| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 文献综述 | 第10-12页 |
| 1.2.1 一般投资组合研究 | 第10页 |
| 1.2.2 CVaR相关研究 | 第10-12页 |
| 1.2.3 遗传算法应用于投资组合模型的研究 | 第12页 |
| 1.3 研究内容 | 第12-15页 |
| 第二章 相关理论概述 | 第15-27页 |
| 2.1 遗传算法基本原理 | 第15-18页 |
| 2.1.1 遗传算法基本概念 | 第15页 |
| 2.1.2 遗传算法基本组成 | 第15-16页 |
| 2.1.3 遗传算法的基本操作 | 第16-18页 |
| 2.1.4 遗传算法的应用领域 | 第18页 |
| 2.2 证券投资组合风险度量原理 | 第18-25页 |
| 2.2.1 VaR概述 | 第18-21页 |
| 2.2.2 CVaR模型概述 | 第21-25页 |
| 2.3 熵理论概述 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于改进遗传算法的单目标CVaR模型 | 第27-39页 |
| 3.1 单目标CVaR的证券投资组合优化模型 | 第27-31页 |
| 3.1.1 单目标CVaR基础模型 | 第27-29页 |
| 3.1.2 单目标CVaR扩展模型 | 第29-30页 |
| 3.1.3 收益率情景的生成 | 第30-31页 |
| 3.2 改进单目标遗传算法 | 第31-34页 |
| 3.3 实证分析 | 第34-38页 |
| 3.3.1 样本选取及数据处理 | 第34-36页 |
| 3.3.2 遗传算法求解 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于熵的多目标证券投资组合 | 第39-49页 |
| 4.1 证券投资组合的熵优化模型 | 第39-43页 |
| 4.1.1 引入熵作为证券投资组合风险度量的合理性 | 第39页 |
| 4.1.2 证券投资组合的熵风险度量的特性 | 第39-40页 |
| 4.1.3 最大熵原理 | 第40-41页 |
| 4.1.4 熵优化模型 | 第41-43页 |
| 4.2 基于熵的多目标证券投资组合优化模型 | 第43页 |
| 4.3 改进的多目标遗传算法 | 第43-46页 |
| 4.4 实证分析 | 第46-48页 |
| 4.4.1 三种模型对比分析 | 第46-47页 |
| 4.4.2 多目标遗传算法对比分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表的论文 | 第55页 |