证券组合投资

摘要： 区间数线性规划主要用于处理具有离散区间数的不准确性优化问题。以现阶段区间数线性规划应用情况为基础,结合近年来已有算法展现出的区间解非可行解问题,明确新时代发展对区间数线性规划的要求,深层探索区间数线性规划及其区间解,以此明确相应模型的应用价值。

摘要： 张文伟董事长海富通基金管理有限公司海富通基金是一家为客户提供证券组合投资管理服务的专业公司。作为全牌照的基金管理有限公司,公司多元化的资产管理业务结构多年来一直保持稳定增长。截至2015年,公司管理资产总规模达到1300.49亿元。长期以来,公司服务于众多的国内外机构投资者客户,建立起一支经验丰富的投资与服务人员构成的专业化团队。

摘要： 基于Markowitz资产组合理论,综合考虑证券投资的风险和收益,建立证券组合投资的多目标规划模型,融合遗传算法和蚁群算法应用于上述模型的求解。具体地,将具有快速全局搜索能力的遗传算法产生的问题初始解转化为蚁群算法的初始信息分布,再对蚁群进行遗传操作,最后利用蚁群算法的并行性、正反馈机制、求解效率高的特征寻求最优解。实验结果表明:上述两种算法的融合在求解质量和效率上均优于单独的遗传算法或蚁群算法。

摘要： 粒子群优化算法(PSO)作为一种进化计算技术,已经广泛运用到了各个行业领域中.基于不同应用领域的具体要求,人们也针对不同的技术特点对PSO进行了改进.针对PSO算法在证券组合投资中的应用要求,提出一种改进的PSO算法,并通过上海证券交易所的实际数据进行计算机模拟,证实该算法在实际证券组合投资中的实用性.

摘要： Portfolio problem widely exists in financial,risk investment and other fields. Respectively in the total investment and selective investment portfolio is mainly studied from two kinds of situation scheme selection problem. For total investment,a multi-objective pro-gramming model is established and used in the process of solving the ideal point is transformed into linear programming model,using the LINGO software to solve the optimal investment proportion. On the latter,in this paper,introduce a 0-1 distributed parameters,the gener-al situation to solve. Through a practical example to illustrate the use of the above methods,and the model is improved and promoted.%证券投资组合问题广泛存在于金融、风险投资等多个领域。文中分别在全部投资和选择性投资两种场合下重点研究了证券投资组合方案选择问题。对于全部投资而言，文中建立起了多目标规划模型并在求解过程中采用理想点法将其转化为线性规划模型，利用LINGO软件求解出最佳投资比例。对于后者，文中通过引入一个服从0-1分布的参数，将其化为一般情况求解。通过一个实例以说明上述方法的应用，并对模型进行了改进与推广。

摘要： 在金融工程技术出现之前，商业银行主要有三种风险管理手段：一是资产负债管理；二是参加商业保险；三是证券组合投资。这三种方法仅是表内控制法。与之相比，金融工程技术对风险管理采用的是表外控制法，即利用金融市场上各种套期保值工具来达到风险规避的目的。

摘要： 基于区间证券组合的系统风险与非系统风险问题,建立一种新的含β约束的区间证券投资组合的多目标优化模型,使得证券组合投资更具柔性,最后,结合实例分析了该模型的现实应用价值.

摘要： 证券投资问题通过数学建模大多转化为多目标优化问题,而求解这些多目标优化问题,目前还没有有效的方法.本文提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法为证券组合投资分析提供了一种全新的途径,最后结合实际数据,利用Matlab语言编程仿真求解并取得了良好的效果.

摘要： On the basis of the security investment theory of MARKOWITZ H, this paper applies mixture experi- ments designs to security portfolio investment. According to the empirical analysis, the maximum portfolio risk will de minimum at the G-optimal experiment design, and cient of portfolio for risk minimum. we can calculate the investment proportional coeffi-%以MARKOWITZH的证券投资理论为基础，考虑基于混料试验设计的证券投资组合研究．实证分析表明：在满足G一最优性的试验设计下，证券组合的最大风险达到最小，从而算得组合风险最小时的投资比例系数．

摘要： 正一、引言本研究遵照国际货币基金组织(IMF)对证券投资组合的定义,将证券投资组合分为债权和股权两种投资形式。IMF《国际收支和国际投资头寸手册》(第六版,2008)强调:职能类别是国际账户中每笔金融交易、头寸和收入所采用的基本分类。在国际账户中,对投资的五个职能类别进行了区分:1.直接投资;2.证券投资;3.金融衍生产品(储备除外)和雇员股票期权;4.其他投资;5.储备资产。其中:证券是具有可流通性的债务和股权工具,证券投资是没有被列入直接投资或储备资产的有关债务或股权证券的跨境交易和头寸。证券的可流通性

摘要： 本文研究了基于动态条件风险值(CVaR)模型的证券组合投资风险度量问题,定义了一种动态CVaR模型,它是一个动态规划问题,可以等价于一个非线性规划问题求解.据此,建立了一个基于动态CVaR的证券组合投资优化模型,通过计算这个模型可以得到在一定置信水平下的证券投资的风险损失值和组合投资比例.应用这个模型对8个股票的价格数据进行了多阶段的风险值和投资比例数值计算,结果表明多阶段组合投资的风险值要比单个阶段更小.控制风险的主要策略是选择低风险的CVaR值的投资组合.

摘要： 本文基于Markowitz资产组合理论,综合考虑证券投资的风险与收益,建立了证券组合投资的多目标规划模型,并用蚁群算法研究了模型的求解,得出了比用Lingo模型求解更好的结果。

摘要： 本文引入允许卖空条件下证券组合投资中冗余证券的概念,指出了冗余证券的存在性,分析了它们存在的相关条件和性质,并且得出,当不含冗余证券时,选定的证券种数越多,风险越小.

摘要： 该文建立的证券组合投资的数学模型采用风险系数β作为控制证券投资风险的参数，其经济意义明确，实用性强。该模型应用于证券组合投资，效果明显，操作方便。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 该文将证券投资的纯粹风险界定为未来的一类可能损失的不确定性。给出了纯粹风险的绝对负偏差和半方差两类测试并用于建立证券投资多目标决策模型。

摘要： 用于投资组合遵从和管理的系统(1)接收关于金融证券的数据,这些金融证券组成来自一个信息源集合的金融基金。设计测试并应用于金融数据以证实该基金按照预定的规则管理。用户可以改正或更新金融数据,但是要记录这一改变的历史,允许完整的审计。可以以一些格式(711,712)诸如在计算机显示器上、打印、或在全球计算机网络诸如万维网上给用户提供金融数据(或基于它们的任何报告)。当由系统得到一定的测试结果时通过紧急手段自动通知用户。可以测试基金是否遵从基金规则(7),可以建立税务报告(8)和产生完整的审计报告而不需多次输入同样的数据。

摘要： 本发明公开了一种资产组合投资价值评估方法、装置、设备及存储介质，属于数据处理技术领域。该方法包括：获取预设时间段内至少两个备选资产对应的收盘价格数据以及初始权重；根据收盘价格数据，得到收益协方差矩阵，并基于收益协方差矩阵，得到风险评估参数；根据收盘价格数据，得到增长潜力参数；基于风险评估参数和增长潜力参数，得到权重推荐值；根据权重推荐值与初始权重，调整备选资产在资产组合中的资产配比。本发明在增长潜力参数的基础上，利用收盘价格数据以及资产权重等数据信息，得到对应的风险评估参数，并结合这些参数优化和更新权重数据，得到更加合理的投资组合资产配比，进而得到一种兼顾投资收益以及投资风险的资产组合。

摘要： 本发明公开了一种5G与电网基础资源共享的多业务组合投资优化方法，包括如下步骤，S1、将投资者的多个预投资业务进行排列组合形成多种多业务组合投资方案；S2、构建多业务组合投资方案效益测算模型、S3、将S1中的每种多业务组合投资方案分别带入S2构建的效益测算模型中求解，综合效益最高的方案为最优多业务组合投资方案，根据最优多业务组合投资方案调整投资者的投资业务，以优化“5G基站与电网基础资源共享”的多业务组合投资方式。本发明有利于电网公司投资多个5G基站与电网基础资源共享业务时，能够兼顾经济效益、环境效益和社会效益；保障电网供电的可靠性，提高电能供应的绿色性；提高公司的市场竞争力，促进电网企业可持续发展。

摘要： 本发明提供一种基于深度强化学习的组合投资方法及智能体，所述基于深度强化学习的组合投资方法，包括：S1，构建加密货币交易场景的基于深度强化学习的策略神经网络，所述策略神经网络使用深度多通道卷积神经网络，并结合了瓶颈注意力机制；S2，训练所述策略神经网络使得其参数最优化；S3，加载训练好的所述策略神经网络，接受实时的加密货币数据，通过所述策略神经网络获得下一个交易周期的资产分配权重，并根据资产分配权重来调整资金在加密货币市场中各个投资标的间的分配，从而实现最优的投资策略。本发明所述基于深度强化学习的组合投资方法及智能体，使用深度多通道卷积神经网络，并结合了瓶颈注意力机制，所以能力较佳。

摘要： 本发明涉及智能决策技术领域，用于提高基金组合投资的预测准确率。本发明提供一种货币基金的组合投资预测方法及预测装置，所述方法包括：获取多支基金的第一历史业绩数据，利用收益预测模型分别确定每支基金的预测收益；获取目标商户的第一历史经营特征，利用流动资金预测模型确定所述商户的预测流动资金；获取目标商户在多个不同时段的当前经营特征，分别将每个所述当前经营特征、所述预测收益和所述预测流动资金作为随机森林模型的决策因子，以获得所述目标商户在所述多个不同时段的候选基金组合；其中每相邻两个时段之间包含交叉时段；根据多个所述候选基金组合中包含的不同基金的出现密度，确定推荐基金组合。

摘要： 本发明公开了一种基于信心指数分析算法的资产组合投资预测方法，具体包括以下步骤：确定初始投资总额和投资组合；获取每种资产的配置比例、预期回报率和风险概率；计算投资组合的预期回报率μ和风险概率σ；确定置信水平β，根据正态分布累积函数的逆函数的高精度计算公式计算出该置信水平下的正态分布累积函数的逆函数值α；分别计算投资组合在其历史市场数据符合标准正态分布和对数正态分布情况下的第k年的回报率范围和投资总价值范围。本发明是一种非随机方法，不需要选取随机数，其分析预测结果与随机数样本大小以及数据分析方法等都无关，可以任意选择希望计算的年份做预测分析，执行效率更高更方便，也更加容易理解和接受。

摘要： 本发明公开了一种多种金融产品组合投资策略风险评估方法,具体包括以下步骤：获取目标金融产品的历史市场数据；获取目标金融产品的投资组合，设定各投资组合方式中两种产品的投资权重；计算目标金融产品的风险概率，获取任意投资组合方式中两种产品的关联系数；根据计算的关联系数得到该投资组合方式的组合风险概率。本发明通过目标金融产品的历史市场数据，通过计算协方差的方式计算得到某一投资组合方式中两种产品之间的关联系数，进而获得该投资组合方式的组合风险概率，使计算出的组合风险率更加贴合当前市场状况，提高了风险评估的准确性。

摘要： 本申请公开了一种基金组合投资管理系统，包括申请受理子系统、数据管理子系统和基金交易子系统，还包括组合管理子系统；申请受理子系统用于接收客户基金交组合投资的申请；数据管理子系统用于储存和管理基金产品数据和客户申请数据；组合管理子系统包括数据获取单元、数据处理单元、基金组合结果存储单元和结果输出单元，用于根据基金产品数据和客户申请数据，进行分析处理得到基金组合结果；基金交易子系统用于根据组合管理系统输出的所述基金组合结果进行交易，将交易信息反馈给组合管理子系统，并传输给数据管理子系统进行储存。本系统将客户申请数据与基金产品数据融合到系统中，使系统更具有针对性和准确性，并且可以节省交易费用。

摘要： 分层或分割综合投资组合可以通过以下方式形成：选择投资证券组；根据与特定资产风险关联的属性将投资证券组分层或分割；并且基于投资证券组的分层位置或分割位置将相关的投资组合权重分配给各部分。属性选自可能值的全域。可以在任意点或位置处施加另外的正偏差和负偏差，所述任意点或位置包括个体资产、任意选择的资产组或任意位置。

摘要： 本发明提供一种证券组合投资的交易策略挖掘方法、系统、设备及存储介质，方法包括：S1，获取证券组合历史交易数据库，其中每个交易为一组项目，将项目按照量化因素和分类因素形成项目集，将因素的值域划分为不同的区间；将项目中一对因素和区间的关系采用布尔关联规则映射为一个布尔项目单元；S2，对所有的布尔项目单元进行两两匹配，形成规则集，计算规则集中所有规则的支持度之和置信度之和；S3，采用贪婪算法优化量化项目的区间；S4，通过数据挖掘算法对优化量化项目的区间进行挖掘，得到满足最小支持度和置信度要求的规则。本发明的方法基于建立基于量化关联规则的模型，以从已知的(基本的、技术的、风险等)因素生成有效的α。