模糊数在投资组合优化中的应用研究及实证分析

采用模糊数处理不确定性信息.以模糊期望收益率最大为目标函数,使总的风险不高于给定的模糊数,建立了一种新的模型.在给定的截集下,期望收益率转化为区间数,目标函数转化为对该区间数的下限求最大值.基于模糊数大小的概率比较,从而将模糊优化模型转化为不等式约束下的线性规划模型.利用Matlab编程可解得其最优解.最后通过实例分析,验证该模型的可行性.     

一类模糊线性规划模型的模糊最优区间值

讨论一类既有模糊不等式约束又有模糊等式约束的全模糊系数线性规划问题。在给定的模糊隶属度水平下 ,将模型转化为区间数线性规划模型 ,通过确定区间模型的最佳目标函数和最大可行域以及最劣目标函数和最小可行域 ,求出目标函数的模糊最优区间值 ,从而为决策者提供更多的决策信息。最后给出一个数值例子。     

区间值模糊线性规划在证券组合投资优化中的应用

针对期望收益率与风险损失率为区间值模糊数的特征,就证券组合投资问题建立了一种区间值模糊线性规划模型,运用一种对区间值模糊数排序的新算法,将模型转化为经典的线性规划问题进行求解,最后通过一个算例说明其有效性和可靠性,为证券组合投资优化问题的解决提供了一种新的方法,对证券组合的理性投资具有重要的指导意义.     

带有区间型三角模糊数的多目标规划模型算法

给出了模糊多目标线性规划模型的一种有效算法,其中目标函数和约束条件中的系数都是区间型三角模糊数.首先,通过引入区间型三角模糊数的截集,将模糊多目标函数转化成单目标函数.其次,引入用于比较两个三角模糊数的强占优可能性准则,将模型中的模糊约束条件转化为经典不等式组.然后,利用Matlab软件编程求解转化的经典单目标线性规划...     

基于VAR风险指标的投资组合模糊优化

在二目标有价证券选择基础上 ,引入目前流行的风险指标 VAR,以收益率与风险损失为目标 ,将模糊概念运用于有价证券组合选择 ,按投资者给定的期望目标及容差 ,讨论了 S型隶属函数模型 .通过 VAR的给定 ,将投资者所能承受的最大损失锁定 ,更好地反映出投资者对目标值的取值意图 .依据深圳股票市场9只股票收益率数据 ,采用进化规划进行优化计算 ,并验证模型的有效性 .     

证券组合的模糊规划模型

通过结构元方法定义了一种模糊数排序准则,利用模糊约束将Markowitz投资组舍模型转化为模糊线性规划模型,并利用模糊数来描述证券的期望收益率和风险损失率,建立模糊数模糊证券投资组合模型.最后,利用定义的模糊数排序准则把模糊数规划问题转化为经典的线性规划问题,然后再对该模型进行求解,并通过算例阐述了该方法的有效性.     

区间目标规划与模糊目标规划

从区间数与模糊数的序关系出发讨论了一类目标函数含区间数系数的非线性规划和目标函数中含有模糊数系数的线性规划问题,提出将相应的规划问题等价地转化为两个依次求解的经典数学规划问题来求最优解.     

模糊环境下带交易费用的权证定价模型——纪念李国平院士吴新谋教授诞辰100周年

该文综合考虑我国证券市场中广泛存在的隐性交易费用, 建立了模糊环境下带交易费用的权证定价模型. 在假设交易费用率为三角型模糊数的前提下导出了新的权证价格区间, 并通过引入模糊期望的概念, 将区间数转化为与投资者主观判断无关的准确数. 基于此模型, 对模型中三角型模糊数的关键参数 进行了灵敏度分析和投资策略分析.     

多目标运输问题的区间模型及其算法

主要给出一类目标函数的系数、供应量和需求量均为区间数的多目标运输问题模型,根据参数的实际意义和区间数的序关系,针对所建立模型,利用区间规划的方法,将其转化为确定型的多目标运输问题,最后用模糊规划技术处理等价的多目标运输问题.数值例子表明算法的有效性和可行性.     

考虑现实因素的模糊多目标投资组合策略

真实金融市场上的红利和税收等现实因素对投资者的决策活动有着直接的影响.考虑风险资产的红利、税收及交易费用等因素及最小交易单位与投资比例边界等约束,将每个风险资产的收益率和红利率视为梯形模糊数,以最大化投资组合净收益的期望与偏度、最小化其下半方差与模糊性为目标函数,建立了带红利和税收的模糊多目标投资组合优化模型.然后,采...     

模糊环境中带交易费用的投资组合策略问题

由于金融市场是波动的,风险资产的预期收益率由于很多不确定性是很难估计的,本文考虑预期收益率是可能性分布(模糊数),并且在此基础上用模糊数的可能性均值表示投资组合的收益,用模糊数的平均绝对偏差表示风险,考虑了交易费用后,得到投资组合模型,最后给出了数值计算的例子.     

基于模糊决策的投资组合优化

基于模糊决策理论研究了带有成比例交易费用的证券投资组合优化问题. 首先,基于半绝对偏差风险函数和极大极小原则提出了一种新的风险函数--极大极小半绝对偏差风险函数;然后, 引入一种非线性隶属函数更加形象地描述了投资者对投资收益和投资风险的满意程度;在此基础上, 进一步提出了非线性满意程度的模糊决策投资组合选择模型;最后, 针对提出的模型,利用中国证券市场的真实数据给出了数值算例.     

考虑投资者异质信念和目标优先级的投资组合问题研究

考虑证券市场的模糊不确定性及投资者的模糊决策特征,以资产收益、下方风险及流动性为模糊投资目标,构建考虑投资者异质信念和目标优先级的多目标投资组合模型。进一步,以我国主板、中小板和创业板市场为背景,采用CPT-TOPSIS交互式算法进行实证分析。研究发现:乐观、理性和悲观投资者权衡收益、风险和流动性目标时偏好的优先顺序不同,导致资产配置结构、最优决策和绩效表现存在差别。结果表明模糊多目标模型能够满足不同投资者权衡多目标的差异化投资需求,取得优于基准随机投资组合的投资效果,可作为投资者投资决策的参考依据。     

带有模糊系数的投资组合模型研究

在证券市场,由于各种不确定因素的存在,证券的预期收益率是难以精确估算的。本文采用模糊数来处理不确定性,提出了一种基于模糊收益率的投资组合模型。为度量投资组合的风险,将绝对偏差扩展到模糊情形。通过引入模糊数绝对值的概念和不等关系的两种占优准则,将该模型转化为相应的确定性线性规划问题,投资者可根据自己的主观态度选择参数和投资策略。最后用一个具体例子验证了模型的合理性和有效性。     

带有梯形模糊数的均值-方差投资组合模型比较分析

采用梯形模糊数来描述证券的收益率,并建立基于梯形模糊数的收益最大化单目标均值-方差模型、风险最小化单目标均值-方差模型、和收益最大化风险最小化的双目标均值-方差模型.对上述三种模型进行实例分析,讨论投资比例系数上界为1和0.7两种不同情况下三种模型的对比,进而证明模型的可行性以及分析不同模型之间的差异性.     

基于直觉模糊规划的多目标投资组合选择模型

将直觉模糊集合的概念引入投资组合模型中,并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化,用隶属函数与非隶属函数作为新的目标函数.针对该模糊多目标投资组合模型,提出了一个动态遗传算法,算例给出了该模型的一个实例的最优解.     

一种新的梯形模糊数间距离及在投资组合模型选择中的应用

给出一种新的模糊数间的距离公式.用新定义的距离公式来度量给定优先资产的条件下投资组合的分散度.用可能性均值度量投资组合的收益,可能性半方差度量投资组合的风险,在收益和风险满足一定的条件下构造分散度模型.通过实例分析,给出的方法不仅分散度更好,而且资产分配多元化程度更高,计算也更简单.     

分式规划模糊投资组合模型的遗传算法求解

将预期收益率表示为模糊数,以E-SV风险测度为基础给出了组合证券投资决策的效用函数,并建立了基于分式规划的模糊投资组合选择模型,考虑到模型求解的复杂性,我们利用遗传算法构造罚函数对模型进行了求解,并通过实例,验证了该模型解法的可行性和有效性.     

Mean-variance models for portfolio selection with fuzzy random returns

This paper develops two novel types of mean-variance models for portfolio selection problems, in which the security returns are assumed to be characterized by fuzzy random variables with known possibility and probability distributions. In the proposed models, we take the expected return of a portfolio as the investment return and the variance of the expected return of a portfolio as the investment risk. We assume that the security returns are triangular fuzzy random variables. To solve the proposed portfolio problems, this paper first presents the variance formulas for triangular fuzzy random variables. Then this paper applies the variance formulas to the proposed models so that the original portfolio problems can be reduced to nonlinear programming ones. Due to the reduced programming problems include standard normal distribution in the objective functions, we cannot employ the conventional solution methods to solve them. To overcome this difficulty, this paper employs genetic algorithm (GA) to solve them, and verify the obtained optimal solutions via Kuhn-Tucker (K-T) conditions. Finally, two numerical examples are presented to demonstrate the effectiveness of the proposed models and methods.