| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 研究的目的 | 第7-8页 |
| 1．2 国内外研究现状 | 第8-10页 |
| 1．2．1 证券组合的研究现状 | 第8页 |
| 1．2．2 遗传算法研究的进展 | 第8-10页 |
| 1．3 本文的主要研究内容及取得的成果 | 第10-11页 |
| 第二章 证券投资组合分析 | 第11-18页 |
| 2．1 投资的收益和风险 | 第11-14页 |
| 2．1．1 投资的收益 | 第11-12页 |
| 2．1．2 投资的风险 | 第12-13页 |
| 2．1．3 对投资风险的洞察 | 第13-14页 |
| 2．2 马柯维茨证券组合理论的基本思想 | 第14页 |
| 2．3 证券投资组合的收益和风险 | 第14-16页 |
| 2．3．1 证券投资组合的收益 | 第14-15页 |
| 2．3．2 证券投资组合的风险 | 第15-16页 |
| 2．4 证券相关性对组合风险的影响 | 第16-18页 |
| 第三章 多因素最优投资组合模型 | 第18-24页 |
| 3．1 原始的马柯维茨模型 | 第18-19页 |
| 3．2 多因素最优投资组合模型 | 第19-24页 |
| 3．2．1 考虑模型中加入无风险资产 | 第19-21页 |
| 3．2．2 考虑模型中加入交易费用 | 第21-22页 |
| 3．2．3 模型的转化 | 第22-24页 |
| 第四章 遗传算法理论概述 | 第24-34页 |
| 4．1 基本遗传算法的流程图 | 第24-25页 |
| 4．2 遗传算法的特点及性能评价 | 第25-26页 |
| 4．2．1 遗传算法的特点 | 第25页 |
| 4．2．2 遗传算法的性能评估 | 第25-26页 |
| 4．3 遗传算法的基本实现技术 | 第26-34页 |
| 4．3．1 编码方式 | 第26-27页 |
| 4．3．2 适应度函数 | 第27-28页 |
| 4．3．3 选择算子 | 第28-30页 |
| 4．3．4 交叉算子 | 第30-31页 |
| 4．3．5 变异算子 | 第31-32页 |
| 4．3．6 遗传算法控制参数设定 | 第32-33页 |
| 4．3．7 遗传算法终止条件 | 第33-34页 |
| 第五章 求解最优投资组合模型的遗传算法设计及其混合策略 | 第34-48页 |
| 5．1 遗传算法的缺陷 | 第34页 |
| 5．2 编码方式 | 第34-35页 |
| 5．3 群体设定 | 第35-37页 |
| 5．3．1 初始种群的设定 | 第36页 |
| 5．3．2 群体多样性 | 第36-37页 |
| 5．4 适应度函数 | 第37-38页 |
| 5．5 算子设计 | 第38-39页 |
| 5．5．1 设计交叉算子 | 第38-39页 |
| 5．5．2 设计变异算子 | 第39页 |
| 5．6 遗传算法与禁忌搜索算法相结合的混合策略 | 第39-44页 |
| 5．6．1 禁忌搜索算法 | 第39-42页 |
| 5．6．2 遗传算法与禁忌搜索算法相结合的混合遗传算法 | 第42-44页 |
| 5．7 求解多因素最优投资组合模型的混合遗传算法 | 第44-48页 |
| 第六章 实例试验分析 | 第48-52页 |
| 6．1 模型求解 | 第48-49页 |
| 6．2 算法分析 | 第49-51页 |
| 6．3 模型分析 | 第51-52页 |
| 第七章 结论与建议 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |