基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中 ,并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化 ,用逻辑隶属函数作为新的目标函数 .针对该模糊多目标投资组合模型 ,提出了一个动态遗传算法 ,算例给出了该模型的一个实例的最优解 ,并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律 .

基于摩擦市场的双目标投资组合选择模型

首先在前人的基础上,把偏度水平和市场摩擦因素引入投资组合选择模型中;建立了基于摩擦市场的双目标投资组合选择模型(FM-BOPM);然后,为求解该模型进行了遗传算法设计;最后用一个具体的算例解释了偏好系数变化时相应的投资组合策略的变动。

基于进化规划的多目标投资组合选择模型研究

在Markowitz的均值 方差模型的基础上 ,讨论了股票价格中偏度的重要性 ,并由此引出了一个同时考虑均值、方差和偏度的多目标投资组合选择模型 .提出了对该模型进行求解的进化规划算法 ,同时也说明了用进化规划方法处理多目标优化问题的合理性 .用一个算例验证了采用进化规划技术求解多目标投资组合选择模型是有效的 .

绿色金融视角下社会责任投资深度分析及模型拓展——基于投资组合选择的视角

基于绿色金融发展理念,回顾并且详细梳理了社会责任投资在我国的发展历程和研究现状,并作出评述。通过分析社会责任投资指数和社会责任公募基金的表现,发现二者在中长期的表现均劣于同期市场指数,表明我国社会责任投资的发展尚不成熟。创新性地构造2支社会责任投资指数,实证检验发现社会责任投资指数的表现优于同期市场指数,证明社会责任投资在我国还有很大的拓展空间。最后提出基于社会责任投资的多目标投资组合选择模型,并从约束条件和目标函数两个角度对该模型进行扩展和深化,为社会责任投资者提供了新的投资方法和量化工具。

多目标投资组合优化

马柯维茨的均值—方差(MV)理论奠定了现代投资组合理论的基石,通过对MV-模型的研究发现,马柯维茨投资组合模型建立在单目标规划基础之上,即风险既定条件下的收益最大化或者收益既定条件下的风险最小化。实际投资过程中,投资者面临多种约束如资金、交易费用、个人偏好等,不容忽视。本文从微观层面将个人投资者的关注因子纳入模型即形成多目标投资组合优化模型,主要探究在兼顾风险、收益情形下的投资组合优化问题。同时本文采取线性加权和法并引入转换因子——风险价格将双目标函数转化为单一目标函数,并运用matlab给予求解。

政府引导基金研究述评与建模展望--基于文献计量与投资组合的视角

对国内外政府引导基金的发展研究进行系统性综述,从设立动机、发展模式和投资结果三方面进行梳理,运用CiteSpace对检索到的国内外文献进行比较分析。研究结果表明:国内关于政府引导基金的研究在文献数量、共现强度等方面均与国外存在一定差异,尚未形成明确的研究聚类;目前政府引导基金的研究热点和前沿已从数量规模分析转为基金质量绩效评价,特别是对基金质量的多角度综合绩效考量。基于此,进一步对综合考虑政府引导基金多种绩效的前沿研究方向进行展望分析,通过构建多目标投资组合选择模型,为政府引导基金提供综合考虑经济绩效、创新绩效和社会绩效的投资决策机制,以解决社会资本和政府资本投资目标不一致而产生的矛盾,进而达到吸引社会资本、优化基金结构、提高综合投资效益的目的。

基于直觉模糊规划的多目标投资组合选择模型

将直觉模糊集合的概念引入投资组合模型中,并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化,用隶属函数与非隶属函数作为新的目标函数。针对该模糊多目标投资组合模型,提出了一个动态遗传算法,算例给出了该模型的一个实例的最优解。

摩擦市场条件下的双目标投资组合模型模糊优化

首先建立了摩擦市场条件下基于收益率分布偏度水平的双目标投资组合模型.在此基础上,将模糊集合的概念引入到该模型中,用模糊数学中的线性隶属函数处理了其中的风险目标和收益目标,建立了摩擦市场条件下基于收益率分布偏度水平的模糊型双目标投资组合模型.然后,针对该模型进行了新型遗传算法设计(动态遗传算法).最后用一个具体的算例给出了该模型的一个实例最优解,体现了多样化投资分散风险的组合投资原理.

基于稳定分布的多目标全部贷款组合优化模型

贷款业务是商业银行最主要的资产业务,其利息收入是商业银行最重要的利润来源,而贷款利息收入水平取决于商业银行贷款配置的合理性.本文针对贷款收益率具有的偏态、过度峰态及厚尾特性,建立了基于稳定分布的多目标全部贷款组合优化模型.本文的创新与特色一是在稳定分布情况下考虑收益和尺度参数的基础上,通过追求贷款组合的偏斜指数最大使分布向大于收益率均值方向偏斜来提高贷款组合的超额收益,弥补了现有研究忽略偏度的弊端.二是同时考虑了包括存量与增量在内的全部贷款组合的风险,改变了流行的现有研究对于巨额存量贷款风险缺少控制可能引发重大损失的弊端.三是将现有研究在主观给定贷款组合收益下单纯地控制贷款组合风险完善为同时控制贷款组合风险和收益的均值-尺度参数-偏斜指数多目标全部贷款组合优化模型,满足了银行对风险和收益的不同偏好,达到了既控制风险、又追求效益的风险与收益兼顾的目的.

不确定多属性决策双目标组合赋权模型研究

本文提出了灰距离熵的概念,并把灰距离熵作为区间灰数相离度的一个度量标准,建立了不确定多属性决策属性值的灰距离熵离差最大化模型。并在此基础上,讨论了基于灰距离熵和极大熵的双目标规划组合赋权模型。从而实现了决策属性区间权重向点值权重的转化。最后并结合具体实例,验证了模型的有效性。

基于pccsAMOPSO的宏观物流量多目标变权组合预测模型

针对现有中长期宏观物流量预测模型的局限性,提出基于pccsAMOPSO算法的多目标变权组合预测模型(Mutil-Objective Variable Weight Combination Prediction Mode,MOVWCP)对我国宏观物流量进行预测分析.为提高多目标变权组合预测模型的稳定性,提出了误差熵的概念,并与MAPE同时作为权重规划模型的目标函数,设计了基于pccsAMOPSO的智能启发式算法求解拟合期变权的Pareto前沿,并采用灵敏度差选取了变权Pareto解.一系列数值试验结果验证了本文提出的多目标变权组合预测模型及其算法的优越性.

多目标预测模型在黑龙江垦区大豆产量预测中的应用

在预测模型的均值和稳定性基础上,建立了多目标组合优化模型,并以黑龙江九三地区35年的大豆产量数据为例,利用该地区大豆单产的Logistic模型和大豆产量与气象因子的逐步回归模型建立了多目标组合优化模型,并计算出最优解.结果表明,该组合模型没有最优点,而有非劣解.该方法对提高模型的精度,指导大豆生产具有重要意义.

五大发展下社会责任基金的深度分析和展望研究

目的:随着社会责任事故的不断发生,社会责任投资逐渐成为关注焦点。社会责任基金是社会责任投资的主力,文章研究其投资策略是否体现社会责任投资标准,并探索在五大发展的背景下我国社会责任投资的发展道路。方法:通过研究股票市场上全部的三只主动型社会责任基金,分析重仓股持股比例等公开数据,基于重仓股设计二级行业稳定比率,研究该比率的性质并计算各基金的稳定比率。构建价格加权型和市值加权型社会责任投资指数和构建基于优秀社会责任股票的投资组合选择模型并通过参数二次规划精确求解。将以上构建的指数和投资组合同这三只基金的回报率分别进行检验,进一步将这些基金和所属基金公司内部的其他基金进行对比。结果:三只基金的二级行业稳定比率偏低,说明基金在不同二级行业换手较快;文章中构建的社会责任投资指数与构造的投资组合选择模型的回报率基本显著的优于这三只基金;同时这三只基金与所属公司内部的普通基金(如大盘基金)没有显著差别。结论:中国的社会责任投资,尤其是社会责任基金尚不成熟,未能履行"社会责任"的选股标准。建议:现阶段社会责任投资的发展仍需充分的理论指导,在国际国内最新的研究成果的指导下,可以践行多目标投资组合选择模型。希望,在五大发展的新形势下,文章能为推动我国的社会责任投资发展做出贡献。

A COM-based Framework for Management,Analysis and Visualization of Large Scope Digital Elevation Models

This paper presents a component object model (COM) based framework for managing, analyzing and visualizing massive multi-scale digital elevation models (DEMs). The framework consists of a data management component (DMC), which is based on RDBMS/ORDBMS, a data analysis component (DAC) and a data render component (DRC). DMC can manage massive multi-scale data expressed at various reference frames within a pyramid database and can support fast access to data at variable resolution. DAC integrates many useful applied analytic functions whose results can be overlaid with the 3D scene rendered by DRC. DRC provides view-dependent data paging with the support of the underlying DMC and organizes the potential visible data at different levels into rendering.