基于半定规划松弛的高阶投资组合优化研究

以最小化峰度为例研究了具有高阶目标函数的投资组合优化问题.针对目标函数的高阶性与非凸性所带来的投资组合优化模型求解困难,根据Lasserre和Waki的研究成果,提出高阶投资组合优化模型的半定规划松弛算法;并从理论上推导得到最小化峰度的投资组合优化模型的有效前沿.最后通过实证分析,验证了理论推导得到的有效前沿,进而说明了半定规划松弛算法求解高阶投资组合优化问题的有效性.     

基于一致性的动态组合评价方法研究

为了解决多种动态评价方法和动态组合评价方法评价结论非一致性问题,提出基于一致性的动态组合评价方法。确定相容动态评价方法集,应用几种动态组合评价方法对相容动态评价方法集中的单一动态评价结论进行组合评价,如果评价结论非一致,再利用这几种动态组合评价方法对动态组合评价结论进行组合或再组合,直到得到一致性的动态组合排序值为止。应用基于一致性的动态组合评价方法对东部地区区域自主创新能力进行动态组合评价,得到一致性的评价结论,通过实例说明本研究实际应用上的有效性。基于一致性的动态组合评价方法对解决多种动态评价方法评价结论非一致性问题提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

商业银行贷款组合动态优化模型研究

以银行各项资产组合收益最大化为目标函数,以法律、法规和经营管理约束为条件,运用逆向递推原理和线性规划方法,建立了商业银行贷款组合动态优化模型。创新与特色主要在于考虑了不同区段贷款效益对全部区段贷款总体效益的相互影响,运用逆向递推原理,在考虑所有贷款区间全部收益最优化的前提下,优化配给区间段的贷款配给,使得全部区段的整体贷款配给达到最优。     

基于漂移度的动态组合评价方法研究

为了解决多种动态评价方法评价结论非一致性问题,提出动态组合评价方法。以相容动态评价方法集为基础对不同动态评价方法的漂移性进行测度研究,提出了基于漂移度的动态组合评价方法。最后用一个实例说明本研究实际应用上的有效性。基于漂移度的动态组合评价方法对解决多种动态评价方法评价结论非一致性问题提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

基于方法集化的动态组合评价方法研究

为了解决多种动态评价方法评价结论非一致性问题,提出动态组合评价方法。给出关于可比动态评价方法集和相容动态评价方法集的定义,并运用模糊聚类分析方法确定相容动态评价方法集;然后以相容动态评价方法集为基础确定可能的组合评价集,建立评价方法集化模型,寻找一个最满意的组合评价,并对该评价结论进行相容性检验。最后用一个实例说明本研究实际应用上的有效性。基于方法集化的动态组合评价方法对解决多种动态评价方法评价结论非一致性问题提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

一种座位组合优化的计算方法及仿真分析

在餐饮服务收益管理中,座位组合与分配是一种重要的容量控制方法,它能够更好地实现餐厅供应结构与需求特征的匹配.本文提出了一种餐厅座位组合优化的计算方法,通过应用Flexsim系统仿真分析和实例研究,验证了该优化方法能够有效提高餐厅繁忙时段的资源分配效率,显著增加餐厅收益,提高收益率,缩短顾客 排队的平均等待时间,增加顾客满意度;在餐厅收益和顾客服务绩效两类指标上,都非常接近于枚举法给出的座位组合方案.该计算方法在理论上保持了与餐厅收益率RevPASH计算的一致性;在应用上易获取数据,计算过程简单,便于在管理实践中推广.     

最短路径动态规划问题及其程序设计

本文以最短路径问题为例,在给出佛洛伊德算法的基础上,设计了求解该算法的计算程序,这样可大大提高最短路径计算的效率.     

基于半离差风险收益的投资组合管理优化模型研究

本文在对投资组合管理理论分析的基础上,利用半离差法计算组合投资的风险与收益,克服了H. Markowitz提出的均值一方差模型研究的不足以及半方差模型的烦琐,提出了基于半离差风险收益的多目标优化模型;假设投资组合一般包括三种资产形式:股票、债券、现金。引进了机会成本概念在投资选择中的重要性,更加符合我国投资者的实际,便于操作,这为证券投资组合优化提供了一种新的方法,并有一定的参考借鉴价值。     

动态的无风险资产组合

一般方式构造的资产组合只能是处于瞬时无风险状态.本文给出一个利用股票和基于股票的期权构造无风险资产组合的方法.按此方法进行调整将得到在一段时间内使资产组合处于无风险状态的动态过程.     

最优交易策略问题的动态求解方法

资产配置包括资产在空间和时间上的配置。现代投资组合理论为资产在空间上的配置提供了比较完备的模型和应用框架,但是资产在时间上的配置问题,学者们的研究甚少。资产在时间上的配置的核心问题是在不同时间对不同资产做出合理的买进、持有和卖出决策,即交易策略设计。本文应用动态规划的原理,分别讨论了存在和不存在最大交易次数限制的情况下,基于总收益率最大的交易策略的求解算法,并利用香港股票市场的数据进行实例分析。本文提出的算法是关于交易的时间跨度和资产数量的多项式算法,计算量和存储空间不因二者的增大而过度增大,在解决大规模问题时也是非常有效的。     

Improved Dynamic Programming in Connection with an FPTAS for the Knapsack Problem

A vector merging problem is introduced where two vectors of length n are merged such that the k-th entry of the new vector is the minimum over of the -th entry of the first vector plus the sum of the first k – + 1 entries of the second vector. For this problem a new algorithm with O(n log n) running time is presented thus improving upon the straightforward O(n ²) time bound.The vector merging problem can appear in different settings of dynamic programming. In particular, it is applied for a recent fully polynomial time approximation scheme (FPTAS) for the classical 0–1 knapsack problem by the same authors.     

A Choice‐Based Dynamic Programming Approach for Setting Opaque Prices

Opaque pricing is a form of pricing where certain characteristics of the product or service are hidden from the consumer until after purchase. In essence, opaque selling transforms a differentiated good into a commodity. Opaque pricing has become popular in service pricing as it allows firms to sell their differentiated product at higher prices to regular brand loyal customers while simultaneously selling to non‐brand loyal customers at discounted prices. We use a nested logit model in combination with logistic regression and dynamic programming to illustrate how a service firm can optimally set prices on an opaque sales channel. The choice model allows the characterization of consumer trade‐offs when purchasing opaque products while the dynamic programming approach allows the characterization of the optimal pricing policy as a function of inventory and time remaining. We compare optimal prices and expected revenues when dynamic pricing is restricted to daily price changes. We provide an illustrative example using data from an opaque selling mechanism ( Hotwire.com ) and a Washington DC‐based hotel.     

基于遗传算法的机组优化组合的应用研究

火电厂机组优化组合问题是一个复杂的优化问题,本文提出了用于求解机组优化组合的一种改进的遗传算法方法,取得了较好的计算结果。     

Goal Programming Approach for Regression Median*

This study presents a new robust estimation method that can produce a regression median hyper-plane for any data set. The robust method starts with dual variables obtained by least absolute value estimation. It then utilizes two specially designed goal programming models to obtain regression median estimators that are less sensitive to a small sample size and a skewed error distribution than least absolute value estimators. The superiority of new robust estimators over least absolute value estimators is confirmed by two illustrative data sets and a Monte Carlo simulation study.     

Improved Linear Programming Models for Discriminant Analysis*

Discriminant analysis is an important tool for practical problem solving. Classical statistical applications have been joined recently by applications in the fields of management science and artificial intelligence. In a departure from the methodology of statistics, a series of proposals have appeared for capturing the goals of discriminant analysis in a collection of linear programming formulations. The evolution of these formulations has brought advances that have removed a number of initial shortcomings and deepened our understanding of how these models differ in essential ways from other familiar classes of LP formulations. We will demonstrate, however, that the full power of the LP discriminant analysis models has not been achieved, due to a previously undetected distortion that inhibits the quality of solutions generated. The purpose of this paper is to show how to eliminate this distortion and thereby increase the scope and flexibility of these models. We additionally show how these outcomes open the door to special model manipulations and simplifications, including the use of a successive goal method for establishing a series of conditional objectives to achieve improved discrimination.     

基于灰色关联度求解指标权重的改进方法

针对决策过程中指标权重的确定问题,在分析现有权重确定方法不足的基础上,提出了一种基于灰色关联度求解指标权重的改进方法,并对其性质进行了研究。该方法是对决策者给出的主观权重经验判断矩阵进行充分挖掘,提取出一个公共比较权重数列,并建立一个简易的数学模型,使确定的权重同时反映主观程度和客观程度。算例分析说明了该改进方法的简单性与实用性。     

一类两层规划问题模糊满意解的遗传算法

在现有两层规划问题求解方法的基础上,提出用浮点数编码的遗传算法求解该问题模糊满意解的新方法．这种方法每次提供给决策者一组近似最优解,通过决策者的比较、评价和选择,在交互过程中得到各决策者都满意的解．该方法不仅可以给决策者提供更多的决策环境信息,而且可以适应决策者偏好的变化,使得决策过程更合理,更符合人的认识过程．     

数据挖掘技术中的线性方法

数据挖掘已成为热门的研究领域,其目的是从大型数据库的数据中提取人们感兴趣的知识.主要的研究工具包括统计学、决策树、神经网络、模糊逻辑、粗糙集、遗传算法等,最近,线性系统方式技术被引用到数据挖掘的分类问题中,并且在对信用卡风险管理中获得了很好地应用.本文主要介绍了数据挖掘中线性方法的思想、模型、进展、应用以及存在的问题和挑战.     

企业研发团队内部技术知识转移的过程机理与途径研究

在有关知识转移过程机制的国内外研究基础上,着重从团队层面揭示了企业研发团队内部技术知识转移的一般过程和内在机理,进而借用NONAKA等的模型思想,设计了研发团队内部技术知识转移的途径框架,解析知识转移的具体途径和方式,从研发团队内部技术知识转移视角为我国企业自主性技术创新绩效提升提供了几点思路。