部分信息下不同存贷利率的投资策略

本文研究部分信息下存贷利率不同情形极大化终止时刻期望对数效用的最优投资策略问题.运用非线性规划、Ito公式以及非线性滤波技术,本文得到了最优投资策略的显式解,最优策略易于实时计算.     

参数不确定性和效用最大化下的动态投资组合选择

标准投资组合选择理论假设投资者准确地知道与资产收益率相关的各种参数(例如均值和方差),忽视了参数不确定性引致的估计风险给投资决策带来的影响.本文研究引入参数不确定和学习时的连续时间动态投资组合选择问题,使用鞅方法求导出了具有CRRA型效用函数的投资者的最优投资策略的显式表达式.在此基础上,我们结合中国证券市场中的实际数据深入分析了参数不确定性以及投资者初始信念对最优投资策略的影响.     

指数效用下企业的风险投资策略

本文在指数效用函数的假设条件下,讨论具有随机风险的企业,极大化期望终止效用的最优投资策略问题。企业投资选择是储蓄、贷款及风险投资(如购买股票)交易。本文主要结果是:从贷款利率高于存款利率的实际出发,运用随机最优控制理论,对于具有随机风险的企业,得到使企业期望终止效用取最大值的最优投资策略,并对这些结果给出了应用举例。     

考虑延误时间成本的最优路边停车策略研究

本文研究了延误时间成本作用下,出行者面对路边停车空位随机分布的寻位策略选择.出行者将做出提前多久出发和提前多远寻位的组合决策,其成本不但包括确定的路上行驶成本,还包括依赖于实时变化路边停车空位分布的延误时间成本和期望寻车成本.依据出行者到达目的地可能的延误状态,区分了三种不同的寻位策略,其中“不早到”策略被证明不可能成为最优选择,而“早停早到”策略和“早停迟到”策略则在不同条件下可能成为最优选择,尤其是单位迟到时间成本小于单位早到时间成本时,“早停迟到”策略是最优停车策略.算例结果支持了模型分析的结论.     

现实约束下多阶段模糊投资组合的时间一致性策略研究

考虑交易成本约束、借款约束、阈值约束、收益需求约束和基数约束,本文提出多阶段均值—标准下半方差模糊投资组合模型并讨论了该模型的时间一致性最优投资策略。具体如下：首先,基于可能性理论,将模型转化为非线性动态优化问题;由于标准半方差是不可离散的,模型的最优解不具有时间一致性。其次,为获得时间一致的最优投资策略,本文采用博弈论,将该模型转化为时间一致性动态优化问题,并运用离散近似迭代方法求解。最后,通过具体算例比较不同风险偏好系数、不同基数约束和不同借款约束的最优投资策略,以验证模型和算法的有效性。     

双重随机不确定条件下的一次性容量扩展投资

考察在未来市场价格和新增容量利用率双重不确定条件下,一次性容量扩展项目投资的最优时机选择问题.应用实物期权的相关理论和方法,建立了一个以投资期权价值最大化为目标函数,以期望第一触点时间为决策变量的项目投资决策模型,并设计了基于Riskoptimizer软件包的仿真优化算法.最后的仿真算例表明了双重随机不确定因素对容量扩展项目最优投资时机选择的定量影响.     

技术不确定下新产品引进策略的设计和应用

产业技术的动态发展和企业之间的产品竞争影响企业新产品的引进策略,决定新产品的引进周期和产品质量.在产业技术动态不确定的条件下构建随机动态规划模型,基于产业技术进步和产品市场竞争的影响因素作用,探讨企业进行新产品引进的最优时间策略和最优产品质量选择,对新产品引进的周期和质量决策进行方法设计和应用举例.利用随机动态规划模型得出新产品引进的最优时间周期和产品质量,用算例分析技术进步和技术不确定性对企业引进周期策略的影响,采取策略迭代的方法进行求解,发现技术进步较快时企业的新产品引进步伐也较快,技术不确定使企业的新产品引入步伐加快、产品周期缩短,企业进行新产品开发需要更多的投资.     

基于贝叶斯随机规划方法的养老保险基金投资策略研究

结合中国养老保险基金投资现状,利用随机规划建立中国养老基金投资策略模型,依据Minnesota法则改进贝叶斯向量自回归参数分布的确定方法.根据改进的贝叶斯向量自回归模型生成资本市场未来收益情景,得到养老基金最优投资策略并给出模拟计算具体步骤.最后结合历史数据进行模拟分析,结果表明模型能够根据实际情况优化资产配置.     

嵌入收益保证股票挂钩票据的最优投资策略

本文从投资机构的视角出发,将发行嵌入收益保证的股票挂钩票据(GELN)的最优投资策略问题转换为收益保证下的最优投资策略问题进行研究.在随机利率框架下,利用随机最优控制的方法得到了最优投资策略的解.结论表明最优投资策略可以分为三部分:投机策略、利率对冲策略、收益保证对冲策略.由于在GELN产品的标准收益结构中设定了收益的上下限,这就相当于投资机构卖出了一个牛市价差期权给投资者,期权价值被反映在最优化问题的目标函数中,所以最优投资策略解中出现了新的期权参数项.     

V aR 之下厚尾分布的最优资产组合的收敛性

主要研究在V aR 风险度量之下, 收益具有厚尾性质的资产的投资组合问题. 证明了基于 尾部分布二阶展开的最优投资组合收敛于基于尾部分布一阶展开的最优投资组合. 因此, 对于 V aR 风险度量之下的最优投资组合问题, 如果要求的风险承受水平充分低, 则只需要利用尾 部分布的一阶展开代替厚尾部分布进行近似计算, 就可以达到满意的精度, 从而不需要进行复 杂的高阶运算.     

基于最优停时理论的创业投资退出决策模型研究

创业投资的退出是创业投资运作过程中最关键的环节,对创业投资退出问题的研究是创业投资理论的关注重点。论文以研究创业投资不同退出方式的价值为对象,基于创业投资项目产生的现金流遵循几何布朗运动假设的基础上,分析了创业投资项目采取立即退出的价值和继续维持以获取最优退出方式的价值,以最优停时理论为建模依据,比较这两种情况的价值构建了创业投资退出时机的一般模型。在分析不同退出方式产生的退出损益基础上,结合一般模型构建了最优退出方式和最优退出时机相结合的退出决策模型。论文提出了一个分析创业投资退出决策的一般模型,并用该模型对一个实例进行模拟分析,以便验证模型的实用性。     

具有模糊旅行时间的VRP的一种混合遗传算法

传统确定性车辆路径问题是近几十年来运筹学领域研究的一个热点问题.但在许多实际的应用中,由于受客观世界中存在的不确定性因素以及人类观察、认识事物的模糊性的影响,车辆路径问题的某些参数可能是模糊的、不确定的.文中传统确定性车辆路径问题被扩展为具有模糊特征的模糊车辆路径问题.在对具有模糊旅行时间的车辆路径问题进行简单描述的基础上,构建了该问题的数学模型,并通过将模糊逻辑、模糊控制方法与传统车辆路径问题的遗传算法进行有效结合,提出了解决该问题的一种混合遗传算法.最后给出了该问题的一个计算实例,并通过随机模拟试验验证了该算法的有效性和优越性.     

价格下界随时间递增的占线采购问题

本文研究的是价格不确定且其下界随时间递增的原材料采购问题。在实际的原材料采购问题中,原材料的价格随时间的变动往往是不可预测的。之前的学者在研究价格不确定的占线采购问题时,假设价格在一个统一的常数上下界内,这没有考虑到经过时间的变化,价格的上下界可能也是变化的。本文提出并研究价格下界随时间递增的原材料占线采购问题。构建了相应数学模型,给出了相应的竞争采购策略并证明了竞争比,同时通过证明问题的匹配竞争比下界,说明给出的竞争采购策略是最优的,最后利用数值分析进一步说明竞争策略具有较好的竞争性能。     

应对并购风险的可转债与阶段性支付模型与案例研究

本文运用模型研究了可转债和阶段性支付在抑制双边道德风险以及减小不确定性风险中所发挥的作用,并通过SZ能源集团并购案例详细考察了我国国有上市公司在并购过程中所存在的各种风险。结果表明,内嵌转股期权的可转债支付合约可以有效抑制并购中的双边道德风险,在阶段性支付的辅助下,则更能有效地防范市场相关风险。最后,为了更好的说明可转债和阶段性支付对于并购风险的防范作用,我们进一步通过案例分析了可转债和阶段支付的应用情况,发现阶段性支付思想已经体现在并购的现金支付方式中,但是可转债支付在国内并购中的应用尚不多见。     

随机环境中的生产作业计划问题

生产系统中通常会涉及各种不确定因素 ,如不确定的顾客定单、不确定的生产作业时间等 .在当今时间竞争非常激烈的时代中 ,生产型企业如何把握生产系统中的这些不定因素变得尤为关键 .本文研究在不确定的作业时间、工序间延迟时间等情况下的生产作业计划问题 ,利用 scenario模型把这类随机生产计划问题归纳为一个多阶段随机决策问题 .进而 ,采用Lagrangian松弛和 scenario分解的方法求解这样一个大型的决策问题 .最后 ,就一个实例建立模型、进行计算和分析 ,以说明本文提出的随机生产计划方法的特点和有效性     

基于灰信息变元的泛函博弈模型研究

现实社会生活中存在局中人的博弈策略或收益值是变元（如时间、环境、空间、制度或相关其它变元）映射的一类博弈问题。本文从灰信息变元的角度给出了的泛函区间灰数的概念,设计了泛函区间灰数的表征形式,提供了泛函区间灰数之间的大小比较与运算法则。分析基于不确定信息的泛函博弈问题,并描述其形式与框架,可以展示不确定信息下博弈的特征、性质、战略表达形式。运用优化理论及其相关技术方法,设计基于不确定信息优化的求解算法,即通过研究和构造泛函博弈收益值的广义满秩扩充方阵求解最优博弈策略和博弈收益值问题,不仅为现实生活中的不确定信息问题提供新的解题思路,更为实际问题的解决提供新的方法参考。最后结合案例“盗版与打击盗版”问题通过计算机仿真对其博弈均衡结果进行详细的对比分析,说明了本文提出基于信息变元泛函博弈模型的科学性和计算结果的精确性。     

The selective minimum latency problem under travel time variability: An application to post-disaster assessment operations

In this paper, we consider a new selective routing problem, where a subset of customers should be serviced by a limited fleet of vehicles with the aim of minimizing the total latency. A service level constraint is added to guarantee that a minimum system performance is achieved. Assuming that the travel times are uncertain, we address the problem through a mean-risk approach. The inclusion of risk in the objective function makes the problem computationally challenging. To solve it, we propose an efficient heuristic, relying on a variable neighbourhood search mechanism, able to strike the balance between service level and latency. A detailed discussion of the model, which includes simulation tests and a sensitivity analysis, is carried out to illustrate the applicability of our approach in a post-disaster scenario, taking as a case study the Haiti earthquake in 2010. Additional computational experiments show that the proposed heuristic is effective for this difficult problem and often matches optimal solutions for small and medium-scale benchmark instances.     

Manufacturing network configuration in supply chains with product recovery

Efficient implementation of product recovery requires appropriate network structures. In this paper, we study the network design problem of a firm that manufactures new products and remanufactures returned products in its facilities. We examine the capacity decisions and expected performance of two alternative manufacturing network configurations when demand and return flows are both uncertain.     

Multimode time-cost-robustness trade-off project scheduling problem under uncertainty

The time/cost trade-off problem is a well-known project scheduling problem that has been extensively studied. In recent years, many researchers have begun to focus on project scheduling problems under uncertainty to cope with uncertain factors, such as resource idleness, high inventory, and missing deadlines. To reduce the disturbance from uncertain factors, the aim of robust scheduling is to generate schedules with time buffers or resource buffers, which are capped by project makespan and project cost. This paper addresses a time-cost-robustness trade-off project scheduling problem with multiple activity execution modes under uncertainty. A multiobjective optimization model with three objectives (makespan minimization, cost minimization, and robustness maximization) is constructed and three propositions are proposed. An epsilon-constraint method-based genetic algorithm along with three improvement measures is designed to solve this NP-hard problem and to develop Pareto schedule sets, and a large-scale computational experiment on a randomly generated dataset is performed to validate the effectiveness of the proposed algorithm and the improvement measures. The final sensitivity analysis of three key parameters shows their distinctive influences on the three objectives, according to which several suggestions are given to project managers on the effective measures to improve the three objectives.

     

Scenario aggregation in single-resource production planning models with uncertain demand

In this paper we present an application of the scenario aggregation approach proposed by Rockafellar and Wets to a simple standard multi-product multi-period production planning problem with uncertain demand and setup cost modelled by logical zero-one variables. The uncertainty in demand is expressed by a number of demand scenarios. As compared with more traditional approaches that require distributional assumptions and/or estimates of parameters from historical demand data, the scenario approach offers greater flexibility and makes it possible to take subjective information into account. The scenario aggregation principle and the corresponding progressive hedging algorithm offer a theoretically sound basis for generating consistent solutions for production planning models with uncertain demand. Since the production planning problem studied in this paper is of mixed-integer type the original scenario aggregation approach cannot be applied directly. However, since the integer variables in the production planning model are indirectly coupled to the continuous production decisions an alternative method in which only the production quantities are used to couple the different realizations can be used. This paper is a first attempt to perform this form of coupling. We illustrate the ideas on a small example and use this example to demonstrate how the solution can be evaluated in terms of flexibility measures.