基于股票类型和遗传算法投资组合结构确定.pdfVIP

中国科技论文在线 基于股票类型和遗传算法的投资组合结构确定1 王艳，侯合银 东南大学管理科学与工程系，南京（211189 ） E-mail: cxy_0118@126.com 摘 要：本文首先建立了一个基于股票类型、以单位风险超额收益最大化为目标的投资组合 模型，并为该模型设计了一种遗传算法。然后选取不同行业的 44 只股票，根据财务指标利 用聚类方法对其进行分类，同时运用因子分析方法将财务指标综合成盈利能力因子、成长能 力因子和偿债能力因子，因子得分很好地反映了各只股票的内在价值。在股票分类的基础上， 利用遗传算法对投资组合模型进行求解，求解结果与各类型股票特征相吻合，验证了基于股 票类型和遗传算法确定投资组合结构的可行性。 关键词：组合投资；股票类型；聚类分析；因子分析；遗传算法 中图分类号：F832 1 引言 证券投资的最根本目的在于获取p 利益。但在投资活动中，收益总是伴随着风险。通常， 收益越高，风险越大，反之亦然。为了分散风险，以获得最大期望收益，明智的投资者通常 将多种证券组合在一起进行投资，即所谓的投资组合。这就使得投资组合研究成为金融领域 中的重大课题之一。 现代投资组合理论的发展由三个重要理论模型作为研究依据，它们分别是：马科维茨 [1] （Markowitz ，1952）的均值一方差模型 ；夏普（Sharpe，1963）等人的资本资产定价模型 （CAPM ）[2] [3] ；罗斯（Ross ，1976）的套利定价理论（APT ） 。另外，夏普的市场指数模 型（单指数模型）和后来发展的多指数模型等优化了投资组合方法，即只要能够准确预测预 期指数的期望收益率和方差，就可以得到有效组合所需的全部数据 [4] 。但这些模型都建立 在较严格的假设基础之上，且计算过程都过于繁琐，在实际应用中，很难真正发挥降低投资 组合风险，提高投资组合收益的效果。国内外的研究者在这些理论的基础上对模型改进和计 算方法改进方面已经进行了大量的尝试，并且也取得了一些实质性的进展。从理论模型改进 上来看，最新研究成果主要有：引入交易成本的投资组合理论；基于流动性的投资组合理论； 风格投资的投资组合理论；基于连续时间的长期投资资产组合理论；基于 VaR 的投资组合 理论；行为证券投资组合理论；基于非效用最大化的证券投资组合理论等[5][6] 。从计算方法 改进来看，除传统的优化算法外，近年来智能算法也异军突起，如遗传算法[7][8]，神经网络 [9] [10] [11] ，启发式算法 ，模拟退化算法 等。 本文依据马科维茨的均值一方差模型和夏普比率法，以单位风险超额收益最大化为目标 建立了一个基于股票类型的投资组合模型。然后选取了44 只不同行业的股票，通过聚类和 因子分析，将44 只股票分为4 类，并对每类股票的特征进行定量评价和分析。最后将4 类 股票作为待选投资目标，通过遗传算法得出投资组合的最优解。 2 基于股票类型的投资组合模型构建 利用不同类型资产收益之间的相关性来降低投资组合的非系统风险是现代投资组合理 论的精髓之一。将不同类型的股票进行投资组合，遵循投资收益最大化、风险最小化的最优 条件，它不仅可以缩小投资范围、简化投资过程，而且可以降低投资组合选择的计算复杂度。 1本课题得到东南大学科技基金（项目编号：XJ0614240 ）资助项目 -1- 中国科技论文在线 本文将建立一个基于股票类型的投资组合模型。 2.1 模型假设 （1）所有投资者都是理性的，其投资目标是希望在一定的风险条件下，获得尽可能 大的收益，或在收益率一定的情况下，尽可能地降低风险。也就是说，投资者都是回避 风险的。 (2)投资者都以预期收益