Markowitz基于粒子群算法的投资组合选择模型(2)
随着，我国的市场经济灵活性日益增大，个人可支配收入的大幅度增加使老百姓有了更多的闲置资金投资于金融市场。自我国加入世界贸易组织，国内金融市场与国际金融市场逐渐接轨，我国金融市场金融产品种类和数量日益增加，为金融投资机构和金融投资者提供了更为广阔的投资空间。老百姓对股票、债券、期货等金融概念的了解以及对如何进行理性的投资理财也越来越关注。然而，随着全球经济一体化，近年来全球金融危机此起彼伏，掀起了包括墨西哥金融危机、东南亚金融风暴、美国次级贷款金融危机、欧洲主权债务危机等全球性金融风暴，国际金融环境的日益多变，中国的金融环境也难以避免被波及。所以，当前金融环境下，人们也更加关注对金融风险的防范和监控，关于如何进行金融风险防范以及对金融理论的研究同时也引起了学者们的极大关注。而如何实现资本的最优配置，在追求高收益的同时最小化风险，便涉及到投资组合优化问题。综上，研究投资组合优化问题以实现资本最优配置就具有其现实性和必要性。
处理投资组合问题时，数学计算和建模常常被运用于解决问题。在证券投资组合问题中，运用与之相适应的数学模型和解决策略是必要的，至今也已经出现如线性规划、整数规划、非线性规划、目标规划、几何规划等许多优化技术。然而，对于复杂的投资组合问题，使用如牛顿法、单纯性法等一般优化方法常常由于计算过程繁琐、求解速度慢、目标函数复杂难解而很难计算出最优解等原因，导致问题无法得到解决。随着各个领域科技水平的不断提升、学科不断渗透以及相互之间的交流合作越来越密切，群智能算法由于群粒子可以在搜索空间中从不同方向接近当前最优解，拥有通过一些群个体发现这些相邻解的良好机会，因而十分适合用来求解大多数非线性连续函数。而且群智能算法可以通过编程实现的优良特性，也常被用于解决复杂的优化问题。综上，相较于传统的优化方法，群智能算法的具有能够在合理时间内发现高质量解决方案的良好性能。因此，本文选群智能方法来解决投资组合优化问题。
本文选题旨在研究不确定环境下的投资组合优化问题，运用模型构建与实证分析相结合的方法研究和改进已有的股票投资决策优化算法，构建基于粒子群算法的投资组合选择模型，并运用实证分析方法证明所提出模型和方法的有效性。国内和国外错综复杂的投资环境下，能为够解决现实存在的而非脱离市场的投资组合优化问题提供理论依据的理论研究，对金融机构和投资者具有实际指导意义。
1．2 国内外研究现状与进展
1.2.1 粒子群算法研究现状与进展
1.2.2 投资组合模型研究现状与进展
1．3 本文主要研究内容与结构安排
本文基于Markowitz均值-方差模型，和对基本粒子群算法研究，对组成算法的因子进行一系列修正，提出基于改进的粒子群算法的投资组合选择模型，并将其运用于股票投资决策问题中，运用实证分析方法证明所提出模型和方法的有效性。本文的结构安排如下：
第二章，首先，提出问题，阐述关于投资组合选择与优化的相关理论，并对各种投资组合选择与优化模型的性能进行比较；其次，基于Markowitz均值方差模型作出改进，建立投资组合优化的数学模型；最后，介绍基于基本粒子群算法的投资组合优化模型，简述基本粒子群算法的相关理论；
第三章，是关于基于改进粒子群算法的投资组合选择模型。首先分析了基本粒子群算法存在的不足；其次，阐述本文对粒子群算法中惯性权重和学习因子的改进，给出算法的流程和源代码，并根据模拟数值，用Benchmarks的四个测试函数对算法收敛情况和所得平均最优解进行了测试，并与基本粒子群算法所得结果进行比较。
下一篇：二次曲线中点弦所在直线方程的求法