股票投资组合中若干优化算法的比较研究.pdfVIP

2013~ 15期考试 ~JTtJ 股票投资组合 中若干优化算法 的比较研究 侯 广林 (宁夏职业技术学 院，宁夏 银川 750002) 摘 要 ：鉴于投资组合 的构建既是机构投资者首先关注 险管理 。该方法 已成为 当今金融领域测量金融风 险的主 的核心问题 ．又是金融市场 中每个个体投资人需要解决的问 流方法 。 题 。具有重要的实际意义 ，本文利用实际数据 ，首先采用遗传 不同投资者的风险偏好往往是不同的，使得投资者的效 算法、模拟退火算法和粒子群算法等多种算法对模型进行优 用最大化是追求最优投资组合 的方法之一。 化计算．然后将所得结果进行 了比较研 究。 1．1．3智能优化算法 关键词：资产组合 遗传算 法 模拟退 火算 法 粒子群 智能优化算法又称为现代启发式算法 ，该算法具有全局 算法 优化性能，并且通用性强、适合于做并行处理等特点。该算法 通常有严密的理论依据 ，并非单纯凭借专家经验 ，从理论上 1．引言 讲 ．该算法能够在一定的时间内找到 问题 的最优解或近似最 1．1研究背景简介 优解 。常用 的智能优化算法有遗传算法 (简称GA：GeneticA1． 1．1．1数理金融学 gorithm)、模拟退火算法 (简称SA：SimulatedAnneMing)、粒子 数理金融学 (MathematicalFinance)是通过运用数学知识 群算法 (简称PSO：ParticleSwarmOptimization)等 ，这些算法具 和技术研究金融领域 的问题 的一 门学科 ，其研究方法是 ，首先 有全局性、自适应及离散化等特点。都是从任一解 出发，按照 对需要研究或解决的实际问题提 出假设，然后以此假设为基 某种机制 ，以一定 的概率在整个求解空间中搜索最优解 。由于 础 ，建立相应 的数学模 型 ，最后是对该数学模型进行数值计算 上述算法能够将搜索的空间扩展到整个 问题空 问。因此具有 等定量分析 ，以及必要的理论分析 ，由此发现金融学的有关规 全局优化性能。 律 ．进而将其用于指导金融实践活动。 1．2写作 目的 鉴于在求解数学模型的过程 中，离不开计算机 的辅助计 本文 的最终写作 目的是采用优化算法对最优资产组合 问 算 ，因此 ．我们也可认为数理金融学是现代数学及其计算技术 题进行分析 ，从而得到一个最佳 的投资组合。写作论文的机会 在金融领域的应用 。 学习了最优资产组合、模拟退火算法及遗传算法等相关知识 。 回顾金融学的发展历程 ，在上世纪5O年代之前 ，金融学的 并且对数理金融这门课程有 了进一步的认识 。 研究主要是定性分析 ．而很少有定量分析 。1952年 ，美 国经济 2．问题 阐述 学 家 、1990年诺 贝尔经济学 奖获得者 马科 维茨 (Harry．M． 2．1问题介绍 Markowitz)在 《金融杂志》上发表 了题为 《资产组合选择——投 假设投资者欲投资n种不同的项 目集合为Z=(z．，z2，…，z)， 资的有效分散化》的学术论文 ，该文堪称现代组合投资理论 的 投资期望收益率 的n维向量为X=(x．，X，，…，X)，‘其中X为第i 开端 ，并 由此开启 了金融学定量分析的先河。 ．