基于投影降维技术的期权组合非线性VaR模型

高维期权组合VaR值的计算时间和计算工作量随着市场风险因子维数的增加而迅速增加.为此,引入投影降维技术,用少数几个风险因子来解释高维期权组合总的风险,并结合快速卷积方法,建立了基于投影降维技术的市场风险因子呈厚尾分布情形下的期权组合非线性VaR模型,达到减少计算时间和计算工作量的目的,同时期权组合价值变化的信息又没有太大的损失.数值结果表明,投影降维技术能够达到与快速卷积方法、Monte-Carlo方法差不多的估算精度,而计算效率明显优于快速卷积方法、Monte-Carlo方法,计算时间和计算工作量明显减少.     

全链接分散化多阶段投资组合评价研究

现有多阶段分散化投资组合评价模型都是基于各阶段实际收益率来构建的,然而由于投资组合在各阶段的联系主要体现在财富的动态变化过程中,因此基于财富动态方程来构建多阶段投资组合评价模型更加符合实际.本文基于投资组合与前沿面的距离,给出多阶段投资组合效率的定义.在均值-方差框架下,基于财富过程构建不同导向下的全链接分散化多阶段投资组合评价模型,利用动态规划方法得到投资组合效率的解析式.最后,通过数值仿真检验了传统多阶段分散化模型与本文所提出模型之间是存在显著差异的.     

具有最小交易量限制的多阶段均值-半方差投资组合优化

考虑交易成本,借款约束和阈值约束,文章提出了具有最小交易量限制的多阶段均值-半方差投资组合模型。该模型是具有路径依赖性的混合整数动态优化问题,还是NP完全问题。文章提出了前向动态规划方法求解。最后,通过一个算例比较不同风险约束下的最优投资策略,从而验证模型和算法的有效性。     

中文专利文本聚类方法研究

该文提出了一种针对中文专利文本的聚类方法.使用自组织特征映射算法获得初始的聚类中心,并以此作为K-means算法的初始输入,从而得到最终的聚类结果.这样的组合可以在提高聚类准确率的同时,降低运行时间.在聚类之前还对文本进行LSI降维操作,降低了特征向量的维数,使得SOM和K-means两个对维数敏感的算法可以更加有效和快捷.     

状态变化和学习行为下的最优资产组合选择

针对金融资产收益率序列的非线性动态变化和投资者参数确定的传统假设,考虑状态变化的最优资产组合选择以及参数不确定性下投资者学习行为对最优资产组合选择的影响,运用马尔科夫机制转换模型刻画市场状态变化,采用贝叶斯学习准则描述投资者的学习行为,建立状态变化和投资者学习行为下资产组合选择的离散时间模型,使用期望最大化算法和动态最优化方法给出模型的参数估计,使用蒙特卡罗方法模拟投资者的资产组合选择行为.研究结果表明,中国金融市场存在明显的结构性动态变化,可以将市场分为牛市和熊市.在短期,当市场处于熊市时,投资者将全部财富投资于债券,不投资于股票,但市场处于牛市时股票的投资比重会大大增加;在长期,牛、熊市下股票和债券的权重会稳定在某个水平.市场状态的不确定性造成投资者产生对冲不确定性风险的需求,当市场向好时,投资者学习行为导致其投资于更多的风险资产;当市场状态无法确定时,投资者对股票的投资更为谨慎.考虑市场状态变化的投资组合选择能够提高投资者的总体效用.     

不确定终止时间的多阶段最优投资组合

研究了当终止时间不确定时的多阶段最优投资组合问题.假定终止时间是个服从某分布的随机变量,将不确定终止时间的问题转化为确定时间的问题,应用动态规划求解模型,得到最优投资策略以及有效边界的解析形式.实例证明所得的结论是对确定终止时间情形的推广,最优投资策略受终止时间分布的影响.     

车辆路径问题的三阶段求解方法研究

针对由车辆路径问题规模的增大带采求解空间组合爆炸这一难点,从缩减解答空间入手,以节省求解时空为突破口,综合运用知识工程、模糊聚类分析、状态空间搜索理论和运筹学整数规划理论,提出一种求解车辆路径问题的三阶段求解方法.第一阶段分析物流配送过程的主要影响因素,根据相关因素对客户进行初步划分,然后采用模糊聚类分析方法将各配送区域中的客户进行细分;第二阶段采用带控制策略的深度优先搜索算法生成备选的车辆路径方案集合;第三阶段建立整数规划求解模型,并根据邻域规则将求得的解映射为实际问题中的行车方案.最后运用算例验证上述方法的有效性.     

基于状态转移回归的动态集成时序预测方法

最优模型子集的确定和集成权重的设置是组合预测中的两个重要问题,直接关系到组合模型的预测表现。为此,本文提出了一个基于状态转移回归的动态集成时序预测方法,首先基通过计算单体模型和原始数据之间的互信息确定最优模型子集;其次,通过状态转移回归实现单体模型的动态集成,并获得最终预测值。通过对9个国家的主权信用违约互换利差数据进行预测实验,本文发现所提出的状态转移组合预测模型表现良好,不仅优于一般单体预测模型和组合预测模型,还优于基于滑动窗口技术的动态组合预测模型。     

解动态多指标决策问题的基于遗传算法的兼容度极大化模型

动态多指标决策问题是决策方案空间、指标空间和时间空间的一类三维决策排序问题,在系统工程实践中具有广泛的应用价值.为克服各单个评价方案的片面性,充分挖掘了原有各单个评价方案所包含的评价信息,提出了基于实数编码加速遗传算法(RAGA)的兼容度极大化模型(RAGA-CDMM).结果说明RAGA-CDMM是对原有各单个评价方案的最佳组合评价方案,所得评价结果更为合理、可靠;利用RAGA可直接根据各单个评价方案的评价结果数据来确定各评价方案和各时段的权重,避免了主观赋权的不足;RAGA-CDMM简便可行,适用性和可操作性强,具有推广应用价值.     

时间依赖型多配送中心带时间窗的开放式车辆路径问题研究

本文研究了时间依赖型多配送中心带时间窗的开放式车辆路径问题,基于道路通行情况,建立车辆行驶速度时间函数;考虑车辆载重、里程限制与客户点服务时间窗的约束,建立混合整数规划模型,目标函数为最小化车辆总成本,具体包括车辆行驶时间成本和车辆固定发车成本;提出了一种二维编码方式的混合遗传算法,针对混合遗传算法设计了多分区段单点交叉策略、动态插入算子及局部搜索策略;最后,基于Solomon VRPTW基准数据集生成27个测试算例,使用混合遗传算法进行求解。数值实验结果表明,考虑道路通行情况,选择合理的出发时间,避免拥堵时段进行配送服务,能明显减少车辆的总行驶时间,且验证了混合遗传算法能够获得问题的满意解。