| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 投资组合优化研究综述 | 第10-13页 |
| 1.2.1 不同风险度量的投资组合模型 | 第11页 |
| 1.2.2 基于偏度视角的投资组合模型 | 第11页 |
| 1.2.3 引入交易费用的投资组合模型 | 第11-12页 |
| 1.2.4 基于流动性视角的投资组合模型 | 第12-13页 |
| 1.2.5 智能算法用于投资组合优化问题 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文创新之处 | 第14-16页 |
| 2 相关基础知识 | 第16-24页 |
| 2.1 多目标优化问题 | 第16-17页 |
| 2.1.1 多目标优化模型 | 第16页 |
| 2.1.2 Pareto最优解的概念 | 第16-17页 |
| 2.2 模糊集的相关理论 | 第17-19页 |
| 2.3 几种典型的多目标优化算法 | 第19-24页 |
| 2.3.1 NSGA-II | 第19-20页 |
| 2.3.2 PESA-II | 第20-21页 |
| 2.3.3 SPEA2 | 第21-22页 |
| 2.3.4 MOPSO | 第22-24页 |
| 3 多目标人工蜂群算法 | 第24-31页 |
| 3.1 人工蜂群算法简介 | 第24-27页 |
| 3.1.1 人工蜂群算法基本原理 | 第24-26页 |
| 3.1.2 人工蜂群算法研究现状 | 第26-27页 |
| 3.2 多目标人工蜂群算法 | 第27-31页 |
| 3.2.1 多目标人工蜂群算法基本原理 | 第27-29页 |
| 3.2.2 多目标人工蜂群算法基本框架 | 第29-31页 |
| 4 具有流动性约束及交易费用的多目标模糊投资组合模型 | 第31-37页 |
| 4.1 均值－半绝对偏差投资组合模型 | 第31-32页 |
| 4.2 资产收益率分布的偏度特征 | 第32-33页 |
| 4.3 具有流动性约束的多目标投资组合模型 | 第33-34页 |
| 4.4 可能性理论下的多目标投资组合模型 | 第34-37页 |
| 5 人工蜂群算法在多目标投资组合优化问题中的应用 | 第37-47页 |
| 5.1 算法设计 | 第37-40页 |
| 5.1.1 混沌初始化 | 第37-38页 |
| 5.1.2 搜索策略的改进 | 第38-39页 |
| 5.1.3 外部种群的更新 | 第39页 |
| 5.1.4 算法约束处理 | 第39-40页 |
| 5.2 实验结果与比较 | 第40-47页 |
| 5.2.1 评价指标 | 第40-41页 |
| 5.2.2 实例分析 | 第41-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 后续拓展研究 | 第47-49页 |
| 参考文献 | 第49-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间研究成果 | 第57-58页 |