具有熵约束的均值-绝对偏差模糊投资组合优化

在实际投资过程中,有许多模糊因素影响投资决策。文章针对资产收益率为模糊数的投资组合决策问题,用绝对偏差和比例熵度量投资组合的风险和分散化程度,提出了具有熵约束的均值-绝对偏差投资组合优化模型,利用加权极大—极小模糊目标规划方法,将双目标规划问题转化为单目标规划问题,并运用旋转算法结合序列规划法进行求解。最后,通过实证研究比较了不同熵的取值对投资决策的影响。

具有交易成本的均值-绝对偏差模糊投资组合优化

考虑到资产收益率的模糊不确定性,提出具有交易成本和交易量限制的均值-绝对偏差模糊投资组合优化模型。运用可能性理论将该模型转化为显式的线性规划问题,并采用改进的旋转算法进行求解。最后通过实证研究证明该模型和算法的有效性,讨论了资产收益率为梯形模糊数的情况下投资者针对现有投资组合的调整策略。

可信性均值-绝对偏差投资组合优化

为了度量金融市场的不确定性,本文引入了模糊变量。假设资产收益率为模糊数,分别运用可信性均值和可信性绝对偏差度量投资组合的收益与风险。考虑到投资者偏好,分别提出了以收益最大化的均值-绝对偏差优化模型和以风险最小化的优化模型。基于可信性理论,将上述模型转化为线性规划问题,并运用旋转算法求解。通过实证研究,证明了该算法的有效性,并比较了两个模型在实际投资决策过程中的效率。结果表明,以收益最大化的均值-绝对偏差优化模型效率优于风险最小的优化模型。

多阶段可能性均值-熵投资组合优化

考虑借款限制、交易量限制、交易成本和风险控制,本文提出了多阶段均值-熵投资组合模型。在该模型中,收益水平和风险分别用可能性均值和熵度量。熵值越小,投资组合包含的不确定性越低,投资组合的安全性越高。此外,熵不依赖于证券收益的对称分布。运用可能性理论,将该模型转化为显示的非线性动态优化问题。由于投资过程存在交易成本,上述模型为具有路径依赖性的动态优化问题。文章提出了前向动态规化方法求解。最后,通过实证研究比较了不同熵的取值投资组合最优投资比例和最终财富的变化,并验证了模型和算法的有效性。