基于雙重期望效用的投資組合模型及其智能算法研究.pdf

1、一般的效用函數(shù)沒有考慮歷史事件在將來出現(xiàn)的可能性差異，即認(rèn)為在歷史中發(fā)生的概率也會以相同的概率在未來時間發(fā)生，為了避免這種很強(qiáng)的假設(shè)，本文研究了基于雙重期望效用下的投資組合模型，并應(yīng)用人工智能算法對其求解.因此，基于雙重期望效用理論的效用函數(shù)來度量投資行為的效用思想下，本文的主要工作如下:
　　1根據(jù)實(shí)際金融市場的需求，以證券的收益率服從正態(tài)分布作為前提，引入可投資數(shù)目最大上限的約束，建立相應(yīng)的多目標(biāo)投資組合優(yōu)化模型，采用罰函數(shù)法

2、將多目標(biāo)投資組合模型轉(zhuǎn)化為單目標(biāo)模型，同時構(gòu)造出符合該模型的教與學(xué)算法對其求解，并選取10支股票進(jìn)行仿真實(shí)驗(yàn).
　　2引入限制性賣空的約束條件，建立了投資組合優(yōu)化模型，同時引用權(quán)重系數(shù)作為風(fēng)險(xiǎn)厭惡因子，使得模型更加符合投資者的決策心理，從而確保了決策方案的可行性.此外，本文設(shè)計(jì)了適合模型的混沌鳥群算法求解模型，并與粒子群、教與學(xué)算法作了比較，得到了當(dāng)風(fēng)險(xiǎn)厭惡因子A取不同值時混沌鳥群算法具有更好的優(yōu)化效果，同時為決策者們提供了更佳的