检索结果-内蒙古大学图书馆

模糊系统与数学 2009年第5期23卷 163-167页

作者：陈国华陈收廖小莲湖南人文科技学院数学与应用数学系湖南娄底417000 湖南大学工商管理学院湖南长沙410082

将预期收益率表示为模糊数,以E-SV风险测度为基础给出了组合证券投资决策的效用函数,并建立了基于分式规划的模糊投资组合选择模型,考虑到模型求解的复杂性,我们利用遗传算法构造罚函数对模型进行了求解,并通过实例,验证了该模型解法的... 详细信息

将预期收益率表示为模糊数,以E-SV风险测度为基础给出了组合证券投资决策的效用函数,并建立了基于分式规划的模糊投资组合选择模型,考虑到模型求解的复杂性,我们利用遗传算法构造罚函数对模型进行了求解,并通过实例,验证了该模型解法的可行性和有效性。

关键词：模糊收益率投资组合模型分式规划分式效用函数遗传算法

来源：评论

学校读者我要写书评

暂无评论

风险效用投资组合模型的遗传算法求解

引用

计算机工程与应用 2011年第2期47卷 237-238,241页

作者：陈国华李军成刘世媛湖南人文科技学院数学系湖南娄底417000

给出一个折衷考虑风险最小化和收益最大化的单目标决策方法,以单位风险收益最大化为决策目标建立了投资组合的非线性分式规划模型,考虑到分式规划问题的求解难度,利用遗传算法求解模型,并给出算法步骤。最后,给出了数值算例,结果表明该... 详细信息

给出一个折衷考虑风险最小化和收益最大化的单目标决策方法,以单位风险收益最大化为决策目标建立了投资组合的非线性分式规划模型,考虑到分式规划问题的求解难度,利用遗传算法求解模型,并给出算法步骤。最后,给出了数值算例,结果表明该算法是简单有效的。

关键词：投资组合模型遗传算法非线性分式规划

来源：评论

学校读者我要写书评

暂无评论

稳定分布假设及投资组合模型研究

引用

数量经济技术经济研究 1996年第11期13卷 59-63页

作者：殷勇清华大学经济管理学院

传统的资本市场理论,如Markowitz的投资组合模型,采用正态分布描述价格变化的概率分布。但是,本文通过理论和实证研究,认为稳定分布是对价格变化的更准确描述。由于稳定分布不存在二阶及更高阶矩,传统的均值/方差分析不再适用,这个困难... 详细信息

传统的资本市场理论,如Markowitz的投资组合模型,采用正态分布描述价格变化的概率分布。但是,本文通过理论和实证研究,认为稳定分布是对价格变化的更准确描述。由于稳定分布不存在二阶及更高阶矩,传统的均值/方差分析不再适用,这个困难阻碍了稳定分布的实际应用。本文的研究表明,在与传统资本市场理论相同的市场假设下,我们能够用低阶矩代替二阶矩,构造出基于稳定分布的均值/绝对偏差分析框架。

关键词：稳定分布假设投资组合模型投资金融

来源：评论

学校读者我要写书评

暂无评论

非正态分布条件下的投资组合模型研究

非正态分布条件下的投资组合模型研究

引用

作者：侯成琪武汉大学

学位级别：博士

作为金融学的一个重要分支,投资组合理论主要解决如何把个人和机构所拥有的财富在诸如股票、债券、以及衍生证券等各种资产中进行最优配置的问题。现代投资组合理论的产生以1952年马克维茨提出均值—方差模型为标志。迄今为止,对投... 详细信息

作为金融学的一个重要分支,投资组合理论主要解决如何把个人和机构所拥有的财富在诸如股票、债券、以及衍生证券等各种资产中进行最优配置的问题。现代投资组合理论的产生以1952年马克维茨提出均值—方差模型为标志。迄今为止,对投资组合理论的研究主要在收益—风险占优和期望效用最大化这两个分析框架下进行。这两个分析框架各有所长:在收益—风险占优的分析框架下取得的研究成果便于应用,期望效用最大化的分析框架则长于理论分析。不管是采用均值—风险占优的分析框架还是采用期望效用最大化的分析框架来研究投资组合理论,均值—方差模型都是研究的逻辑起点,所有的研究都可以看作是对均值—方差模型的改进和完善。对于均值—方差模型来说,正态分布假设是非常重要的。在收益—风险占优的分析框架下,只有当风险资产的收益率服从正态分布时,方差才是最好的风险度量。在期望效用最大化的分析框架下,只有当投资者的效用函数为二次函数或者风险资产的收益率服从正态分布时,均值—方差模型才符合期望效用原则。然而,国内外许多实证研究都表明,风险资产的收益率具有偏态和过度峰态等非正态分布特征,风险资产的收益率并不服从正态分布。因此,在非正态分布条件下研究投资组合理论是非常有必要的,具有重要的学术价值和应用价值。本文采用收益—风险占优的分析框架,研究非正态分布条件下的投资组合模型,主要研究内容如下: 第一章——绪论从投资组合理论的四种研究方法入手分析了投资组合理论的研究现状,针对风险证券的收益率不服从正态分布这种情况,提出在非正态分布条件下研究投资组合理论。第二章——中国股票收益率非正态分布特征的实证检验利用我国股市的历史数据,对我国股票收益率的非正态分布特征进行了实证检验,发现不管是单利收益率还是连续复利收益率,不管是日收益率、周收益率还是月收益率,都明显的不服从正态分布。这说明需要修正原有的正态分布假设,在非正态分布条件下研究投资组合理论。第三章——非正态分布:一个理论解释首先分析了有效市场假设与正态分布假设之间的关系,指出有效市场假设只是正态分布假设成立的必要而非充分条件:然后采用行为金融理论和复杂科学理论分析了市场是非有效的,即正态分布

关键词：投资组合模型非正态分布 Kendall's τ 均值-尺度参数模型 CLPM算法

来源：评论

学校读者我要写书评

暂无评论

基于改进粒子群优化的投资组合模型研究

引用

江西师范大学学报（自然科学版） 2020年第5期44卷 521-529页

作者：吴琦高岳林北方民族大学数学与信息科学学院宁夏银川750021 北方民族大学宁夏科学计算与智能信息处理协同创新中心宁夏银川750021

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合;同时考虑投资... 详细信息

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合;同时考虑投资者对风险的喜好、交易费用等,建立了不同风险态度下含有背景风险和交易费用的可能性均值-下半方差模型,并提出一种求解该模型的带有选择规则的粒子群算法.以上海证券交易所180指数随机选取的8支证券为例组成投资组合,给出数值算例,数值实验仿真结果表明了所提出的模型和方法的有效性、可靠性.

关键词：投资组合模型风险态度背景风险交易费用粒子群算法

来源：评论

学校读者我要写书评

暂无评论

基于不同风险度量的投资组合模型的实证比较

引用

武汉大学学报（理学版） 2004年第3期50卷 311-314页

作者：徐绪松王频侯成琪武汉大学商学院技术经济及管理研究所湖北武汉430072

提出以收益波动比率为标准,对基于不同风险度量的投资组合模型进行实证比较,并分别以风险弹性和收益波动比率为比较标准,以模拟退火算法作为投资组合模型的求解算法,对均值方差模型、绝对离差模型和半方差模型进行了实证比较分析.结... 详细信息

提出以收益波动比率为标准,对基于不同风险度量的投资组合模型进行实证比较,并分别以风险弹性和收益波动比率为比较标准,以模拟退火算法作为投资组合模型的求解算法,对均值方差模型、绝对离差模型和半方差模型进行了实证比较分析.结果表明,在我国股票市场上,构造投资组合时,半方差模型优于均值方差模型和绝对离差模型,而绝对离差模型又优于均值方差模型.

关键词：投资组合模型风险度量收益-波动比率风险弹性

来源：评论

学校读者我要写书评

暂无评论

Copula在投资组合模型中应用的研究

Copula在投资组合模型中应用的研究

引用

作者：贾知青中国人民大学

学位级别：博士

本论文以研究基于Copula的Mean-CVaR投资组合模型及应用作为主线，首先从M-V模型入手，讨论Variance作为风险度量指标的优缺点，并对比分析了CVaR作为风险度量指针地优缺点，主要突出分析了CVaR作为一种风险度量指标具有比VaR更良好的... 详细信息

本论文以研究基于Copula的Mean-CVaR投资组合模型及应用作为主线，首先从M-V模型入手，讨论Variance作为风险度量指标的优缺点，并对比分析了CVaR作为风险度量指针地优缺点，主要突出分析了CVaR作为一种风险度量指标具有比VaR更良好的性质，并进行实证分析。\n 讨论了Mean-CVaR模型的优越性和良好性质后，下面讨论针对Mean-CVaR的优化中对情景的产生进行研究，运用Copula方法来产生情景，并通过与多元正态分布和历史模拟方法进行对比，得到通过Copula可以对改善投资组合的收益具有良好的效果，并对三种基于Copula的情景产生方法:t Copula，Archimedean Copula和EVT Copula进行了对比，说明了针对尾部的情景产生方法在组合优化中具有良好的作用。在分析了基于Copula的情景产生算法后，然后主要以信用风险组合为例分析了基于Copula的情景产生在单期的投资组合优化中的应用。\n 大量实证研究表明:资产价格的条件波动呈现出长记忆或大范围的持续性，针对金融时间序列中不同时段的模型的参数和结构可能变化的特征，研究分析了变结构的模型结构在描述变量变化和投资组合模型中的应用，并进行了实证分析。\n 由于相依结构的影响，所以随着各个变量间的相依结构的变化那么其各个资产间的投资权重也会发生变化，国内更多的是将混合Copula应用到变量相关性的分析中，目前还没有文献阐述混合Copula在投资组合中的应用。为了更好的拟合数据并产生情景，重点阐述了混合Copula方法在金融投资组合中的应用研究，针对二元混合Copula族的投资组合模型进行了实证研究，并提出混合多元Copula族的构建结构。\n 分析了Copula在单期的投资组合优化中的作用后，然后主要针对当前应用比较广泛的多期投资组合中的随机规划(SP)中多期状态下维数容易出现爆炸的现象，针对描述路径的2个方法，路径树和情景树，分别写了Copula针对情景树和路径树的算法，通过将Copula应用到多期规划的情景产生中，可以一定程度上克服情景产生中情景爆炸现象，同时与原先常用的多元正态联合分布进行实际对比分析，得出Copula模型在防止维数爆炸和描述问题准确性和模型的简洁性方面具有良好的性质。\n 最后将前面研究的Copula在随机规划中和M-CVaR结合的多期模型应用到保险公司和银行的资产负债管理资产负债管理中，建立了其相关的模型并进行实证分析。\n 本文以Copula在投资组合中应用的研究作为主线，分别分析了Copula在单期和多期的基于Mean-CVaR的投资组合优化模型中的应用，通过方法分析和实证对比说明了基于Copula的情景产生方法在投资组合优化中的良好性质，并对其一些应用的实例进行了实际分析和对比，为其阐明了一个详细的分析和应用架构，为投资者进行单期或多期的投资策略提供了一个可供选择的方法和分析策略。\n 根据前面的一些研究成果，主要采用风险管理，组合优化，线性规划，Copula，随机规划和资产负债管理(ALM)等方面的知识进行研究。\n 研究的主要内容\n 第一章导论\n 主要阐述论文选题意义，介绍了国内外主要研究成果，概述了本论文的研究思路、方法、结构安排和主要内容以及创新之处。\n 第二章Copula理论与重要性质\n 这章重点分析了Copula理论与重要性质，主要包括Copula理论与其性质，以及相依性度量，Copula的估计，Copula的密度函数，Copula随机数的产生，拟合指标等，为下面进行Copula在Mean-CVaR投资组合模型中的应用打下基础。\n 第三章基于CVAR测量风险的投资组合模型的探讨\n 这章作为进行Mean-CVaR投资组合模型的理论基础，主要阐述了为什么要选用Mean-CVaR作为分析的投资组合模型，并通过实证对比分析了其良好性质。\n 第四章Copula在单期投资组合模型中应用的研究\n 本章针对单期Mean-CVaR中存在的问题，重点分别运用不同copula族来进行分析，主要解决了三个方面的问题:\n (1)针对多元分布中尾部聚集的情况，针对边际分布主要采用ARCH，GARCH模型来更好地拟合边际分布的聚集现象，针对联合分布主要分析了t Copula族，Archimedean Copula族，EVT Copula族在解决联合分布聚集特征中的优缺点并设计了相关具体的算法。\n (2)针对金融时间序列中不同时段的模型的参数和结构可能变化的特征，研究分析了变结构的模型结构在描述变量变化和投资组合模型中的应用，并进行了实证分析。\n (2)针对变量相关性的变化引起投资组合权重的变化

关键词：金融市场投资组合模型 Copula函数条件风险价值

来源：评论

学校读者我要写书评

暂无评论

遗传算法在投资组合模型中的应用

引用

统计与信息论坛 2008年第5期23卷 65-70页

作者：程娇翼向东进中国地质大学数学与物理学院湖北武汉430074

均值-VaR模型是比较复杂的非线性规划问题,传统的算法不能保证得到全局最优值。鉴于此,引入遗传算法求解资产配置比例。对基于均值-VaR的单目标优化问题,设计了限定搜索空间和惩罚函数的遗传算法;而对多目标优化问题,应用并行选择遗传算... 详细信息

均值-VaR模型是比较复杂的非线性规划问题,传统的算法不能保证得到全局最优值。鉴于此,引入遗传算法求解资产配置比例。对基于均值-VaR的单目标优化问题,设计了限定搜索空间和惩罚函数的遗传算法;而对多目标优化问题,应用并行选择遗传算法,并以沪深300行业分类指数构建投资组合,分析了行业资产配置的投资组合问题。结果表明,算法取得了良好的效果,解的结果既满足了投资的目标和约束条件,又反映了投资者之间不同的收益风险需求,且具有较好的实践性。

关键词：均值-VaR模型遗传算法投资组合模型

来源：评论

学校读者我要写书评

暂无评论

两类含随机因子的投资组合模型理论分析与数值算法

两类含随机因子的投资组合模型理论分析与数值算法

引用

作者：胡磊上海财经大学

学位级别：博士

投资组合问题的研究一直是金融学、数学和统计学的重要课题,备受学界和业界的关注.近十年来,不少学者在投资组合模型中引入随机因子以刻画金融市场规律性变化及对投资策略的影响.例如通过随机慢因子刻画风险性资产的缓慢均值回归现象,... 详细信息

投资组合问题的研究一直是金融学、数学和统计学的重要课题,备受学界和业界的关注.近十年来,不少学者在投资组合模型中引入随机因子以刻画金融市场规律性变化及对投资策略的影响.例如通过随机慢因子刻画风险性资产的缓慢均值回归现象,通过随机延期因子刻画风险性资产的历史走势.本文分别研究了受慢因子影响的投资组合模型(简称慢因子模型)和受延期因子影响的投资组合模型(简称延期因子模型)中的若干问题,包括慢因子模型的参数识别理论及数值算法,延期因子模型的计算理论和博弈问题.本文获得的理论分析结果与数值算法丰富了带随机因子的投资组合问题的研究进展.针对慢因子模型,研究内容和结果包括两部分:(一)识别慢因子模型中的常值参数,即期望收益率和绝对风险倾向系数均为常参数.首先,通过渐近展开法求得模型中价值函数的近似解.再结合观测数据,就可以通过最小二乘法识别常值参数——期望收益率和绝对风险向系数.然后我们分析了价值函数近似解的精确度同时对反问题求解结果的唯一性和稳定性进行了证明。最后,使用数值例子展示了价值函数近似解的有效性以及反问题中识别的参数的有效性和可靠性.(二)识别慢因子模型中的函数型参数,即期望收益率是关于慢因子的函数.假设股票的期望收益率是关于慢因子的函数以及观测数据受方差变化的随机误差的影响.首先,我们提供在线加权正则化方法拟合出价值函数,再通过微分方程数值解就可以得到期望收益率.然后,我们提供了反问题解的理论分析和数值例子.最后,为了比较我们算法相较于传统样条方法的优势,我们分析了在线加权正则化方法并提供了加权系数的选择方法以及在其他领域的应用案例.针对延期因子模型,研究内容和结果包括两部分:(一)改进了该模型的求解方法并推导出新的Hamilton-Jacobi-Bellman方程(简称HJB方程).由于延期因子模型中财富过程Xt的初始值是函数,所以该模型是一个无穷维问题,经典的随机动态规划原则不能直接使用.通过将延期因子整合成一个整体,本文逐步将原问题退化成有限维问题.然后使用随机动态规划原则得到对应的价值函数的HJB方程.最后,我们提供了相对应的验证定理和数值算例.(二)研究了投资人之间相互影响的博弈问题.首先,针对n个投资人博弈问题.每个投资人在独自的风险性资产和无风险资产之间配置资金,但他们会将自己未来获得的收益和他人比较,从而改变自己的投资策略.首先,我们把问题退化成有限维问题,再写出每个投资人价值函数的HJB方程,然后结合纳什均衡的定义求得各投资人的投资策略并提供对应的验证定理和数值实验.然后,我们分析当投资人趋向无穷时的平均场博弈问题.此时,投资人受到的所有外部影响近似成一个外部场.最后我们分析了n个投资人博弈问题和平均场博弈问题的数学关系.本文的主要贡献有:(一)提出了慢因子模型中常值参数和函数型参数决定的数值方法并通过理论证明和数值算例进行论证和检验.(二)提出了一种新的用于重构函数的在线加权正则化方法,并给出了加权系数的选取方法.(三)改进了延期因子模型的求解方法,构造一个新的随机过程使模型能够退化成有限维问题.(四)提出了延期因子模型中有限投资人博弈问题和投资人趋向无穷时的平均场博弈问题,并获得了两类问题的纳什均衡.

关键词：投资组合模型随机慢因子延期因子平均场博弈参数识别在线加权正则化方法随机动态规划原则

来源：评论

学校读者我要写书评

暂无评论

集成的深度强化学习投资组合模型

引用

计算机应用 2024年第1期44卷 300-310页

作者：龙杰谢良徐海蛟武汉理工大学理学院武汉430070 广东第二师范学院计算机学院广州510303

投资组合问题是量化交易领域中的热点问题。针对现有基于深度强化学习的投资组合模型无法实现自适应的交易策略和有效利用有监督信息的缺陷,提出一种集成的深度强化学习投资组合模型(IDRLPM)。首先,采用多智能体方法构造多个基智能体并... 详细信息

投资组合问题是量化交易领域中的热点问题。针对现有基于深度强化学习的投资组合模型无法实现自适应的交易策略和有效利用有监督信息的缺陷,提出一种集成的深度强化学习投资组合模型(IDRLPM)。首先,采用多智能体方法构造多个基智能体并设计不同交易风格的奖励函数,以表示不同的交易策略;其次,利用集成学习方法对基智能体的策略网络进行特征融合,得到自适应市场环境的集成智能体;然后,在集成智能体中嵌入基于卷积块注意力模块(CBAM)的趋势预测网络,趋势预测网络输出引导集成策略网络自适应选择交易比重;最后,在有监督深度学习和强化学习交替迭代训练下,IDRLPM有效利用训练数据中的监督信息以增强模型盈利能力。在上证50的成分股和中证500的成分股数据集中,IDRLPM的夏普比率(SR)达到了1.87和1.88,累计收益(CR)达到了2.02和1.34;相较于集合式的深度强化学习(EDRL)交易模型,SR提高了105%和55%,CR提高了124%和79%。实验结果表明,IDRLPM能够有效解决投资组合问题。

关键词：深度强化学习投资组合模型集成学习卷积块注意力模块趋势预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：