基于遗传算法和CVaR实现投资组合优化

投资组合问题是当前金融学研究的热点内容,主要面对的问题是在满足给定收益下将固定数目的资金分配到多种资产上使得风险最小化。与VaR风险测度相比,CVaR具有更好的数理统计性质,CVaR满足次可加性、正齐次性、单调性及传递不变性,因而CVaR是一种一致性的风险计量方法。因此,可以利用CVaR与VaR度量风险,优化投资组合的问题。针对遗传算法全局搜索能力强,但仅限于求最大值,且求解单变量的缺陷,进一步改进了原有的GA算法,使得优化后的遗传算法可以支持高维数据的估计,以及下降法优化损失函数。实验结果表明,新方法GA-CVaR能有效优化组合模型,可以使投资组合的风险降到最低。