基于网源协同多阶段投资规划的配电网过网费机制设计

针对分布式电源就地消纳会造成电网企业输配电成本流失,且现行输配电价制定机制尚不能真实反映“余电上网”模式下分布式电源对配电网的实际使用情况,提出一种基于网源协同多阶段投资规划的配电网过网费机制设计。首先,根据负荷增长情况,以投资年份、投资容量为决策变量,将分布式电源规划周期分为若干阶段,在此基础上利用所提过网费模型分别求出各阶段对应的过网费。其中,源网协同多阶段规划模型的建立以分布式电源投资主体效益最大及配电网网损和电压波动最小为目标,过网费计算模型则依据分布式发电市场化交易的输配电资产占用情况、电压等级和电气距离等关键影响要素,构建了含基础费用、阻塞附加费用和交叉补贴费用的分布式电源过网费。仿真结果表明,所提出的与分布式电源投资规划相结合的过网费机制能够保证投资主体的效益和配电网的资产回收,并能在一定程度上提高分布式电源的渗透率和消纳率。

基于技术成熟度理论的智能输电网多阶段投资决策模型

在智能电网建设背景下,输电网投资面临各种潜在的市场风险,对投资决策的灵活性提出了较高的要求。应用技术成熟度理论分析智能输电网投资决策问题,根据技术成熟度等级划分智能输电网的有效投资阶段,建立基于技术成熟度的智能输电网多阶段投资决策模型,以确定最优投资方案及各阶段的投资资金数量。以IEEE-24节点系统为例分析考虑输电线路、晶闸管控制串联电容器补偿方案的3阶段智能输电网投资决策问题,验证了上述模型的正确性和有效性。

基于道德风险的科技创业企业多阶段投资博弈决策模型

阶段性和风险性是科技创业企业成长的主要特征,分段投资是投资者对科技创业企业进行投资的基本运作方式.对Ramy Elitzur多阶段投资博弈决策模型进行了简化和改进,针对阶段性投资的安全性问题,从防范创业企业家道德风险的角度,提出了科技创业企业多阶段投资博弈的精炼决策模型,为科技创业企业的投资决策提供参考依据.

基于QPSO算法的多阶段投资组合优化

研究了基于量子行为的微粒群优化(QPSO)算法在多阶段投资组合优化中制定投资决策的方法,目标函数是最大化个人经济效益或最大化周期结束时个人财富。通过比较用QPSO算法和遗传算法优化美国标准普尔指数100的不同股票和现金分配所得到的期望收益率均值与方差,证实了该方法的优越性。

全链接分散化多阶段投资组合评价研究

现有多阶段分散化投资组合评价模型都是基于各阶段实际收益率来构建的,然而由于投资组合在各阶段的联系主要体现在财富的动态变化过程中,因此基于财富动态方程来构建多阶段投资组合评价模型更加符合实际.本文基于投资组合与前沿面的距离,给出多阶段投资组合效率的定义.在均值-方差框架下,基于财富过程构建不同导向下的全链接分散化多阶段投资组合评价模型,利用动态规划方法得到投资组合效率的解析式.最后,通过数值仿真检验了传统多阶段分散化模型与本文所提出模型之间是存在显著差异的.

基于微分进化算法的多阶段投资组合优化

投资组合优化问题就是决定每个具有特定风险和回报的投资资产在总投资价值中的分配比例。在不断变化的金融市场中,多阶段投资组合优化就是通过周期性重新平衡投资资产比例管理投资组合以达到投资风险最小或投资回报最大。研究了基于微分进化算法在多阶段投资组合优化中制定投资决策的方法,目标函数是最大化个人经济效益或最大化周期结束时个人财富。通过比较用微分进化算法和遗传算法(GA)优化同样的资产对象所得到的期望收益率均值与方差,该文所提出的方法的优越性被美国标准普尔指数100的不同股票和现金分配优化所证实。

资产收益序列相依下的多阶段投资博弈模型

现有投资组合优化研究普遍假设投资者之间相互独立,且假定标的资产在不同阶段的收益序列不具相关性.然而在实际投资过程中,投资者往往是相互影响,资产收益序列也存在相依特征.基于多阶段投资组合优化和纳什均衡理论,利用相对绩效来刻画投资者之间的博弈现象,以每个投资者的相对终端财富的期望效用水平为目标,构建多阶段投资组合博弈模型.在资产收益序列相依情形下,给出了纳什均衡投资策略和相应值函数的解析表达式,以及纳什均衡投资策略与传统策略的关系.采用累计经验分布函数和夏普比率等指标,对纳什均衡投资策略与传统策略进行仿真比较,分析了纳什均衡投资策略随投资者反应敏感系数的变化趋势.结果表明:相比于传统的投资策略,当考虑竞争对手的相对绩效时,纳什均衡策略投资者更愿意冒高风险去追求高收益;并且投资者的反应敏感系数越大,其对风险的偏好程度也越高.

基于马尔科夫过程的风险资本多阶段投资决策

分段投资是风险投资家进行风险投资的基本运作方式 ,科学地做出投资决策对于风险投资家乃至我国风险投资业的发展具有重要的意义。本文在总结有关分段投资研究的基础上 ,针对阶段性投资的安全性问题 ,运用马尔科夫过程的有关理论 ,给出了风险资本多阶段投资的决策方法 。

多阶段投资决策问题的一种智能化求解方法

对多阶段投资决策问题进行研究 ,建立一种极小化跟踪投资回报率与目标回报率偏差的多阶段投资决策模型 ,并将随机模拟、遗传算法和神经网络集成在动态规划之中 ,设计给出一种智能化的求解方法 ,能求得反馈形式的最优投资策略。本文给出的方法克服了传统求解方法的局限性 ,具有现实意义 。

供应链合作伙伴关系中的一个多阶段投资有限期合作模型

关系专用性投资是供应链合作伙伴关系的重要特征,非投资方具有足够大的主观贴现因子是长期合作的必要条件.针对非投资方的主观贴现因子较小,不具备长期合作条件的情况,运用博弈论设计了一个多阶段投资有限期合作模型.证明了在该模型中,当非投资方的主观贴现因子在一定范围内时,由于合作收益随着投资的追加而递增,在声誉机制的作用下,投资方和非投资方可以进行有限期合作.得出了最优投资阶段数的解,并通过一个算例进行了验证.

不完全信息条件下R&D项目多阶段投资时机研究

在把R&D项目划分为研发阶段和商业化阶段的基础上,建立复合实物期权框架下的R&D项目多阶段投资决策模型,重点探讨了不完全信息条件下的研发投资时机确定问题。研究表明,当商业化投资成本离散系数较小时,不完全信息的存在对最优研发投资时机不产生影响;当商业化投资成本离散系数较大时,不完全信息的存在将加速研发投资进程,而且随着商业化投资成本离散系数的增大,不完全信息对研发投资的加速作用更加明显。

远洋渔船编队规划的多阶段投资决策

从系统性的角度出发，采用动态规划方法建立了在多阶段投资决策的远洋渔船编队优化网络模型，在模型中考虑了有限投资范围内优选船型方案的各种船队组合，并结合世界当前的渔业生产环境给出了计算实例，其结果可供有关企业及部门投资时参考．

资源受限条件下多阶段投资决策模型研究

根据投资项目本身的特征,将投资项目分成“多选一”、“单阶段多选多”、“多阶段多选多”3种类型,对已有研究文献未涉及的第3种投资类型建立了有效的多阶段投资决策模型。

均值—动态方差多阶段投资组合优化研究

文章将动态风险度量方法运用到多阶段投资组合中,提出了具有交易成本和交易量限制的均值—动态方差多阶段投资组合模型,并运用自创算法——离散近似迭代法求解。最后,以一个具体的算例,验证了该算法可以较快地计算出不同终期财富所对应的最优投资策略。

多阶段投资组合优化研究

目前,我国的多阶段组合投资模型,各有优缺点:均值-VaR模型依据风险大小来确定投资组合,能够有效降低风险,但投资收益也会相应降低;模糊组合投资模型简单易用,但缺乏实用性;神经网络投资模型解决了多阶段组合投资时间点的确定问题,但需计算机软件辅助操作,非专业人士很难设计操作;基于熵的投资模型简单实用,但其准确性不强,且不能深入预测其投资收益。投资者应学会综合运用各模型,通过模型之间的多模型组合有效降低风险,提高投资收益。

基于CVaR风险控制下的多阶段投资组合优化模型

文章研究以条件风险价值CVaR为约束的多阶段投资组合问题。在不允许卖空的情况下,将风险控制在一定水平,以最大化终端财富为目标建立多阶段投资组合模型,并通过罚函数处理机制建立辅助问题,利用差分进化算法求解新模型,得到各阶段的最优投资组合策略。实证分析表明该模型合理,为投资者选择适合自己风险偏好的投资组合策略提供了思路。

摩擦市场下多阶段投资组合的均值方差模型

研究税收、红利和新型交易成本下摩擦市场的多阶段均值-方差模型的投资组合问题.在允许卖空的情况下,以终端财富最大化为目标,通过建立辅助问题,利用逆序动态规划的求解方法,得到了各阶段的最优投资策略解析表达式,同时也得到了均值方差有效前沿的解析表达式.

考虑交易费用的均值-VaR多阶段投资组合优化模型

考虑到方差、下半方差和绝对偏差等度量投资组合风险的局限性以及单阶段投资决策不符合投资者的实际投资行为等因素,本文将风险价值(Value-at-Risk,简称VaR)作为风险度量标准应用到多阶段投资组合优化中.由于中国股票市场不允许卖空,因此本文在不允许卖空的情况下,在约束条件中同时考虑了交易费用和投资比例,建立了一个均值–VaR多阶段投资组合优化模型.考虑到粒子群算法具有收敛速度快,结构简单以及需要调控的参数比较少等优点,运用带有罚函数处理机制的粒子群算法对新建立的多阶段投资组合优化模型进行求解.求解得到了不同路径下各阶段资产的最优投资策略,从运算结果可以看出,在不同的投资路径下投资者的投资行为基本一致,在第一阶段对自己看好的股票买入,经过第一阶段股市的波动,在第二阶段对自己看好的股票继续买入,对不看好的股票不买入或者直接卖出,这种投资行为符合投资者的实际投资行为,说明本文所提出的模型具有合理性.

均值-WCVaR多阶段投资组合优化模型

在随机变量为非完全分布信息的情况下,以最坏情况的条件风险价值WCVaR代替CVaR为风险度量指标,对整个投资过程进行风险控制,并考虑到市场的不完备性,如不允许卖空以及交易费用的情况,建立均值-WCVaR模型。依据沪深证券市场的实际数据,运用遗传算法进行数值仿真,实验表明该模型能更有效地控制风险。

基于均值-方差模型的多阶段投资动态规划模型

动态规划(dynamic programming)是运筹学的一个分支,是求解决策过程最优化的数学方法,在经济金融领域有着广泛的应用。在我们传统研究投资组合问题所使用的马科维茨模型中,通常假设收益率和风险是固定不变的,并且只构造一次投资组合决策,然而在现实世界中,这显然是不够的,由于市场具有不确定性,资产的收益率和风险随时间而改变,并且我们可以在不同的投资阶段采取不同的投资决策,投资决策是动态的。因此,本文将基于传统的马克维茨均值-方差模型,运用动态规划的相关知识,构建一个不超过投资者风险承受能力情况下,以最终的总收益最大为目标的动态规划模型,实现多阶段投资的最优决策。