共查询到20条相似文献，搜索用时 296 毫秒
1.
研究了证券投资组合中,在单指数模型下,允许卖空时,确定有效边界的一种算法的灵敏度．证明了该算法对各证券的期望收益率、系统风险、非系统风险及市场指数收益的方差是稳健的． 相似文献
2.
研究了证券投资组合中,在单指数模型下,允许卖空时,确定有效边界的一种算法的灵敏度．证明了该算法对各证券的期望收益率、系统风险、非系统风险度市场指数收益的方差是稳健的。 相似文献
3.
张卫国 《宁夏师范学院学报》1997,18(6):6-10
本文建立了二次效用极大的证券组合优化模型，研究了各种优化模型的算法，得到了最好证券组合的期望收益率，风险，期望效用及投资比例计算公式。 相似文献
4.
基于模糊集及模糊区间的概念,提出一种动态环境模糊投资组合模型。设计的重点为:(1)投资资产的收益率设计为区间模糊数;(2)风险率设计为三角模糊数。将建立的模糊投资组合模型转化为清晰数学规划问题,并将免疫优化算法对模型求解,数值实验中选取历史数据,将Lindo软件求解结果与免疫算法求解结果比较,充分表明免疫算法对模糊投资组合模型求解的有效性。 相似文献
5.
6.
证券投资组合优化的数学模型分析 总被引：3，自引：0，他引：3
在单个证券的收益率、预期收益率和风险既定不变的条件下,证券投资组合的收益率,预期收益率和风险都是由各种证券的投资比例所决定。因此,投资者进行证券投资组合优化的关键是选择各种证券的投资比例。 相似文献
7.
应用Markowiz收益—风险模型,研究了两种证券的组合投资收益及风险估计问题,得到了组合投资风险在投资收益率相关和不相关条件下的收益估计值,以具体的算式阐明了组合投资可以规避投资风险的结论。 相似文献
8.
何光 《内江师范学院学报》2012,27(10):24-27
在证券市场中有很多不连续的投资优化模型,为了快速有效的寻求模型的解,设计了一种改进的优化算法.通过引入遗传算法中的交叉操作,得到了基于最优和次优位置的改进粒子群优化算法(INPSO).在性能检测中,该算法比部分改进的粒子群优化算法表现更佳,克服了早熟的缺陷.然后,在仿真实验中,运用INPSO分别获得了两种投资组合模型在不同期望收益率下的优化值,同时算法在迭代过程中展现出了很好的收敛性. 相似文献
9.
将模糊集合的概念引入投资组合模型中,利用证券组合投资的收益率极大化为目标,以投资组合模型中的值为约束建立了一种模糊规划投资组合模型,利用模糊数学知识把模糊规划投资组合模型转化为带参数的线性规划模型,算例给出了该模型的一个实例的最优解。 相似文献
10.
组合证券投资理论最早在1952年由H.MarKowitz提出,但是由于它的计算的复杂性,很少直接应用于证券投资。1976年,S.A.Ross提出了套利定价理论(APT),它简化了组合证券投资问题,本文将在分析最小风险的条件,进一步简化此模型。 一、多因素模型和APT简介 多因素模型假定证券i的收益率y_i是由以下因素模型生成的:r_i=α_i+β_(i1)I_1+β_(i2)I_2+…+β_(is)I_s+ε_i;其中α_i称为零因素,I_j是影响证券i的收益率的第j个指数 相似文献
11.
布莱克-李特曼模型（简称“B—L模型”）在资产资本定价模型的基础上,使用贝叶斯方法把投资者观点加入到隐含期望收益率中。文章对B—L模型做了深入的分析．并且把模型应用到单个股票中。在这里我们用跟踪误差约束下的优化方法,找到了优化模型最佳跟踪误差。然后参照此跟踪误差确定了B—L模型的跟踪误差的大小,从而也就给出了B—L模型其他参数的数值,这减少了参数设定的随意性,使得模型更具有操作性和统一性。 相似文献
12.
吴喆珺 《武汉职业技术学院学报》2014,(1):36-41,69
粒子群优化算法(PSO)作为一种进化计算技术,已经广泛运用到了各个行业领域中。基于不同应用领域的具体要求,人们也针对不同的技术特点对PSO进行了改进。针对PSO算法在证券组合投资中的应用要求,提出一种改进的PSO算法,并通过上海证券交易所的实际数据进行计算机模拟,证实该算法在实际证券组合投资中的实用性。 相似文献
13.
研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用,选取三甲医院中医慢病相关科室门诊量历史记录数据,构建基于长短期记忆神经网络的门诊量预测模型,借助粒子群优化算法对长短期记忆网络进行参数优化,并使用优化后的模型对门诊量进行预测。月度门诊量预测结果表明,经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE,相比未优化的模型减小了48.5%。粒子群优化算法能高效地优化预测模型,可使模型较好地预测出门诊量变化趋势,从而为医务人员门诊管理工作提供决策支持。 相似文献
14.
为解决暑假旅行人员以成本最小化为目标的最佳旅行路线选择难题,基于路径优化理论（VRP）及粒子群算法,设计了以暑假旅游路线最短为优化目标的数学模型,采用计算机编程技术,设计了求解该优化模型的粒子群算法,并选择案例对模型及算法进行了验证。案例应用结果表明,该模型和算法能够有效解决最佳旅游路线选择难题,正确率达98%。基于VRP理论及粒子群算法的最短路选择模型不仅能够快速求解出最优路径方案,还能够有效降低人工经验选择最短路径中存在的误差。 相似文献
15.
由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化（PSO）算法的收敛速度快（尤其是在进化初始阶段）,运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。 相似文献
16.
本文讨论了线性模型当随机误差为位置分布族时参数的同变估计,并给出了最优同变估计(MREE),结果表明线性模型参数的最优同变估计与最小二乘估计是一致的. 相似文献
17.
付丽辉 《中国现代教育装备》2010,(13):60-62
利用一种改进的BP神经网络（PSO-BP）建立的教学成绩给定模型,在教学过程中所涉及的平时成绩给定的指标体系基础上,利用给定指标值作为输入,成绩估算值作为输出,通过PSO对BP神经网络的参数进行训练和学习,并利用Matlab软件建立实验平台。实验结果表明：新算法充分利用了神经计算的快速性以及粒子群算法的全局寻优能力,使得模型具有良好的辨识精度,可以较好地解决教学过程中平时成绩给定的动态问题。 相似文献
18.
针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。 相似文献
19.
李婷 《湖南广播电视大学学报》2010,(2):59-62
标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。 相似文献
20.
针对滚动轴承故障分类准确率低的问题,提出一种利用遗传算法结合粒子群算法优化支持向量机分类器的故障诊断方法.实验通过提取滚动轴承不同故障状态下的振动信号,以转化成时域和频域组成的特征集为特征向量,利用粒子群生成二维粒子,即惩罚因子C、核函数参数G,并喂入支持向量机进行训练和交叉验证,取最优适应度对应的粒子,进而构建遗传粒... 相似文献