基于PSO算法的投资决策模型
| ABSTRACT | 第1-6页 |
| 摘要 | 第6-7页 |
| 第一章 引言 | 第7-13页 |
| ·投资组合理论的发展与现状 | 第7-9页 |
| ·投资组合与金融优化的研究方向 | 第9-10页 |
| ·本论文的研究内容和研究方法 | 第10-13页 |
| 第二章 遗传算法和微粒群算法 | 第13-23页 |
| ·各种优化方法的简介 | 第13页 |
| ·遗传算法 | 第13-18页 |
| ·遗传算法的基本概念 | 第13-15页 |
| ·基本遗传算法的基本原理和运算过程 | 第15-16页 |
| ·遗传算法的特点 | 第16-17页 |
| ·遗传算法的改进 | 第17-18页 |
| ·微粒群算法 | 第18-23页 |
| ·微粒群算法简介 | 第18页 |
| ·基本微粒群算法的过程 | 第18-20页 |
| ·两种基本的进化模型 | 第20页 |
| ·微粒群算法的改进 | 第20-21页 |
| ·微粒群算法与遗传算法的比较 | 第21-23页 |
| 第三章 单阶段投资决策模型 | 第23-41页 |
| ·单阶段投资模型的介绍 | 第23-29页 |
| ·可行投资组合与有效边缘 | 第23-24页 |
| ·无差异曲线与最优投资组合 | 第24-26页 |
| ·单阶段投资决策模型的提出 | 第26-27页 |
| ·证券市场曲线 | 第27-29页 |
| ·求解单阶段投资决策模型的遗传算法设计 | 第29-33页 |
| ·确定编码方案 | 第29-30页 |
| ·算子的设计 | 第30-32页 |
| ·个体适应度的评价 | 第32页 |
| ·遗传算法参数的确定 | 第32-33页 |
| ·求解单阶段投资组合模型的混合微粒群算法设计 | 第33-35页 |
| ·实证结果 | 第35-41页 |
| ·原始数据的预处理 | 第35-36页 |
| ·遗传算法和混合微粒群算法的比较 | 第36-41页 |
| 第四章 多阶段投资决策模型及其实现 | 第41-55页 |
| ·多阶段投资模型的简介 | 第41页 |
| ·多阶段投资决策模型的提出 | 第41-46页 |
| ·多阶段投资决策的二叉树模型 | 第41-45页 |
| ·多阶段投资决策模型的参数确定 | 第45-46页 |
| ·算法的实现 | 第46-51页 |
| ·约束问题的转化 | 第46-49页 |
| ·微粒群算法的实现过程 | 第49-51页 |
| ·实证结果 | 第51-53页 |
| ·参数的确定 | 第51-52页 |
| ·实验结果 | 第52-53页 |
| ·结论 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·研究结论 | 第55页 |
| ·研究过程中的一些问题 | 第55-56页 |
| ·研究展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 硕士期间发表论文清单 | 第60-63页 |
