Markowitz基于粒子群算法的投资组合选择模型
时间:2018-11-15 09:17 来源:毕业论文 作者:毕业论文 点击:次
| 摘要我国金融市场的飞速发展，使得投资组合优化问题收到许多关注和研究。然而，在金融投资专家系统中，由于无法使用传统方法有效地解决多目标函数的非线性约束投资组合优化问题，学者们研究最多的问题之一就是投资组合的难解性。本文基于Markowitz均值-方差模型以及标准粒子群算法，在MV模型中考虑了市场的摩擦因素，并对标准粒子群算法做出修正，并建立基于修正粒子群算法的投资组合优化模型。该模型应用于对股票投资决策中，证明了该模型在最优风险投资组合中的实用性和有效性。30243 关键词 投资组合优化 粒子群算法 群智能技术 毕业论文外文摘要 Title Portfolio Selection Model Based on the Improved Particle Swarm Optimization Abstract In the financial investment system, because the non-linear constrained portfolio optimization problem with multi-objective functions cannot be efficiently solved using traditionally approaches; one of the most studied problems in the financial investment expert system is the intractability of portfolios. This paper improve the standard Particle Swarm Optimization(PSO) based on Markowitz mean-variance model and standard Practical Swarm Optimization, and then construct the portfolio selection model based on the improved Practical Swarm Optimization. This model is applied in security investment decision and this paper testifies the practicability and effectiveness of this model in optimal risk investment portfolio. Keywords portfolio optimization Particle Swarm Optimization Swarm intelligence technology 目 次 1 绪论 1 1．1 选题的背景及意义 1 1．2 国内外研究现状与进展 2 1．3 本文主要研究内容与结构安排 3 2 投资组合优化与选择相关理论和方法 5 2．1 投资组合优化问题的提出 5 2．2 投资组合优化模型及其特点 5 2．3 基于粒子群算法的投资组合选择模型 9 3 基于改进粒子群算法的投资组合选择模型的构建 13 3．1 改进的“均值-方差”模型 13 3．2 基于改进的粒子群算法的程序设计和流程 16 4 实证分析 25 4．1 样本选择和数据来源 25 4．2 参数设置 26 4．3 计算结果及分析 26 4．4 本文提出的模型和算法的验证结果 27 5 总结与展望 28 5．1 本文研究的结论 28 5．2 未来的研究方向 28 致 谢 29 参考文献30 1 绪论 1．1 选题的背景及意义 改革开放以来，我国的金融市场不断完善发展，证券市场掀起了新一轮高潮。证券市场是一个高风险且充满许多不可预测因素的市场，一方面，它既受到宏观方面因素的作用，如国家金融政策调控、国家公开市场业务、再贴现率调整对利率的影响，国外金融环境对国内市场的波及的影响等；另一方面，证券市场还受到很多微观方面因素的作用，如投入资金总额的数量、市场规律的限制、企业经营状况等等。随着经济社会的发展，投资者们不再简单地将鸡蛋置于一个篮子里——将总资金全部投资于单个投资对象，而是将给定的资产按一定比例分散投资于不同金融产品，以期在给定收益下分散风险。因此，要怎样在这种不确定的市场环境下对资本进行最优配置，如何管理资产投资组合以保证在给定收益水平的约束下，最小化风险，是许多金融决策者面临的一个问题，也称为投资组合优化问题。近年来，投资组合管理也逐渐成为金融学中研究最多的主题之一。 (责任编辑：qin) |