声明
摘要
1 引言
1.1 研究背景及意义
1.2 投资组合优化研究综述
1.2.1 不同风险度量的投资组合模型
1.2.2 基于偏度视角的投资组合模型
1.2.3 引入交易费用的投资组合模型
1.2.4 基于流动性视角的投资组合模型
1.2.5 智能算法用于投资组合优化问题
1.3 本文研究内容
1.4 本文创新之处
2 相关基础知识
2.1 多目标优化问题
2.1.1 多目标优化模型
2.1.2 Pareto最优解的概念
2.2 模糊集的相关理论
2.3 几种典型的多目标优化算法
2.3.1 NSGA-Ⅱ
2.3.2 PESA-Ⅱ
2.3.3 SPEA2
2.3.4 MOPSO
3 多目标人工蜂群算法
3.1 人工蜂群算法简介
3.1.1 人工蜂群算法基本原理
3.1.2 人工蜂群算法研究现状
3.2 多目标人工蜂群算法
3.2.1 多目标人工蜂群算法基本原理
3.2.2 多目标人工蜂群算法基本框架
4 具有流动性约束及交易费用的多目标模糊投资组合模型
4.1 均值一半绝对偏差投资组合模型
4.2 资产收益率分布的偏度特征
4.3 具有流动性约束的多目标投资组合模型
4.4 可能性理论下的多目标投资组合模型
5 人工蜂群算法在多目标投资组合优化问题中的应用
5.1 算法设计
5.1.1 混沌初始化
5.1.2 搜索策略的改进
5.1.3 外部种群的更新
5.1.4 算法约束处理
5.2 实验结果与比较
5.2.1 评价指标
5.2.2 实例分析
6 总结与展望
6.1 总结
6.2 后续拓展研究
参考文献
致谢
攻读硕士学位期间研究成果