| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 文献综述 | 第11-14页 |
| 1.2.1 投资组合研究综述 | 第11-12页 |
| 1.2.2 CVaR理论研究综述 | 第12-13页 |
| 1.2.3 粒子群算法应用于投资组合模型的研究 | 第13-14页 |
| 1.3 研究内容与章节安排 | 第14-16页 |
| 第二章 基础相关理论概述 | 第16-33页 |
| 2.1 投资组合理论 | 第16-25页 |
| 2.1.1 投资组合的收益与风险理论 | 第16-17页 |
| 2.1.2 投资组合发展过程中的主要模型 | 第17-20页 |
| 2.1.3 VaR风险度量方法理论概述 | 第20-22页 |
| 2.1.4 CVaR风险度量方法理论概述 | 第22-25页 |
| 2.2 粒子群算法理论 | 第25-32页 |
| 2.2.1 基本粒子群算法的原理和数学模型 | 第26-27页 |
| 2.2.2 基本粒子群算法的流程 | 第27-28页 |
| 2.2.3 粒子群优化算法的改进与发展 | 第28-30页 |
| 2.2.4 粒子群算法与其他智能优化思想的结合 | 第30-32页 |
| 2.3 熵理论 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于改进粒子群算法的均值-CVaR投资组合优化模型 | 第33-52页 |
| 3.1 基于CVaR的投资组合模型 | 第33-36页 |
| 3.1.1 CVaR模型 | 第33-35页 |
| 3.1.2 均值-CVaR模型 | 第35-36页 |
| 3.2 均值-CVaR扩展模型 | 第36-37页 |
| 3.3 调整后的均值-CVaR扩展模型 | 第37-39页 |
| 3.3.1 改进模型的经济意义与数学基础 | 第37-39页 |
| 3.4 改进的粒子群算法求解模型 | 第39-43页 |
| 3.4.1 改进粒子群算法的基本思想 | 第39-41页 |
| 3.4.2 改进粒子群算法的程序设计与流程 | 第41-43页 |
| 3.4.3 改进PSO算法参数的设置 | 第43页 |
| 3.5 实证分析 | 第43-51页 |
| 3.5.1 样本股票的选择 | 第43-45页 |
| 3.5.2 算法搭建-基于均值-CVaR模型 | 第45-46页 |
| 3.5.3 模型中的参数 | 第46-47页 |
| 3.5.4 改进粒子群算法中的参数 | 第47页 |
| 3.5.5 粒子群算法求解 | 第47-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于多目标粒子群算法的均值-CVaR-熵投资组合模型 | 第52-64页 |
| 4.1 信息熵的发展与推广 | 第52-55页 |
| 4.1.1 广义熵 | 第52-54页 |
| 4.1.2 最大熵原理 | 第54-55页 |
| 4.2 Tsallis广义熵投资组合模型 | 第55页 |
| 4.3 均值-CVaR-Tsallis广义熵投资组合模型 | 第55-56页 |
| 4.4 算法求解与实证结果分析 | 第56-63页 |
| 4.4.1 改进的多目标粒子群算法 | 第56-58页 |
| 4.4.2 实证分析 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
