matalab剖析投资收益的案例.docVIP

下载本文档

8
0
约 7页
2017-04-18 发布于北京
举报
版权申诉

matalab剖析投资收益的案例.doc

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

用matlab优化投资组合一关键词投资最佳收益最大期望、matlab、线性规划二、投资问题某公司拟对8个项目进行投资，下表是公司过去一年中这些项目的月净收益率，试通过分析表中数据来确定公司下一步的投资计划。要求：由于市场限制，对项目A2、A4、A7的每项投资不能超过1千万元，对A2 和A4的投资总额不能超过1.6千万元，对A3的投资不能超过2千万元。设公司下一步的总投资额为6千万元，试建立一个数学模型用以求解最佳投资方案，使公司总期望收益尽可能大。分析上述投资方案的风险，问是否可以对上面的数学模型进行调整，或建立一个新的模型，使投资方案更为合理？三分析：知道图表计算投资希望收益率然后以期望收益率为根据，对投资进行线性规划四计算、建模（1）用EXCEL 计算收益率期望值亏损平均值见附表（2）线性规划 MAX f =E(1)X(1)+E(2)X(2)+E(3)X(3)………..E(8)X(8);为所求值设 E= -f MIN e = - MAX f 计算(matlab)模型 C=-[0.009333333 0.017583333 0.012916667 0.02225 0.007083333 0.0235 0.0355 0.0145]; A=[1 1 1 1 1 1 1 1 ;0 1 0 0 0 0 0 0 ;0 0 0 1 0 0 0 0 ;0 0 0 0 0 0 1 0 ;0 1 0 1 0 0 0 0 ;0 0 1 0 0 0 0 0;-0.009333333 -0.017583333 -0.012916667 -0.02225 -0.007083333 -0.0235 -0.0355 -0.0145] B=[6000 1 1 1 1.6 2 0] LB=[0 0 0 0 0 0 0 0 ] [X,fval,exitflag]=linprog(C,A,B,[],[],LB) 计算 A = 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0 1.0000 0 0 0 0 0 0 0 0 0 1.0000 0 0 0 0 0 0 0 0 0 0 1.0000 0 0 1.0000 0 1.0000 0 0 0 0 0 0 1.0000 0 0 0 0 0 -0.0093 -0.0176 -0.0129 -0.0222 -0.0071 -0.0235 -0.0355 -0.0145 B = 1.0e+003 * 6.0000 0.0010 0.0010 0.0010 0.0016 0.0020 0 LB = 0 0 0 0 0 0 0 0 Optimization terminated. X = 1.0e+003 * 0.0000 0.0000 0.0000 0.0000 0.0000 5.9990 0.0010 0.0000 fval = -141.0120 exitflag = 1 结果分析：所以 e = -141.12 f=141.12 结果是将钱集中在最赚钱的项目A(6)A(7) 五、参考风险优化模型分析用悲观决策筛选风险最小情况下，收益最大的投资组合加入损失行列式[0.0055 0.0565 0 0.05725 0.019 0.0065 0.021 0]=f 模型修改 f=input(f=?) C=-[0.009333333 0.017583333 0.012916667