具有实际约束的多阶段M-V投资组合时间一致性策略研究

从动态规划的角度分析,方差算子的不可分离性导致标准的多阶段均值-方差模型的最优投资策略不满足时间一致性。文章采用条件期望映射的方法,构建了一个具有交易成本、借贷约束和阈值约束的多阶段M-V投资组合模型。由于考虑了交易成本,该模型是一个具有路径依赖性的动态优化问题。为了获得其时间一致性投资策略,文章将该问题近似地转化为连续性动态规划模型,证明最优解的近似度,并运用离散迭代算法求解。最后,使用上海证券交易所的部分历史数据验证了模型和算法的有效性。

多阶段均值—标准差投资组合时间一致性策略研究

文章运用标准差度量投资组合的风险,考虑交易成本、借贷约束和阈值约束等情况,提出了具有Vasicek随机利率和风险偏好的多阶段均值-标准差投资组合模型(V-M-SD)。基于博弈论的方法,将该模型转化为时间一致的动态优化问题,并使用离散近似迭代法求解满足时间一致性的最优投资组合。最后,实证分析借贷约束、阈值约束和风险规避系数对V-M-SD模型的最优时间一致性策略的影响。研究发现,当其他约束条件保持不变时,在一定的阈值范围内,投资组合的终期财富分别与借贷约束、阈值约束、风险规避系数正相关、正相关、负相关;投资组合的单位风险水平分别与借贷约束、阈值约束、风险规避系数负相关、负相关、正相关。

具有基数约束的多阶段均值-半方差可信性投资组合优化

文章探讨了一个多阶段模糊收益的投资组合优化问题。考虑交易成本、借贷约束、阈值约束和基数约束等现实约束,提出了一种新的多阶段均值-半方差可信性投资组合模型。在该模型中,本文分别运用可信性期望值和半方差来度量投资组合收益和风险。基于可信性理论,将该模型转化为一个动态优化问题。由于存在交易成本和基数约束,该模型是具有路径依赖性的混合整数动态优化问题。本文提出了一种新的离散近似迭代方法进行求解,并证明其线性收敛性。最后,文章运用了具体的算例以验证算法和模型的有效性。

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。

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。

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.

三阶段组合效率测度模型与技术研发效率测度

在系统梳理现有可调整环境因素或/与统计噪音影响的三阶段组合效率测度模型的基础上,利用幅度调整测度(RAM)与随机前沿分析(SFA)结合,构建了无需强制性调整环境因素与统计噪音影响的三阶段组合效率测度改进模型——RAM-SFA-RAM.相对现有模型,新的组合测度模型不但在估计影响与调整投入和产出时可实现较为客观地设定环境因素与松弛变量之间存在非线性生产函数关系,以降低效率估计偏误,而且充分利用了RAM模型全面测度无效的优点,为从投入和产出两个方面同时过滤环境因素与统计噪音的差异性影响提供了新的分析途径;更重要的是,选用的RAM具有平移不变性,可使组合测度模型克服现有模型只能通过最值强制性对投入和产出进行正向调整以适应选择的效率估计模型无法处理非正值的不足,避免了由此产生的效率估计偏误.实证研究部分用这一组合效率测度模型分析了中国省域层次上大中型工业企业的技术研发效率,为效率的客观比较提供了可行的模型方法.

阶段性组合猎物饲养南方小花蝽的效果评价

为探讨阶段性组合猎物在饲养南方小花蝽过程中的适合性,本研究用蚕豆蚜、阶段性组合猎物(1豆蚜和二斑叶螨)分别饲喂南方小花蝽。研究发现,饲喂蚕豆蚜的成虫获得率最低为34.2%;连续2代饲喂阶段性组合猎物与混合猎物的成虫获得率均在80%左右。用阶段性组合猎物饲养的南方小花蝽第1代和第2代的未成熟期(15.30和15.28 d)都略长于混合猎物的14.71 d,但明显短于蚕豆蚜饲养的21.48 d。阶段性组合猎物饲养南方小花蝽连续两代的净生殖率(27.85、40.13)、内禀增长率(0.16、0.18)与取食混合猎物时的净生殖率(31.38)、内禀增长率(0.16)相差不大,均明显高于饲喂蚕豆蚜时的净生殖率(4.27)、内禀增长率(0.06),能够很好地满足南方小花蝽种群增长的营养需求。

高维生物学数据两阶段组合降维策略研究

目的探讨高维生物学数据的多阶段组合降维策略。方法以微阵列数据的判别分析为例,采用实际数据和模拟数据相结合的方法,提出"初步选维→进一步降维"的两阶段组合降维策略,并与后续的"判别→验证"相结合,形成了"选维→降维→判别→验证"的判别分析思路。以后续判别分析的预测效果、预测结果的稳定性与敏感性等为指标,对2种单一降维(PCA,PLS)方法和4种组合降维方法(PCA+SIR、PCA+SAVE、PLS+SIR和PLS+SAVE)进行了考察。结果从判别模型的预测效果、预测结果的稳定性及敏感性来看,PLS优于PCA,PLS+SIR/SAVE的组合降维效果更佳。结论用t计分法选维,以"PLS+SIR/SAVE"法进行降维的两阶段组合降维策略,对于微阵列数据判别分析,是实用的、可行的。

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。

具有熵约束的多阶段均值-绝对偏差模糊投资组合决策

文章运用可能性绝对偏差和比例熵分别度量风险和分散化程度,提出了具有风险控制和线性交易成本的终期财富最大化的多阶段模糊投资组合模型。运用可能理论,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划方法求解。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。

多阶段损失厌恶投资组合优化模型与实证研究

在前景理论框架下,构建基于动态损失厌恶心理特征的多阶段损失厌恶投资组合优化模型,进一步,以我国股票市场为依托,考虑未来资产收益的不确定性,对该模型进行实证研究。将多阶段损失厌恶模型与多阶段均值-方差模型在最优期末财富和资产配置比例方面进行比较,分别改变初始损失厌恶系数和初始参照点对损失厌恶模型进行稳健性检验。得出结论:多阶段损失厌恶模型具有很好的稳健性,与多阶段均值-方差模型相比,最优期末财富较高、资产配置相对集中。

一种两阶段数量组合预测方法及实证

数量是决策中一个重要指标，对数量的掌握不但要了解现状而且要对其未来的发展趋势进行研究和预测。当前预测的方法很多，不同的预测对象适用不同的预测方法，方法的选择和应用是预测的一个难点和重点。本文首先梳理了现有数量预测方法的特点，然后设计了一个两阶段的组合预测方法，主要思路是采用常用预测方法，首先进行分阶段预测，考察各方法的拟合优度来筛选单项预测方法，确定单项预测方法后，选用组合预测提高预测精度。利用国家自然基金申请数据进行了实证研究，结果表明，该方法平均相对误差为0．04％，拟合精度较高，具有较好的应用价值。

多阶段均值-平均绝对偏差投资组合的离散近似迭代法

提出了具有交易成本和交易量限制的多阶段均值-平均绝对偏差投资组合模型,并用离散近似迭代法求解。该算法的基本思路为:首先,连续型状态变量离散化,将上述模型转化为多阶段赋权有向图;其次,运用极大代数求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后2个可行解非常接近。证明了该方法的收敛性、线性收敛和复杂性。最后,通过实证研究验证了算法的有效性。

基于交易量限制的多阶段均值-CVaR投资组合模型

本文考虑资产收益率服从Laplace分布的多阶段均值-CVaR投资组合模型.结合摩擦市场对投资的一些限制因素,建立了带有最小交易量和交易费用限制的收益最大化多阶段投资组合模型,并利用绝对值函数的性质,将该模型转化为混合整数线性规划形式,用Lingo或Matlab求解.最后在证券市场上随机选取了四只股票进行了实证分析,验证了模型的可行性.

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。

基于信用风险修正的多阶段银行贷款组合优化决策模型

针对银行的信用风险和贷款的周期性等问题,建立一个基于信用风险修正的多阶段银行贷款组合优化决策模型,该模型在多阶段模型中考虑了信用风险修正问题,根据模型的特点给出了把Monte Carlo模拟的动态算法和差分进化的多阶段算法相结合的求解方法,前者求解银行各类贷款的期望收益率,后者求解每一阶段银行对各类贷款的最优投资比重。数值试验表明所建立的模型是合理的且符合商业银行的实际操作要求,给出的方法是有效的和可行的。

具有借贷限制的多阶段M-SAD投资组合决策研究

针对资产投资不允许卖空的情况,提出了具有借款限制且借贷利率相同和不同这两种条件下的多阶段均值-半绝对偏差(M-SAD)投资组合模型,该模型的优化为连续型动态规划问题。文中运用自创算法——离散近似迭代法求解,其基本思路为:将连续型状态变量离散化,根据网络图的构造方法将上述模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,即获得模型的一个可行解;以该可行解为基础,继续迭代直到前后两个可行解非常接近。文中还证明了该方法的线性收敛性和复杂性,并以一个具体实例比较了两种情况下的最优投资策略。

多阶段M-SV投资组合优化的离散近似迭代法研究

文章提出了离散近似迭代法,用该方法求解具有交易成本和交易量限制的多阶段均值-半方差(M-SV)投资组合模型.离散近似迭代方法的基本思路为:首先,将连续型状态变量离散化,根据网络图的构造方法将上述模型转化多阶段赋权有向图;其次,运用嘉量原理求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后两个可行解非常接近.文章还证明了该方法的收敛性和复杂性.

多阶段均值-绝对偏差投资组合优化研究

建立了具有交易成本和交易量限制的多阶段均值-绝对偏差投资组合模型,并利用离散近似迭代法对其进行求解。离散近似迭代法的基本思路是:将连续型状态变量离散化,根据网络图的构造方法将组合模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,获得模型的一个可行解;以可行解为基础,继续迭代直至前后两个可行解非常接近。证明了离散近似迭代法的收敛性、复杂性和线性收敛,并通过实证验证了其算法的有效性。