分支蚁群动态扰动算法求解TSP问题

蚁群优化算法是一种求解组合优化难题的强启发式算法,它利用正反馈和并行计算原理,具备很强的搜索能力。近年来,蚁群优化算法广泛应用于TSP问题的研究。本文提出分支蚁群动态扰动(DPBAC)算法,该算法主要从5个方面对基本蚁群算法做出改进:引入分支策略选取出发城市;改进状态转移规则;引入变异策略改进蚂蚁路径;改进信息素更新规则;引入条件动态扰动策略。实验表明,该算法可以有效改善基本蚁群算法搜索时间较长、容易陷入局部极小等缺点。     

车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

基于在线算法的改进指数梯度投资组合策略

弱集成算法是对专家意见进行动态加权平均的在线学习算法。近年来,机器学习和人工智能等方法被用来研究在线投资组合问题。该文从弱集成算法的在线学习及其序列决策性角度出发,设计改进的指数梯度在线投资组合策略,以弥补指数梯度在线投资组合策略不能结合交易费用进行分析的缺陷。首先根据指数梯度在线投资组合策略的更新方法构建代表投资策略的专家意见池,并以此为基础应用弱集成算法加权集成专家意见得到改进的指数梯度在线投资组合策略,证明了该策略可与最优专家策略(基准策略)相媲美。其次将交易费用引入到改进的指数梯度在线投资组合策略中,进一步给出对应的投资策略,重要的是理论上证明了该策略实现的平均累积收益与最优专家策略实现的平均累积收益之间的差值存在渐进式下界,从而提高了指数梯度在线投资组合策略的实用性。最后利用国内外股票市场的历史数据进行实证分析,说明了改进的指数梯度在线投资组合策略的可行性和有效性。     

ACO算法在投资组合中的运用

证券投资组合优化是降低投资风险的有效方法之一.该文基于现有的相关文献,并将蚂蚁算法引入证券投资组合优化领域,对Markowitz的资产组合模型进行了必要的改进.在对ACO算法作出相应的定义与描述的基础上,文章运用实例检验ACO算法,结果表明该算法具有较好的收敛性、稳定性和合理性,是求解证券投资组合优化问题的一种较好的方法.     

基于条件风险值CVaR模型的房地产组合投资的风险度量与策略

降低房地产投资风险不仅是房地产企业、投资者关注的问题,更是降低金融风险的重要内容.本文着重研究了基于条件风险值(CVaR)模型的房地产组合投资风险度量问题,通过定义离散α-VaR、α-CVaR损失值以及α-FCVaR损失值的等价函数,建立了基于离散CVaR模型的房地产组合投资优化模型,通过计算得到在一定置信水平下的组合投资比例和风险损失,从而为房地产投资决策提供依据.论文用2003-2005年我国六大城市房价数据实验,结果表明控制房地产风险的一种主要策略是选择低风险的CVaR值的投资组合.     

基于实物期权的房地产投资项目评价

房地产投资项目具有较大的风险和不确定性,因而制定科学的投资项目评价方法就显得十分重要,而传统的投资项目评价方法已不再适合评估房地产投资项目的价值。本文将实物期权方法运用于房地产投资项目评价,通过实例分析计算来说明该方法较传统的投资项目评价方法更适合于评估房地产投资项目的价值,增加了投资决策的合理性。     

基于强化学习PPO算法的上市公司投资组合管理

传统的投资组合管理方法往往依赖于经验规则或数学模型,难以充分利用市场信息和动态调整投资策略。为了解决这一问题,文章提出一种基于强化学习PPO(Proximal Policy Optimization)算法的新方法。使用上市公司的历史数据进行训练和测试,与传统投资策略和其他强化学习算法进行比较,实验结果表明,基于强化学习PPO算法的投资组合管理方法在投资回报率和风险控制方面取得了显著的改进。     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。     

浅谈房地产项目开发各阶段工作质量对投资控制的影响

近几年来,随着城市化的不断发展,房地产行业得到了飞速的发展,各开发企业也越来越重视房地产开发的投资管理与控制。本文主要对房地产项目开发过程中,各个阶段的工作质量对投资控制的影响进行分析,找出影响投资的关键所在,确实提出行之有效的投资控制方法,实现投资利润最大化,以此来降低房地产项目投资的风险,增强其在市场经济中的竞争力。     

具有灵活时间期限的混合投资组合优化模型

在经济全球化和金融一体化背景下,投资者资产配置需求变得越来越多元化。如何构建合理的多元化投资组合已成为金融理论研究的热点问题之一。为此,本文考虑由项目、股票及无风险资产组成的混合投资组合选择问题。假定在资产组合的投资期限由所选中项目执行期灵活确定的前提下,投资者同时考虑项目间依赖与排斥关系、交易成本及破产风险控制等现实因素,提出以终端财富净现值最大为目标的混合投资组合优化模型。然后,设计改进的多策略融合人工蜂群算法对所构建模型进行求解。最后,借助算例分析来阐明所提出模型的实用性及算法有效性。研究结果表明：灵活时间期限的混合投资组合策略较现有的灵活时间期限的项目投资组合策略更为有效。     

The liquidity crisis of German open-end real estate funds and their impact on optimal asset allocation in retirement

In course of the recent turmoil in the financial markets, several open-end real estate funds froze redemption of their units, resulting in unanticipated and unprecedented liquidity and performance shocks for investors. Against this background, we analyze the long- and short-term risk and return profiles of open-end real estate funds and their role in efficient multi-asset retirement portfolios. To this end, we introduce the Retirement Efficient Frontier, describing those investment strategies that minimize the lifetime probability of ruin for specific levels of periodic withdrawals from a given retirement wealth. We find that for low to moderate periodic withdrawals, efficient portfolios consist of up to 85% real estate fund investments in case fund units are continuously redeemable. Moreover we show that even if there is a monthly probability of 2.5% that redemption of fund units is temporarily suspended, the allocation into real estate funds in risk-efficient portfolios is only slightly affected. Yet, if funds additionally face a high risk of having to depreciate their property portfolio during a liquidity crisis, their share in efficient retirement portfolios is reduced significantly.     

基于股价预测的泛证券投资组合策略

本文基于期望效用最大化和L₁-中位数估计研究了在线投资组合选择问题。与EG（Exponential Gradient）策略仅利用单期价格信息估计价格趋势不同，本文将利用多期价格信息估计价格趋势，以提高在线策略的性能。首先，基于多期价格数据，利用L₁-中位数估计得到预期价格趋势。然后，通过期望效用最大化，提出一个新的具有线型时间复杂度的在线策略，EGLM（Exponential Gradient via L₁-Median）。并通过相对熵函数定义资产权重向量的距离，进而证明了EGLM策略具有泛证券投资组合性质。最后，利用国内外6个证券市场的历史数据进行实证分析，结果表明相较于UP（Universal Portfolio）策略和EG策略，EGLM策略有更好的竞争性能。     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一，忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此，本文构建了包含条件偏度的组合投资模型，并给出其建模方法。首先，运用MIDAS-QR模型，改善条件偏度测度效果；其次，基于CRRA效用函数，将组合投资权重设计为条件偏度和特征变量的线性组合，建立组合投资模型并给出求解方案；最后，从沪深300指数中选取10支代表性成分股进行实证研究，从收益、风险和Sharpe比率等方面，将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较，分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法，其测度结果受异常值影响小，表现稳定；条件偏度对组合投资决策具有显著影响，包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。     

金融市场条件高阶矩风险与动态组合投资

针对传统组合投资理论没有考虑高阶矩风险和静态处理问题两大缺陷,提出多元GARCHSK模型用于衡量时变的高阶矩风险,基于效用函数的Taylor展开推导出带有高阶矩风险的动态组合投资策略,并利用遗传算法进行求解。实证研究表明,中国股市不仅存在高阶矩风险,而且风险具有时变特征;为防范高阶矩风险,投资者需要动态地修正他的资产配置权重。     

Adjexpectile风险测度的性质、优化及资产配置的应用

金融风险的度量和识别是风险管理的重要内容，常用的风险度量工具是标准差、VaR、ES，但存在很多缺陷，expectile的提出弥补了这些不足，在理论界得到广泛的讨论和应用。本文扩展了expectile进行资产配置，提出Adjexpectile的概念，并讨论和分析了Adjexpectile的一致性风险度量、随机占优性、凸性，与标准差、VaR、shortfall的关系，风险贡献及风险分解的性质。通过对六个资产指数：上证国债指数、上证企业债指数、上证180指数、深圳100指数、深成长40p指数和黄金现货指数的复合周收益率数据进行组合优化配置，发现Adjexpectile在非对称性收益数据、组合前沿、风险分散方面具有一定的优越性。     

蚁群算法研究评述

对蚁群算法的相关研究领域进行了评述,阐述并分析了蚁群算法的研究进展,重点介绍了蚁群算法及其一系列改进算法的基本原理和应用研究成果,最后从发展重点和未来应用等方面探讨了蚁群算法研究的进一步发展方向.     

基于指派博弈的房地产市场运行机制研究

针对目前房地产市场的特点,以博弈论为工具分析了房地产市场参与主体的行为。首先,建立基于政府、开发商和消费者三方指派博弈模型,对三方指派博弈的核心可能为空的情况,提出了改进的核心法,并在此基础上给出了补偿金制度的设想。随后,建立仅针对开发商和消费者的二方指派博弈模型,并与三方指派博弈模型进行对比分析,论证了政府不直接参与房地产市场交易而由市场自身发挥主导作用的合理性。最后,举例进行了分析说明,并给出了相关政策建议。