改进的人工蜂群算法在投资组合优化问题中的应用研究

发布时间：2023-11-04 15:19

　　自上世纪五十年代Markowitz提出“均值-方差”理论后,投资组合收益与风险的研究进入量化模式。其后诸多学者开始将数理统计的相关理论和工具,运用于金融投资理论的研究。然而,随着变量维度加大、求解目标函数越发复杂、约束条件越发多样化等原因,投资组合优化问题的求解难度也在逐步加深。复杂模型的准确、快速求解对投资组合理论的发展具有重要意义。由于仿生智能算法具有运算速度快、对数理推导要求较低等特点,近年来成为学者们解决复杂函数的优化求解问题的重要工具。人工蜂群算法作为一种新的仿生智能算法,其具有收敛速度快、求解精度高且不易陷入局部最优等特点,在诸多领域得以应用。随着投资理论的不断发展,投资组合优化问题越来越复杂,对算法性能的要求也在逐步提高。因此,本文对人工蜂群算法在投资组合优化问题的框架下进行研究和改进,是有必要且有意义的。本文主要工作如下:(1)本文结合前人研究成果,在“均值-方差”理论模型的范式下,使用资产收益的标准差作为风险的度量。同时,本文考虑资产收益分布的偏态特征,将皮尔逊偏态系数引入模型,代替标准化的三阶中心矩,作为对资产收益偏度的衡量,构建了“均值-标准差-皮尔逊偏度系数”的...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 投资组合理论的研究现状
        1.2.2 人工蜂群算法的研究现状
    1.3 本文主要工作
        1.3.1 本文研究内容
        1.3.2 本文结构
第二章 投资组合理论及模型构建
    2.1 均值-方差理论
        2.1.1 均值-方差理论的前提条件
        2.1.2 均值-方差理论的模型架构
        2.1.3 均值-方差理论评价
    2.2 均值-方差-偏度理论
        2.2.1 偏度的概念
        2.2.2 均值-方差-偏度理论的具体内容
        2.2.3 均值-方差-偏度理论的模型架构
    2.3 引入风险偏好的均值-标准差-皮尔逊偏态系数模型
        2.3.1 皮尔逊偏态系数
        2.3.2 引入风险偏好的均值-标准差-皮尔逊偏态系数模型架构
    2.4 本章小结
第三章 人工蜂群算法的研究与改进
    3.1 人工蜂群算法的生物行为机理
        3.1.1 蜜蜂的信息传导
        3.1.2 蜂群的角色与分工
    3.2 人工蜂群算法的基本原理
        3.2.1 人工蜂群算法流程
    3.3 人工蜂群算法的发展
        3.3.1 考虑个体和全局最优的人工蜂群算法
        3.3.2 带有高斯变异和混沌扰动的人工蜂群算法
        3.3.3 混合策略的人工蜂群算法
    3.4 人工蜂群算法的改进
        3.4.1 算法改进的基本思路
        3.4.2 算法改进的基本原理
        3.4.3 改进后的算法步骤
    3.5 改进人工蜂群算法的性能测试
        3.5.1 测试函数介绍
        3.5.2 试验参数的设定
        3.5.3 测试结果
    3.6 本章小结
第四章 基于改进人工蜂群算法的投资组合实证研究
    4.1 投资组合设计
        4.1.1 相关概念介绍
        4.1.2 投资组合的构建
    4.2 实验设置
        4.2.1 模型的前置条件
        4.2.2 算法调整
    4.3 实验结果及评价
        4.3.1 评价指标
        4.3.2 实验结果分析
    4.4 本章小结
第五章 结论与展望
    5.1 本文结论
    5.2 展望
参考文献
发表论文、参加科研情况说明
致谢



本文编号：3860556