求解稀疏高阶矩投资组合问题的混合启发式算法

本文旨在针对带有基数约束的高阶矩投资组合优化模型,设计一种高效的混合启发式求解算法.具体地,首先构建一个带有l_(2)正则化的均值-方差-偏度模型,并且提出了一个具有全局收敛性的Cubic-Newton算法.然后,进一步考虑基数约束下的模型求解,提出了一种改进的混合启发式算法,其中适应值的计算嵌入了Cubic-Newton算法,以改善迭代种群的质量.最后,利用OR-Library的6个标准数据集进行实证分析,并以样本外夏普比率,样本内外一致性为评价指标.实验结果表明本文提出方法普遍优于等权重投资策略,均值-方差(MV)投资组合策略以及稀疏均值-方差(SMV)投资组合策略.

不确定和随机环境下绿色投资组合问题的稀疏高次模型求解

本文在不确定随机的混合市场环境中,针对绿色投资组合优化问题,建立了具有高阶矩的多目标稀疏模型,提出了一种绿色和非绿色资产混合配置的投资策略.具体地,本文把最近上市且缺乏足够样本信息的绿色资产作为不确定变量,而其他具有足够历史数据的资产作为随机变量进行统一建模.在这样一个混合资产环境下,建立了一个具有基数约束的均值-平均绝对下半偏差-偏度的投资组合优化模型,并采用快速非支配排序遗传算法对模型进行求解.最后,针对提出的模型与算法,对中国沪深股市的实际数据集进行了样本外分析.实证结果表明了本文提出的混合配置策略在Sharpe Ratio方面的优越性.