论文部分内容阅读
本文针对标准Markowitz均值-方差投资组合模型的局限性，从三方面进行了改进。一是对约束条件的改进：加入大量的现实约束，并且把交易费用计入可使用的资金中；二是对风险度量的改进：用历史模拟核估计的CVaR作为风险度量替换方差风险度量，从而建立多约束的均值-CVaR的双目标投资组合模型；三是从算法上进行改进：采用遗传算法。
为了用遗传算法求解提出的多约束均值-CVaR的双目标投资组合模型，首先系统的介绍了遗传算法的基本理论、一般流程和收敛性，引入多目标优化问题，阐述了目前多目标遗传算法中的典型策略，然后讨论了目前发展最快、优化效果较好的两种多目标遗传算法：非劣排序遗传算法(NSGA)及其改进快速非劣排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法(SPEA)及其改进SPEA2，总结了主要的遗传算法处理约束的方法。
最后对本文所建立的双目标投资组合模型用遗传算法进行求解，提出了两种思路。一是先将双目标转化为单目标，设计带约束的单目标遗传算法的具体算法。二是直接采用多目标遗传算法，采用不可行度选择算法(IFD)处理约束，把快速非劣排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法的改进SPEA2分别和IFD结合起来，得到计算带约束的多目标问题的IFDNSGA-Ⅱ和IFDSPEA2的算法，并给出算法步骤。