| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 中国股市的发展情况 | 第8-10页 |
| 1.1.2 中国股市的当前现状 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 相关理论背景介绍 | 第11-17页 |
| 1.3.1 传统马科维兹(M-V模型) | 第12-14页 |
| 1.3.2 单一指数模型 | 第14-15页 |
| 1.3.3 资本资产定价模型 | 第15-17页 |
| 1.4 文章结构 | 第17-18页 |
| 第二章 结合我国实际情况构建投资组合优化模型 | 第18-26页 |
| 2.1 投资组合的实践现状述评 | 第18页 |
| 2.2 股票投资组合理论在我国实践的可行性 | 第18-19页 |
| 2.3 结合中国股市具体实际构建组合模型 | 第19-25页 |
| 2.3.1 投资目标的构建 | 第19-20页 |
| 2.3.2 约束条件的构建 | 第20-25页 |
| 2.3.2.1 无风险资产约束 | 第20-21页 |
| 2.3.2.2 分散化投资约束 | 第21-22页 |
| 2.3.2.3 卖空限制和整手交易约束 | 第22-23页 |
| 2.3.2.4 投资额度限制及原始组合调整约束 | 第23页 |
| 2.3.2.5 交易费用约束 | 第23-25页 |
| 2.4 结合我国实际所构造的投资组合优化模型 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 适合求解投资组合优化模型的相关算法介绍 | 第26-36页 |
| 3.1 遗传算法 | 第26-30页 |
| 3.1.1 遗传算法简介 | 第26页 |
| 3.1.2 遗传算法的基本理论 | 第26-29页 |
| 3.1.3 遗传算法步骤 | 第29-30页 |
| 3.2 粒子群算法 | 第30-32页 |
| 3.2.1 粒子群算法简介 | 第30-31页 |
| 3.2.2 粒子群算法的基本理论 | 第31页 |
| 3.2.3 粒子群算法步骤 | 第31-32页 |
| 3.3 基于捕食策略的粒子群算法 | 第32-35页 |
| 3.3.1 捕食策略的PSO算法基本原理 | 第33页 |
| 3.3.2 捕食策略的PSO算法基本思想 | 第33页 |
| 3.3.3 基于捕食策略粒子群算法的步骤 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 优化投资组合于上证市场的实证研究 | 第36-50页 |
| 4.1 样本及其处理方法介绍 | 第36-38页 |
| 4.1.1 样本收益率的计算 | 第36-37页 |
| 4.1.2 证券风险值(β)的计算 | 第37-38页 |
| 4.2 投资组合优化模型的可行性验证 | 第38-43页 |
| 4.2.1 根据模型约束选取股票 | 第39-42页 |
| 4.2.2 根据模型确定资产配置 | 第42-43页 |
| 4.3 捕食粒子群算法求解投资组合优化模型的可行性验证 | 第43-45页 |
| 4.3.1 捕食粒子群算法求解投资组合优化模型的基本思想步骤 | 第43-44页 |
| 4.3.2 参数设置 | 第44页 |
| 4.3.3 投资组合优化模型风险的模拟仿真分析 | 第44-45页 |
| 4.4 优化模型及其求解算法的有效性分析 | 第45-49页 |
| 4.4.1 优化模型所构建的最优投资组合比例 | 第45-47页 |
| 4.4.2 优化模型与传统M-V模型所构建的最优投资组合比较 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
