǎn),越來越多的人選擇投資股票、基金、債券等方式來進(jìn)行理財(cái)投資實(shí)現(xiàn)財(cái)富保值及增值。股票、基金等產(chǎn)品投資收益、風(fēng)險(xiǎn)各不相同,而投資者所擁有的資金卻是一定的,這

9、樣就必須考慮如何通過分配各項(xiàng)的投資比例實(shí)現(xiàn)投資收益的最大化或風(fēng)險(xiǎn)的最小化?,F(xiàn)代投

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。