基于遺傳算法的最優(yōu)證券組合投資模型研究.pdf

1、該文提出采用遺傳算法對證券組合投資模型進(jìn)行計(jì)算,得到了滿足特定投資者的最優(yōu)投資組合,并在研究過程中對組合投資模型進(jìn)行了改進(jìn),同時(shí)也改進(jìn)了遺傳算法,使其能適應(yīng)該文的模型.由于證券投資組合的挑選是一項(xiàng)復(fù)雜的系統(tǒng)工程,在挑選之前要對歷史數(shù)據(jù)進(jìn)行充分的分析,因此該文首先對初步挑選的證券進(jìn)行價(jià)格預(yù)測,研究投資時(shí)機(jī)是否適合,以及挑選的證券是否適合.該文通過比較分析后,采用RBF神經(jīng)網(wǎng)絡(luò)模型對證券價(jià)格進(jìn)行了預(yù)測,并在這個(gè)基礎(chǔ)上得到了適用于組合的證券.

2、在得到所需的證券之后,計(jì)算其期望收益及方差,并進(jìn)一步調(diào)整欲組合的證券.隨后構(gòu)造了適合實(shí)際市場情況的證券組合模型,并計(jì)算具體的組合.由于采用傳統(tǒng)的數(shù)學(xué)方法解決本文問題存在一定難度,因此通過研究考慮采用遺傳算法來進(jìn)行計(jì)算,并在計(jì)算過程中針對遺傳算法存在的缺陷進(jìn)行了改進(jìn),采用自適應(yīng)遺傳算法來實(shí)現(xiàn)計(jì)算目標(biāo).在得到有效解后,該文提出采用兩種方法來獲取最優(yōu)解:第一種方法是采用特定投資者的無差異曲線與有效邊界相切的方法得到最優(yōu)解;第二種方法是采用安全