基于优化遗传算法的股票选择规划研究.docVIP

基于优化遗传算法的股票选择规划研究 　　摘 要：最优股票选择规划方法在股民规避风险方面能发挥一定的作用。股市环境比较复杂，传统的股民规避风险的方法应用在实际的股市中，往往会出现主观性强、不稳定、风险大的缺点。为了避免上述问题，文章提出了优化遗传算法的股票选择规划的方法。将自适应遗传算法和贪婪算法很好的结合，获取最优的投资方向，最大限度地为股民服务。实验结果表明，利用优化遗传算法实现最优股票选择规划，可在股票发生很大波动时，很好地规避风险，防止股民产生重大损失，最终有效提高了股民的收益。 　　关键词：优化遗传算法;股票选择;最优规划;规避风险 　　中图分类号：TM714 文献标识码：A 文章编号：2095-1302（2015）09-00-03 　　0 引 言 　　股票做为风险大、收益高的债券，在现在的社会中，很多人都把自己的一部分收入做为投资投入到股市中。股市的波动时刻影响着股民的切身利益，由于股市存在极强的波动性，使得人们对股市没有很好的预测。规避风险的可能性很多，大多数股民都是通过自己的经验和小道消息来选择股票，这样带有一定的盲目性，从而给自己带来一定的投资风险[1]。 　　但是随着人们生活水平的不断提高，手里的闲钱也越来越多，人们更愿意把手里的闲钱投入到股市中，但目前却没有一种很好的方法来使人们规避股市风险。为了避免上述弊端，提出基于优化遗传算法[2-4]的股票选择规划方法，并对传统算法和优化遗传算法进行了比较，验证优化算法的优点。 　　1 股票选择规划方法原理 　　在股民选择股票的最优规避风险规划过程中，可以将所有的股票做为蜜源成为初始集合，在该集合中，所有元素都能代表股民选择股票规避风险过程中的解，所有解构成的集合是Xi（1，2，…，n），采用蜜蜂式搜索方式在类似区域内进行相同属性个体的搜索，重复执行搜索模式，以获取最优解。根据公式： 　　Mik=Xik+Sik（Xik-Xjk） （1） 　　对所有的股票选择线路进行实时跟踪监测，并对蜜源更新定位。设置j和k表示随机选取的下标，且j∈（1，2，…，A），k∈（1，2，…，e）。Sik的取值范围在[-1，1]之间，且Sik和Xik具有一定的关联性，若监测系统搜索到股市里的股票有很好的适应性，涨幅稳定，则Xik的取值范围越小。 　　在股民最优的股票选择中，利用公式： 　　（2） 　　可计算具有稳定性的股票占股市总体风险的概率。其中，Ti表示第i个解的稳定值。 　　利用公式： 　　Xi=Xmin+rand（0，1）（Xmax-Xmin） （3） 　　可对单个蜜源进行优化练习，重复循环直至最优解产生为止，该解替换优化之前解所在的相应位置。 　　为了保证股票选择路线的多样性，利用公式（3）对控制端中具有强稳定性的股市中股民对股票的选择路线进行变异处理，以便找出具有更强稳定性的选择路线。具体步骤如下： 　　（1）应用迭代方法，按照一定规律对旧值变量进行不断的递推，从而得到新值。设置蜜源的初始迭代次数用Q表示，且Q=0，最大迭代次数用Qmax表示，最大限制次数为L。 　　（2）在蜜源中随机选取N个股民的股票选择线路，并利用公式（1）计算每个股民选择股票的稳定值，根据每个股民选择股票的稳定值能够判断该解的优越性。 　　（3）利用公式（2）计算具有强稳定性的股民选择股票路线占总股民稳定性的概率Pi，根据概率Pi选择最优蜜源，并记录较优蜜源股票，对数据B位置进行实时更新。 　　（4）在仿真模型中，假如B（i）的值大于最大限制次数L的值，在解空间内进一步搜索，并记录最优解的位置，保留在监测系统中。 　　（5）Q+1表示在Q基础上进行一次迭代算法更新，当Qgt;Qmax时，记录最优蜜源代表股民选择股票路线的最优解。接着进行下一步骤操作。反之，当Q 　　（6）根据当前股民选择股票稳定性规划的最优解，可以很好地规避风险。 　　2 股民在选择股票的最优稳定性股票的方法相关理论 　　利用传统算法进行股市股民选择股票的最优方法的规划，建立的模型需要很多条件、耗时长。为此提出了基于优化遗传算法的股票选择规划方法。 　　2.1 查找股民选择最优股票的方法 　　根据遗传算法对股民选择最优股票的规划进行运算。遗传算法中交叉率PD和变异率PN决定股民选择最优解，表达式： 　　（4） 　　（5） 　　在上述表达式中，hmax表示股民在选择股票稳定性的最大适应度，havg表示股民选择股票稳定性的平均适应度，h表示参与交叉运算的两个股民选择股票稳定性的较大的适应度，h表示经过变异处理后股民选择股票稳定性的适应度。设置j1，j2∈[0，1]，j3，j4∈[0，1]，分别表示交叉概率和变异概率的调整参数，在进行交叉运算后保留适应度最强的股