时序多目标最优投资决策的研究.docVIP

时序多目标最优投资决策研究 　　[摘要] 本文利用时序多目标问题所拥有的信息得到决策方案与最优及最劣方案的关联度，在综合所有时段和指标的基础上建立了时序多目标决策优化模型，以期望值的形式给出多阶段多指标决策问题的最优解。 　　[关键词] 投资决策 关联度 最优化 时序多目标 　　 　　一、前言 　　投资者在决策过程中，常遇到的多目标问题往往带有动态时间因素的时序多目标问题。已有学者围绕该问题展开了研究。由于这类问题受动态时间段影响，对最优方案的划分界限模糊，所以多采用简单的加权平均法或综合模糊评判，但这些方法过于粗糙，可靠性大大降低。而且他们很少直接涉及不同时间点上各方案的优劣以及优劣度，或者理论性太强，实用价值不大。项目投资能否取得预期的收益，关键还是在于企业的经营状况，尤其是各个时间点上企业表现出来的经营态势。因此有必要对时序多目标问题的方法进行深入研究。 　　本文在对制造企业的财务状况进行研究的基础上，通过探寻决策方案的优劣度以及方案之间的关联度，提出了一种新的评价上市公司经营状况的方法。 　　二、定义 　　假设有m个待评单位，n个评估指标，分T个时间段进行数据统计，则对m个待评单位所构成的方案集A={ai}i=1,2,…,m,在n个指标下进行评估所得到的决策矩阵为Y={yij}i=1,2,…,m;j=1,2,…,n。其中， yij为第i方案对第j指标的属性值。 　　再假设T个时间段的权重分别为u1,u2，…uT用U={ut}表示;n个指标的权重分别为w1,w2,…,wn,用W={wj}表示，对于原始决策矩阵Y={yij}，设Z={zij}为其经过向量规范化后的规范矩阵，X={xij}为根据指标权重对规范矩阵加权后的加权矩阵，则: 　　(1) 　　(2) 　　根据上述假设定义如下： 　　定义1:设A*为方案集A中的优方案，a0为方案集A中的劣方案,x*j为优方案a*的第j个属性值;x0j为劣方案a0第j个属性值，则： 　　 　　 　　 　　 　　 　　定义2:对于方案，记γi和ri分别为ai与优方案a*、劣方案α0之间的关联度，则: 　　 　　 　　 　　 　　 　　定义3:设pi为方案从属于优方案的期望值，满足0≤pi≤1，则:pi越大，ai越靠近优方案，pi越小，ai越靠近劣方案。当pi=1时，ai为最优方案a*;当pi=0时，ai为最劣方案a0。 　　三、模型 　　根据所定义的关联度，综合所有指标和阶段，可得： 　　 （7） 　　F(pi)为各方案期望值pi的最小二乘法函数，ut为t时刻的时间权重，γi和ri分别为ai与优方案a*、劣方案a0之间的关联度。当F(pi)取得极小值时所对应的方案应该是方案集中最接近优方案同时最远离劣方案的最优解。 　　因此可建立如下综合优化模型： 　　（8） 　　令该函数在极值点处取得最小值时所对应的pi为： 　　 （9） 　　通过计算pi可以得到方案集中的最优方案，并将最优方案和其他方案的优劣明显地区别开来。 　　四、实例 　　表1是沪深市场具有代表性的机械行业上市公司三年的各项财务状况，假设由专家好赋值法得到三个时间段的权重为u=(0.26,0.26,0.48), 我们选择每股收益，每股净资产，净资产收益作为主要指标，通过综合分析，确定最好的投资选择。 　　将六家公司看作是六个方案，将1997年、1998年、1999年三年的各项指标集中到一起，即得到三个时段的决策矩阵Y1、Y2、Y3，效益型指标据式（1）对表1数据的各列进行归一化处理，得三个时段的决策矩阵Z1、Z2、Z3，如表2: 　　应用五标度专家偏好赋值法，综合确定三项指标的综合权重向量:W=(0.4231,0.2461,0.3308)T 　　由式(3)得到决策方案与优方案之间的关联度： 　　γ1=0.0761，γ2=0.0682，γ3=0.0658，γ4=0.0672，γ5= 　　0.0535，γ6=0.0129。 　　由式(4)得到决策方案xi与劣方案之间的关联度： 　　r1=0.0117,r2=0.0231,r3=0.0222,r4=0.0310,r5=0.0367,r6= 　　0.0821。 　　最后，由式(9),可以得到六个方案的综合排序向量： 　　 P=(0.0229,0.1028,0.1021,0.1760,0.3198,0.9759)T 　　所得结果优劣方案之间的差距非常明显，投资者很容易在计算结果中，选出最优的投资方案F，这个决策结果是与实际相符合的。 　　五、结论 　　投资者在做出投资决策时应当充分考虑行业专家的意见，充分利用时序多目标决策问题所拥有的信息，才能使得最优化排序更具有实际应用价值；决策方案的优劣