

已閱讀1頁,還剩156頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、該文提出采用遺傳算法對證券組合投資模型進行計算,得到了滿足特定投資者的最優(yōu)投資組合,并在研究過程中對組合投資模型進行了改進,同時也改進了遺傳算法,使其能適應(yīng)該文的模型.由于證券投資組合的挑選是一項復(fù)雜的系統(tǒng)工程,在挑選之前要對歷史數(shù)據(jù)進行充分的分析,因此該文首先對初步挑選的證券進行價格預(yù)測,研究投資時機是否適合,以及挑選的證券是否適合.該文通過比較分析后,采用RBF神經(jīng)網(wǎng)絡(luò)模型對證券價格進行了預(yù)測,并在這個基礎(chǔ)上得到了適用于組合的證券.
2、在得到所需的證券之后,計算其期望收益及方差,并進一步調(diào)整欲組合的證券.隨后構(gòu)造了適合實際市場情況的證券組合模型,并計算具體的組合.由于采用傳統(tǒng)的數(shù)學(xué)方法解決本文問題存在一定難度,因此通過研究考慮采用遺傳算法來進行計算,并在計算過程中針對遺傳算法存在的缺陷進行了改進,采用自適應(yīng)遺傳算法來實現(xiàn)計算目標(biāo).在得到有效解后,該文提出采用兩種方法來獲取最優(yōu)解:第一種方法是采用特定投資者的無差異曲線與有效邊界相切的方法得到最優(yōu)解;第二種方法是采用安全
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進遺傳算法的證券投資組合研究
- 基于改進遺傳算法的證券投資組合研究.pdf
- 基于遺傳算法的投資組合模型研究.pdf
- 基于遺傳算法的基金投資組合模型研究.pdf
- 基于遺傳算法的CVaR投資組合模型研究.pdf
- 基于遺傳算法的投資組合模型及實證研究.pdf
- 基于遺傳算法的投資組合研究.pdf
- 基于改進遺傳算法的投資組合研究.pdf
- 基于改進遺傳算法的動態(tài)投資組合優(yōu)化模型的研究.pdf
- 基于遺傳算法的CVaR模型在投資組合中的應(yīng)用.pdf
- 基于最優(yōu)基因的遺傳算法研究.pdf
- 基于文化算法證券組合投資模型的研究.pdf
- 基于混合遺傳算法的組合投資問題.pdf
- 基于遺傳算法的KMV模型最優(yōu)違約點的確定.pdf
- Markowitz投資組合模型的遺傳算法求解——在保險投資領(lǐng)域的實證研究.pdf
- 基于禁忌遺傳算法的房地產(chǎn)投資組合研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)及遺傳算法證券投資分析.pdf
- 證券組合投資最優(yōu)化研究.pdf
- 遺傳算法在證券投資中的應(yīng)用研究.pdf
- 求解投資組合問題的多目標(biāo)遺傳算法研究.pdf
評論
0/150
提交評論