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。     

随机选择设备获得方式的可折旧设备在线租赁

选取截止到2011年底高管所持股票已过禁售期的90家创业板公司作为研究样本,采用最小二乘法分析高管减持和股权结构对创业板公司成长性的影响,研究一股独大的股权结构下公司治理机制对成长性的作用。研究结果表明,核心管理者减持对公司成长性的负面影响显著,初始股权结构是影响处于成长期的创业板公司成长性的主要因素,创业板公司在严格的监管制度下形成被动合规,在股权高度集中的背景下董事会、监事会以及其他内部治理机制的作用弱化,治理的有效性短时间内难以显现;嵌入企业生命周期变量后发现,随着公司的发展,独立董事和监事会的职能逐渐凸显;加强对核心管理者减持行为的监管和优化股权结构有利于提升公司成长性,而创业板公司治理的高起点、高合规性在未来能够成为创业板公司真正实现高成长的制度保障。     

基于绩效比和合同约束的多阶段在线租赁

签订合同租赁是获得设备临时使用权的一种重要方式。设备承租方往往在不知道设备未来需求的情况下就需要确定合同的预租天数,这是一个在线决策问题。基于绩效比分析和线性分数规划方法,依次研究了合同约束下的单阶段和多阶段在线租赁决策问题,分别得到了最优的在线预租策略及其绩效比。借助于数值算例,进一步分析了日收益、租赁费、交易费和损失费等因素对最优预租策略及其绩效比的影响。研究结果可以为设备承租方确定预租天数提供一定的决策依据,也可以在确定租赁费、损失费等方面为设备出租方提供一定的理论指导。     

随机选择设备获得方式的可折旧设备在线租赁

基于可折旧设备在线租赁的特点,首先研究了随机选择租赁和购买两种设备获得方式的可折旧设备在线竞争算法.商品的多样化使得具有同种功能的设备往往具有不同的折旧和购买价格,针对这一特点,进一步提出了转化随机策略,用来解决随机选择多种设备获得方式的可折旧设备在线租赁问题.转化随机策略将随机选择多种设备获得方式转化为随机选择两种设备获得方式,并得到了与折旧相关的竞争比上界.与经典租赁问题的随机性策略相比,折旧的引入和转化随机策略的提出使得竞争比进一步减小,进而竞争性能得到提高.