| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 论文研究背景和意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 课题研究现状 | 第15-19页 |
| 1.2.1 粒子群优化算法研究现状 | 第15-18页 |
| 1.2.2 投资组合研究现状 | 第18-19页 |
| 1.3 论文研究内容与创新点 | 第19-20页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 论文创新点 | 第20页 |
| 1.4 论文章节安排 | 第20-21页 |
| 第二章 粒子群算法综述 | 第21-30页 |
| 2.1 基础粒子群算法简介 | 第21-24页 |
| 2.1.1 粒子群算法的生物学基础 | 第21页 |
| 2.1.2 算法原理 | 第21-23页 |
| 2.1.3 算法模拟及流程 | 第23-24页 |
| 2.2 粒子群的发展 | 第24-26页 |
| 2.2.1 标准粒子群算法 | 第24-25页 |
| 2.2.2 带收缩因子粒子群算法 | 第25-26页 |
| 2.2.3 离散粒子群算法 | 第26页 |
| 2.3 算法参数控制 | 第26-28页 |
| 2.4 粒子群算法的应用 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于CVaR理论投资组合模型构建 | 第30-40页 |
| 3.1 基本投资组合理论 | 第30-32页 |
| 3.1.1 均值一方差投资组合理论 | 第30-31页 |
| 3.1.2 M-V模型的不足 | 第31-32页 |
| 3.2 均值-VaR模型 | 第32-35页 |
| 3.2.1 VaR定义及均值-VaR模型 | 第32-34页 |
| 3.2.2 VaR的计算方法 | 第34页 |
| 3.2.3 VaR的不足 | 第34-35页 |
| 3.3 CVaR与均值-CVaR模型 | 第35-38页 |
| 3.3.1 CVaR概念 | 第35页 |
| 3.3.2 CVaR方法的计算 | 第35-37页 |
| 3.3.3 均值-CVaR投资组合模型 | 第37-38页 |
| 3.4 带有最小交易量和交易费用的均值-CVaR投资组合模型 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 求解均值-CVaR模型投资组合的改进粒子群算法 | 第40-52页 |
| 4.1 改进粒子群算法PBSO | 第40-42页 |
| 4.1.1 复形法描述 | 第40页 |
| 4.1.2 迁徙因子思想 | 第40-41页 |
| 4.1.3 改进粒子群算法 | 第41-42页 |
| 4.1.4 FBPSO算法的基本步骤 | 第42页 |
| 4.2 算法设计 | 第42-44页 |
| 4.2.1 PSO算法参数的选择 | 第42-43页 |
| 4.2.2 编码、适应度函数及实验数据的处理 | 第43-44页 |
| 4.3 数值实验 | 第44-46页 |
| 4.3.1 样本数目的选择 | 第44页 |
| 4.3.2 样本股票的选择 | 第44-45页 |
| 4.3.3 模型中参数的选择 | 第45页 |
| 4.3.4 算法适应度函数的确定 | 第45-46页 |
| 4.4 结论分析和模型评价 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文总结 | 第52页 |
| 5.2 论文展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第58页 |