加權(quán)極大—極小隨機模糊投資組合及實證研究.pdf

1、證券市場是一個復(fù)雜的動態(tài)系統(tǒng)，經(jīng)濟全球化、經(jīng)濟一體化加劇了證券市場的復(fù)雜性和波動性。本文把證券收益視為隨機模糊變量能夠同時反映證券市場隨機和模糊的雙重不確定性，另外利用現(xiàn)代行為金融理論的研究成果，考慮投資者真實的心理偏好，構(gòu)建加權(quán)極大-極小隨機模糊投資組合模型。為了求解模型在市場存在交易費用和最小交易單位情況下投資組合權(quán)重，對動態(tài)鄰居粒子群算法進行改進，提出改進的動態(tài)鄰居粒子群算法。在我國的經(jīng)濟環(huán)境下，利用改進動態(tài)鄰居粒子群算法對模型求

2、解并檢驗?zāi)Ｐ偷挠行?。本研究主要?nèi)容包括：
　?、裴槍ψC券市場同時存在隨機和模糊雙重不確定性因素，把證券收益視為隨機模糊變量，構(gòu)建以財富變化量為基礎(chǔ)的期望收益隸屬度函數(shù)。利用加權(quán)極大-極小算子，同時考慮投資組合期望收益和目標(biāo)概率滿足投資者期望值的隸屬度，構(gòu)建加權(quán)極大-極小隨機模糊投資組合模型。利用Markowitz的歷史數(shù)據(jù)研究模型的有效邊界，結(jié)果表明把證券收益視為隨機模糊變量的投資組合與Markowitz均值-方差投資組合有效邊

3、界不一致。
　?、漆槍討B(tài)鄰居粒子群算法所存在的不足，對算法的粒子群初始化方法和動態(tài)鄰居的拓?fù)浣Y(jié)構(gòu)進行改進，提出改進的動態(tài)鄰居粒子群算法。分別針對無權(quán)重約束和有權(quán)重約束投資組合對算法迭代尋優(yōu)能力進行檢驗，結(jié)果表明改進動態(tài)鄰居粒子群算法能夠有效求解投資組合有效邊界問題。
　?、请S機選取滬深300指數(shù)的50支股票作為研究樣本，對加權(quán)極大-極小隨機模糊投資組合模型進行實證檢驗。實證檢驗包括兩個部分。①在市場無摩擦的環(huán)境下，分別比較