證券投資組合問題研究及改進(jìn)仿生算法求解.pdf

1、近年來，受世界經(jīng)濟(jì)格局以及金融形勢的影響，證券組合投資成為當(dāng)前一個很熱的課題。在現(xiàn)實(shí)生活中，越來越多的人選擇投資股票來進(jìn)行理財。股票類型、品種等多種多樣，發(fā)展?jié)摿?、投資收益、風(fēng)險也就各不相同，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。本文以國內(nèi)股票市場為背景，討論了如何通過仿生算法做出較優(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內(nèi)股票市場實(shí)際情況，利用熵對方差度量風(fēng)險進(jìn)行了補(bǔ)充

2、，并加入了專家評價對預(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)仿生算法對其求解。
　　 針對傳統(tǒng)遺傳算法收斂速度慢，運(yùn)算時間長的缺點(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。
　　 對標(biāo)準(zhǔn)PSO算法引入遺傳算法