遗传算法在证券投资中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 证券投资组合的研究现状 | 第10-11页 |
| 1.2.1 投资组合模型的研究 | 第10-11页 |
| 1.2.2 遗传算法应用于投资组合模型的研究 | 第11页 |
| 1.3 本文结构及内容 | 第11-12页 |
| 1.4 本文技术路线 | 第12-15页 |
| 第二章 文献综述 | 第15-35页 |
| 2.1 证券投资组合基本模型介绍 | 第15-19页 |
| 2.1.1 均值-方差模型 | 第15-16页 |
| 2.1.2 均值-方差-偏度模型 | 第16页 |
| 2.1.3 单因素模型和复因素模型 | 第16-17页 |
| 2.1.4 对数效用模型 | 第17-18页 |
| 2.1.5 几何期望收益模型 | 第18页 |
| 2.1.6 安全-首要模型 | 第18-19页 |
| 2.2 遗传算法的起源与发展历史 | 第19-20页 |
| 2.3 遗传算法介绍 | 第20-26页 |
| 2.3.1 遗传算法原理 | 第20-23页 |
| 2.3.2 遗传算法运算流程 | 第23-24页 |
| 2.3.3 遗传算法的优越性和不足 | 第24-25页 |
| 2.3.4 遗传算法的应用领域 | 第25-26页 |
| 2.4 遗传算法的收敛性 | 第26-27页 |
| 2.4.1 模板理论 | 第26-27页 |
| 2.4.2 马尔可夫链收敛 | 第27页 |
| 2.5 遗传算法实现技术 | 第27-33页 |
| 2.5.1 编码 | 第28页 |
| 2.5.2 适应值函数 | 第28-29页 |
| 2.5.3 遗传算法的 3 个算子 | 第29-32页 |
| 2.5.4 遗传算法的初始参数和终止规则 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 投资组合模型的建立及算法设计 | 第35-45页 |
| 3.1 第一层遗传算法设计 | 第35-37页 |
| 3.2 建立投资组合模型 | 第37-42页 |
| 3.2.1 组合风险描述 | 第37-38页 |
| 3.2.2 模型描述 | 第38-40页 |
| 3.2.3 模型的基本假设 | 第40-42页 |
| 3.3 模型求解的遗传算法设计 | 第42-45页 |
| 第四章 实证研究 | 第45-53页 |
| 4.1 样本的选取 | 第45-46页 |
| 4.1.1 编码样本 | 第45-46页 |
| 4.1.2 适应度值样本 | 第46页 |
| 4.2 第一层遗传算法实现 | 第46-48页 |
| 4.3 第二层遗传算法实现 | 第48-51页 |
| 4.3.1 算法步骤 | 第48-49页 |
| 4.3.2 运算结果 | 第49-51页 |
| 4.4 结果分析 | 第51-53页 |
| 第五章 结论 | 第53-55页 |
| 5.1 论文的主要工作 | 第53-54页 |
| 5.2 未来的研究方向 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
