基于遗传算法的最优证券组合投资模型研究
| 1 前言 | 第1-13页 |
| ·证券组合投资管理概述 | 第9-10页 |
| ·证券组合的涵义 | 第9页 |
| ·构建证券组合的原因 | 第9-10页 |
| ·两个假设 | 第10页 |
| ·组合投资目前的研究进展 | 第10-11页 |
| ·本文的研究意义 | 第11页 |
| ·本文内容安排 | 第11-13页 |
| 2 选择“合适”的证券 | 第13-19页 |
| ·采用神经网络方法对股票价格进行预估 | 第13-19页 |
| ·RBF网络 | 第14页 |
| ·基于MATLAB的RBF神经网络 | 第14-15页 |
| ·采用RBF网络进行预测 | 第15-19页 |
| 3 期望收益和方差 | 第19-25页 |
| ·期望收益率 | 第19-20页 |
| ·方差 | 第20-21页 |
| ·计算期望收益率及方差 | 第21-22页 |
| ·相关系数的计算 | 第22-23页 |
| ·调整证券 | 第23-25页 |
| 4 投资模型构造 | 第25-28页 |
| ·初始模型 | 第25页 |
| ·模型改进 | 第25-26页 |
| ·模型中加入交易费用 | 第25-26页 |
| ·模型中加入无风险资产 | 第26页 |
| ·将多目标规划转化为单目标规划 | 第26-28页 |
| 5 有效解的求解方法 | 第28-48页 |
| ·遗传算法 | 第28-35页 |
| ·算法简介 | 第28-29页 |
| ·算法设计与实现 | 第29页 |
| ·针对本文问题的遗传算法实现 | 第29-33页 |
| ·遗传算法的流程图 | 第33-35页 |
| ·计算 | 第35-37页 |
| ·自适应遗传算法 | 第37-40页 |
| ·针对本文问题的自适应遗传算法 | 第38页 |
| ·采用自适应遗传算法进行计算 | 第38-40页 |
| ·采用自适应遗传算法计算 | 第40-43页 |
| ·有效边界曲线 | 第43-48页 |
| ·有效边界 | 第43-44页 |
| ·有效边界的求取 | 第44-48页 |
| 6 求解最优解 | 第48-60页 |
| ·无差异曲线与有效边界曲线相切法 | 第48-55页 |
| ·无差异曲线 | 第48-49页 |
| ·无差异曲线与有效边界曲线相切 | 第49页 |
| ·无差异曲线的求取 | 第49-54页 |
| ·求最优点 | 第54-55页 |
| ·安全第一法 | 第55-60页 |
| ·安全第一法定义 | 第55-56页 |
| ·模型 | 第56-57页 |
| ·最优点的求解 | 第57-60页 |
| 7 约束遗传算法求最优点 | 第60-68页 |
| ·模型 | 第60-64页 |
| ·针对上述问题的遗传算法 | 第64-65页 |
| ·计算结果 | 第65-68页 |
| 8 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-75页 |
| 作者在学期间发表的论文清单 | 第75页 |
