最優(yōu)化方法及其在投資組合中的應(yīng)用

最優(yōu)化方法及其在投資組合中的應(yīng)用

ID:34473710

大小:3.65 MB

頁(yè)數(shù):98頁(yè)

時(shí)間:2019-03-06

最優(yōu)化方法及其在投資組合中的應(yīng)用_第1頁(yè)
最優(yōu)化方法及其在投資組合中的應(yīng)用_第2頁(yè)
最優(yōu)化方法及其在投資組合中的應(yīng)用_第3頁(yè)
最優(yōu)化方法及其在投資組合中的應(yīng)用_第4頁(yè)
最優(yōu)化方法及其在投資組合中的應(yīng)用_第5頁(yè)
資源描述:

《最優(yōu)化方法及其在投資組合中的應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、湖南大學(xué)博士學(xué)位論文最優(yōu)化方法及其在投資組合中的應(yīng)用姓名:安曉敏申請(qǐng)學(xué)位級(jí)別:博士專業(yè):應(yīng)用數(shù)學(xué)指導(dǎo)教師:李董輝20090630最優(yōu)化方法及其在投資組合中的應(yīng)用摘要本文研究求解無(wú)約束優(yōu)化問(wèn)題的下降算法以及魯棒優(yōu)化在投資組合中的應(yīng)用.對(duì)于無(wú)約束優(yōu)化問(wèn)題的求解,我們利用投影技術(shù),給出一個(gè)構(gòu)造關(guān)于目標(biāo)函數(shù)充分下降方向的方法.特別是,投影Newton方向、擬Ne毗on方向、共軛梯度方向等均成為充分下降方向.該性質(zhì)與目標(biāo)函數(shù)的凸性以及算法所采用的線性搜索無(wú)關(guān).此外,若采用適當(dāng)?shù)某跏疾介L(zhǎng)選取方式,Ne毗on法和擬Ne毗on法仍可保持超線性收斂性.在此基礎(chǔ)上我們特別研究采用Armijo線性搜索的

2、PSB(PoⅥre】】.Symmetric_Broyden)擬Ne毗on算法.我們證明,投影PSB算法用于求解一致凸函數(shù)的極小化問(wèn)題時(shí)具有全局收斂性和超線性收斂速度.?dāng)?shù)值實(shí)驗(yàn)表明我們的算法可以與BFGS算法相媲美。經(jīng)過(guò)50多年的發(fā)展,投資組合選擇的理論研究和實(shí)踐已經(jīng)取得了相當(dāng)豐富的成果.投資組合選擇簡(jiǎn)而言之就是把財(cái)富分配到不同的資產(chǎn)中,以達(dá)到分散風(fēng)險(xiǎn),確保收益的目的.最優(yōu)化方法已成為研究最優(yōu)投資組合的一種主要工具.在投資組合優(yōu)化決策模型中,參數(shù)如收益率的期望值、協(xié)方差矩陣等由于受隨機(jī)因素的影響,在實(shí)際當(dāng)中很難得到精確的估計(jì)值.最常用的方式是利用統(tǒng)計(jì)方法對(duì)它們進(jìn)行估計(jì),不同的統(tǒng)計(jì)技術(shù)

3、會(huì)產(chǎn)生不同的估計(jì)值.但參數(shù)的微小變化會(huì)對(duì)問(wèn)題的最優(yōu)解產(chǎn)生很大的影響.如何利用最優(yōu)化方法處理這些不確定性是一個(gè)非常值得關(guān)注與研究的問(wèn)題并已引起廣泛關(guān)注.魯棒優(yōu)化作為一種能有效處理含不確定因素優(yōu)化問(wèn)題的手段近年來(lái)引起了人們極大關(guān)注.魯棒優(yōu)化的本質(zhì)是將參數(shù)不確定性處理成能夠直接描述且相對(duì)簡(jiǎn)單的形式(如矩形、橢球),在較好的擬合參數(shù)不確定性的前提下,把原問(wèn)題轉(zhuǎn)化為易于求解的確定型最優(yōu)化問(wèn)題,使其解在輸入任何可能的參數(shù)時(shí),結(jié)果在一定的概率保證下接近最優(yōu).本文對(duì)于含有不確定參數(shù)的均值方差模型和基于下方風(fēng)險(xiǎn)CVaR的魯棒投資組合優(yōu)化模型.基于魯棒優(yōu)化理論的最新進(jìn)展,結(jié)合統(tǒng)計(jì)或時(shí)間序列,構(gòu)造形式較

4、為簡(jiǎn)單的不確定集作為對(duì)參數(shù)不確定性的近似,把原問(wèn)題轉(zhuǎn)化為易于求解的確定型最優(yōu)化問(wèn)題,得到魯棒性與最優(yōu)性都較為滿意的解.并通過(guò)市場(chǎng)數(shù)據(jù)對(duì)模型的可操作性和實(shí)用性進(jìn)行驗(yàn)證.本文還將研究指數(shù)化投資組合,將線性跟蹤誤差作為偏離基準(zhǔn)指數(shù)的風(fēng)險(xiǎn),在保證超額收益一定的情況下,極小化跟蹤誤差.本文研究模型參數(shù)為多種不確定集時(shí)的魯棒形式,得到具有魯棒性的解.并通過(guò)市場(chǎng)數(shù)據(jù)對(duì)模型的可操作性和實(shí)用性進(jìn)行驗(yàn)證.對(duì)機(jī)構(gòu)投資者而言,進(jìn)行變現(xiàn)時(shí)有必要考慮交易成本.最優(yōu)執(zhí)行策略需在使交易成本極小時(shí)保持交易成本的不確定性(交易成本的方差)低于可以接受的水博士學(xué)位論文平.參數(shù)(如永久性和臨時(shí)性沖擊系數(shù)、市場(chǎng)價(jià)格的波動(dòng)率

5、)通常是利用統(tǒng)計(jì)方法進(jìn)行估計(jì).由于受隨機(jī)因素的影響,在實(shí)際當(dāng)中很難得到精確的估計(jì)值.本文將魯棒思想應(yīng)用至針對(duì)機(jī)構(gòu)投資者的最優(yōu)變現(xiàn)模型的研究.研究魯棒最優(yōu)變現(xiàn)模型,得到魯棒性與最優(yōu)性都較為滿意的解,并對(duì)模型進(jìn)行實(shí)證分析.此博士論文得到了國(guó)家自然科學(xué)基金(10771057)和教育部重大項(xiàng)目(309023)的資助.關(guān)鍵詞:無(wú)約束優(yōu)化;充分下降方向;PSB算法;全局收斂性;魯棒優(yōu)化;投資組合;風(fēng)險(xiǎn)度量;跟蹤誤差最優(yōu)化方法及其在投資組合中的應(yīng)用AbstractWestudysu伍cientde8centdirectionsinunconstrainedoptimizationandtheap

6、plicationofrobustoptimiza七ioninportfblio.Fbfunco璐trainedoptimization,weproposeawaytocoIlstructsu伍cientde-8centdirectio璐bytheuSeofaprojectiontechnique.Basedonthisprojectiontechnique,theprojectedNe毗ondirection,quasi—Ne訊ondirectioIlsalndconjugate鏟adientdirection8盯eall8umcientdescentdirections.Iti

7、simportanttonotethatthispropertydoesnotrelyontheconve)(ityoftheobjectivefunction.Itisalsoindependentwiththelinesearchused.FIurthermore,bychoosingappropriatesteplen酗h,theaboveprojectedNewtonmethodandquasi—N鉀兒onmethodscanmaintainsuperline

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。