采用遗传算法求解基于下偏矩的投资组合优化问题.pdf

专题3金融工程及风险投资管理 427 采用遗传算法求解基于下偏矩的投资组合优化问题 周春阳，吴冲锋，李小平 上海交通大学金融工程研究中心，上海200052 摘要：在投资组合优化问题中，采用下偏矩作为风险测度，一方面能够度量下边风险，另一方面也不需要对投资者风险 偏好和收益分布进行假设。然而下偏矩的计算复杂性却限制了它在实际中的广泛应用。本文提出采用遗传算法解决基于下 偏矩的投资组合优化问题。本文通过采用适当的方法生成初始可行种群，以及设计适当的交叉算子和变异算子，使得种群在 进化过程中总是保持町行，从而有效地提高算法效率。 关键词：下偏矩；投资组合优化；遗传算法 【4) 磊≥0，ctJi≥0，t=1，…，m，i=l，…，以 1 引 言 当口=1时，模型(3)(4)将模型(1)转化为线性规 Markowitz[1]最早采用方差作为风险测度，研究了划问题，计算比较简单。然而当avel时，模型(3)(4) 在一定的期望收益水平约束下资产的最优分配策略问 同样是一个非线性规划问题。并且同模型(1)(2)相 题。方差分析方法的优点是计算简单，但是很多学者 比，它的问题规模变得更大。模型(3)(4)的约束条件 指出均值一方差分析的局限性(如Levy和Hanoch[2]为2m+n+2个，决策变量为m+／／个，分别比模型(1) (2)增加了2m个和掰个。而为了得到较精确的下偏 以及Quirk和Sapasnik[朝)。为了克服方差风险测度 矩风险值，优的大小不能过小，因而采用模型(3)(4)将 的不足，Bawa[5]、Bawa和Lindenberg_[6]以及Fish— 会使优化问题的求解更加复杂和困难。 bum[71提出了下偏矩风险测度。HarlowIs3采用历史收 益的经验分布，研究了基于均值一下偏矩的投资组合 解决非线性优化问题的另外一个方法是采用随机 优化问题，他建立了以下优化模型： 算法，它们一般都能以概率1搜索到全局最优解。在 本文，我们将采用遗传算法求出模型(1)(2)的最优解。 (，) mil善m{瑚x(。，r一窨¨zt))4 本文通过采用适当的方法生成初始可行种群，以及设 (2) 计适当的交叉算子和变异算子，使得种群在进化过程 s．t．∑哗i≥p，∑触=1，劬≥o，i=1，…，靠 中总是保持可行，避免了约束条件给问题带来的复杂 上述优化模型具有以+2个约束条件，咒个决策变 性，有效地提高了算法效率。 量，当a≥1时，它是一个凸规划问题，因此局部极小点 也是全局极小点。 2遗传算法介绍 模型(1)(2)是一个非线性规划问题，当优化问题 遗传算法是一种进化算法，同传统的优化算法相 规模比较大时，求解比较困难。为了简化计算， 比，遗传算法具有较高的效率，在实际中得到广泛应用 Nawrocki[91和Elton等m1通过引入协下偏矩，将上述 (见王小平和曹立