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