收益-风险双目标非线性规划模型的修正.docxVIP

收益-风险双目标非线性规划模型的修正 马克威茨的投资组合理论（马克威茨）在投资管理中引入了预期和偏差的分析框架，即平均值离散模型，奠定了现代投资组合理论的基础。Markowitz模型中可供选择的都是风险资产, 且不允许投资者使用金融杠杆或进行保证金交易。然而, 在现实经济生活中, 投资者不仅购买风险证券, 也经常对无风险资产 (如银行存款等) 进行投资, 故Markowitz模型具有一定的局限性。因此, 本文在原模型的基础上做了一定的修正, 以更好地适用于实际情况。本文引入无风险资产, 将投资决策建立在对“期望收益最大”和“风险的不确定性最小”的基础之上, 建立了收益—风险双目标非线性规划模型。双目标非线性模型问题的求解一直是目前研究的焦点问题。本文引入惩罚函数, 设计了求解该模型的遗传算法, 在MATLAB环境中编写程序进行求解。实证分析表明该求解方法既具有理论意义, 也具有现实意义, 可为投资者提供有效的理论指导和决策依据。 一、 模型修改 (一) 投资组合的预期概率 1、投资者除了投资于风险资产, 还购买无风险资产, 如银行存款。 2、投资者都以预期收益率和损失率来评价投资组合。 3、只考虑非系统风险, 不考虑系统风险, 因为投资组合并不能降低各项资产的系统风险。 4、证券都无限可分, 证券交易中不必支付交易费用, 不允许卖空。 5、所有投资满足风险大, 利益大;风险小, 利益小的原则。 (二) b构建资产期望概率模型 假设有n项资产X1,X2, …,Xn;投资组合由权重为ai, 且满足∑ai=1的各项资产构成。 取n项资产m年收益情况:X1=[X11,X21,L,Xm1]T;X2=[X12,X22,L,Xm2]T;…;Xn=[X1n,X2n,L,Xmn]T。 设A=[a1,a2,L,an]T, 且n∑i=1ai=1?0≤ai≤1;i=1, 2,L,n;B=[a21,a22,L,a2n]T;X=[X1,X2,L,Xn]; 各项资产的期望收益率为:E1,E2,L,En,E=[E1,E2,L,En]; 各项资产两两之间的协方差为:Cij(i≠j;i,j=1,2,Ln)?C=[C11LC1nΜΟΜCn1LCnn]; 各项资产的方差为:D1,D2,L,Dn,D=[D1,D2,L,Dn]。 根据马克威茨投资组合理论, 用各项资产两两之间的协方差之和来度量风险。U表示期望总收益,V表示总体风险 (即总体的非系统风险) 。投资目标为期望收益最大化, 总体风险最小化, 由此建立收益-风险双目标非线性规划投资决策数学模型: {maxU=maxEAminV=min(AΤCA-DB)s.t.{n∑i=1ai=10≤ai≤1；i=1,2,L,n 二、 遗传计算方法的设计 (一) 遗传计算方法的参数定义 1、 个体 取每一个种群包括40个个体, 每个个体代表一种投资组合。 2、 遗传世代 取最大遗传代数为200代。 (二) 药代编码 二进制编码是遗传算法中最主要的一种编码方法;利用二进制编码, 编码、解码操作简单易行, 交叉、变异等遗传操作便于实现, 因此本文采用二进制编码。 (三) 目标函数的构造 将待解的目标函数f转化为适应度函数Fit(f) ;目标函数为最大化问题时, 令Fit(f) , 则目标函数为最小化问题时,Fit(f) =-f。 令μ与1-μ分别表示投资者对风险和收益的重视程度, 将双目标非线性规划问题转化为单目标非线性规划问题, 如下: {minf=min[μV-(1-μ)U]?minf=min[μ(AΤCA-DB)-(1-μ)EA]s.t.{n∑i=1ai=10≤ai≤1,i=1,2,L,n0≤μ≤1 由于该模型含有等式约束n∑i=0ai=1, 引入惩罚函数, 构造新的目标函数如下: minf=min{[μ(AΤCA-DB)-(1-μ)EA)]+Ρ(m∑i=1ai-1)2s.t.{Ρ为一很大的正数0≤ai≤1,i=1,2,L,n0≤μ≤1 (四) 遗传算子的设计 1、 子代的数目 根据所求问题的特点, 本文采用均匀排序, 利用代沟来设计选择算子。均匀排序的主要着眼点是个体适应度之间的大小关系, 其思想是对群体中的所有个体按其适应度大小进行排序, 以确定各个个体能够被遗传到下一代的概率。同时运用代沟来确定子代个体的数量, 子代个体数目=父代个体数目×代沟。本文取代沟为0.9, 表明父代群体中有90%的个体被选择, 遗传到子代。 2、 交叉运算后的个体 通过交叉算子, 产生新个体, 本文采用算术交叉。假设在两个个体At1、At2之间进行算术交叉, 则交叉运算后所产生的两个新个体为:(P55) {At+11=λAt2+(1-λ)At1At+12=λAt1+(1-λ)At2 其中,λ为取值在[0, 1]的一个常数。该投资组合模型的可行