精华内容
下载资源
问答
  • 组合优化

    2017-05-20 00:44:00
  • 组合优化讲义组合优化讲义组合优化讲义组合优化讲义组合优化讲义
  • BARRA 组合优化

    2018-04-25 23:28:15
    BARRA 组合优化 用于多因子选股的组合构建和优化 非常值得参考
  • 我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化。在本文中,我将介绍投资组合优化并解释其重要性。其次,我将演示粒子群优化如何应用于投资组合优化。第三,我将解释套利交易组合,然后总结我的研究...

    我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化。在本文中,我将介绍投资组合优化并解释其重要性。其次,我将演示粒子群优化如何应用于投资组合优化。第三,我将解释套利交易组合,然后总结我的研究结果。

    组合优化

    投资组合包括资产和投资资本。投资组合优化涉及决定每项资产应投入多少资金。随着诸如多样化要求,最小和最大资产敞口,交易成本和外汇成本等限制因素的引入,我使用粒子群优化(PSO)算法。

    投资组合优化的工作原理是预测投资组合中每种资产的预期风险和回报。该算法接受这些预测作为输入,并确定应在每个资产中投入多少资本,以使投资组合的风险调整回报最大化并满足约束。每种资产的预期风险和回报的预测需要尽可能准确,以使算法表现良好。存在各种方法,在本研究中,我研究了三种常用的方法。

    正态分布式回报 - 在此方法中,创建历史资产值的分布并随机抽样以获得每个资产的未来值。该方法假设历史和未来值是正态分布的。

    返回遵循布朗运动 - 在这种方法中,随着时间的推移生成每个资产的随机游走,表示每日回报。由此计算出投资组合的总体回报。这种方法假设未来的回报遵循随机游走。

    返回遵循几何布朗运动 - 在这种方法中,再次生成随机游走,但根据每日方差和长期市场漂移进行缩放。该方法假设未来的回报遵循缩放的随机游走。

    在我的研究中,我发现第三种方法是最准确的

    粒子群优化(PSO)

    在PSO中,群中的每个粒子表示为向量。在投资组合优化的背景下,这是一个权重向量,表示每个资产的分配资本。矢量转换为多维搜索空间中的位置。每个粒子也会记住它个人最好的历史位置。对于PSO的每次迭代,找到全局最佳位置。这是群体中最好的个人最佳位置。一旦找到全球最佳位置,每个粒子都会更接近其个人最佳位置和全球最佳位置。当在多次迭代中执行时,该过程产生一个解决该问题的良好解决方案,因为粒子会聚在近似最优解上。

    该图描绘了粒子群优化算法相对于全局最佳(蓝色)和个人最佳位置(红色)如何更新群体中每个粒子的位置。

    PSO的表现受到权衡的影响。探索描述了PSO探索搜索空间不同区域的能力。Exploitation描述了PSO将搜索集中在搜索空间的有前途区域的能力。为了增强PSO的探索和开发能力,应用了以下算法增强功能:

    聚合粒子的随机重新初始化 - 通过在粒子聚集在全局最佳粒子上时重新启动粒子来改进探索。使用两个粒子(载体)之间的相似性函数测量收敛。

    如果粒子在全局最佳粒子附近会聚,但不如全局最佳粒子适合,则在搜索空间的某处随机重新初始化。这提高了PSO的探索能力。

    最佳粒子的选择性突变 - 通过初始化邻近全球最佳粒子的邻居来改进。如果邻居比全球最佳粒子更好,则全球最佳粒子被邻居取代。

    对于算法的每次迭代,在全局最佳粒子附近创建邻居。如果这些邻居中的任何一个优于全局最佳粒子,则替换全局最佳粒子。

    使用粒子群优化的投资组合优化

    PSO算法可用于优化投资组合。在投资组合优化的背景下,群中的每个粒子代表投资组合中资产之间的潜在资本分配。这些投资组合的相对适应性可以使用许多平衡风险和预期收益的金融效用函数之一来确定。我使用夏普比率,因为这已成为行业认可的基准投资组合表现标准。考虑以下适用于由三个资产组成的投资组合的PSO图示,

    使用粒子群优化(PSO)的投资组合优化的例证。灰色粒子正在更新。红色粒子是灰色粒子的个人最佳位置,蓝色粒子是全球最佳位置。

    灰色粒子转换为向量(0.5,0.2,0.3),意味着投资组合资本的50%分配给资产1,20%分配给资产2,30%分配给资产3。该分配的预期夏普比率为0.38,小于个人最佳位置(红色粒子)和全球最佳位置(蓝色粒子)。这样,灰色粒子的位置被更新,使得它更接近全局最佳粒子和个人最佳粒子。

    使用粒子群优化(PSO)的投资组合优化的例证。灰色粒子被更新,使其更接近全球最佳,并且是个人最佳的。得到的矢量比以前更好。

    灰色粒子已移动,现在转换为矢量(0.3,0.3,0.4),其预期夏普比率为0.48。该值高于之前的个人最佳位置,因此个人最佳位置(红色粒子)将更新为当前位置。

    使用粒子群优化(PSO)的投资组合优化的例证。个人最佳位置(红色粒子)现已更新为粒子的当前位置。

    使用粒子群优化的真正挑战是确保满足投资组合优化的约束。如前所述,存在许多限制。最常见的限制因素首先是资产之间不再分配和不少于100%的可用资本(即权重向量必须加起来为1.0)。其次,不允许对资产进行负面分配。最后,资本应该分配给投资组合中至少这么多资产。后者是基数约束。两种常用技术用于确保粒子满足约束条件,

    修复不满足约束的粒子 - 对于不满足约束的每个粒子,应用一组规则来改变粒子的位置。

    惩罚不满足约束的粒子的适应性 - 对于不满足约束的每个粒子,惩罚该粒子的夏普比率。

    贸易组合

    对于我的研究,我将这种技术应用于套利交易组合。套利交易组合包括多个套利交易。 套利交易是一种交易策略,其中交易者卖出利率相对较低的货币,并使用这些资金购买不同的货币,从而产生更高的利率。使用此策略的交易者试图捕捉称为利率差异的利率之间的差异。

    通过使多种货币的投资多样化,可以减轻外汇损失的风险,但不能消除。因此,套利交易的投资组合本身风险低于个别套利交易。在套利交易投资组合的背景下,投资组合优化的目标是进一步降低外汇损失的风险,同时提高投资组合实现的投资回报。

    日元,美元,南非兰特和巴西雷亚尔之间的交易组合。投资组合优化的目标是确定应为每笔交易分配多少资金以优化风险调整回报。

    在我的研究中,我使用粒子群优化算法来确定一组套利交易之间的投资资本的最优分配。我的研究中的套利交易投资组合包括22种不同的货币。货币包括澳元,巴西雷亚尔,加拿大元,瑞士法郎,人民币,丹麦克朗,欧元,英镑,印尼盾,以色列新谢克尔,印度卢比,墨西哥比索,马来西亚林吉特,挪威克朗,新西兰元,菲律宾比索,俄罗斯卢布,瑞典克朗,泰铢,土耳其里拉和美元。

    如果您有任何疑问,请在下面发表评论。

    展开全文
  • 组合优化问题与仿生优亿算法 数学建模培训 何谓组合优化问题? 组合最优化( combinatorial optimization)是通过对 数学方法的研究去寻找离散事件的最优编排分组次 序或筛选等所研究的问题涉及信息技术经济管理 工业...
  • 组合优化投资组合包括资产和投资资本。投资组合优化涉及决定每项资产应投入多少资金。随着诸如多样化要求,最小和最大资产敞口,交易成本和外汇成本等限制因素的引入,我使用粒子群优化(PSO)算法。投资组合优化的...

    组合优化

    投资组合包括资产和投资资本。投资组合优化涉及决定每项资产应投入多少资金。随着诸如多样化要求,最小和最大资产敞口,交易成本和外汇成本等限制因素的引入,我使用粒子群优化(PSO)算法。

    投资组合优化的工作原理是预测投资组合中每种资产的预期风险和回报。该算法接受这些预测作为输入,并确定应在每个资产中投入多少资本,以使投资组合的风险调整回报最大化并满足约束。每种资产的预期风险和回报的预测需要尽可能准确,以使算法表现良好。存在各种方法,在本研究中,我研究了三种常用的方法。

    正态分布式回报 - 在此方法中,创建历史资产值的分布并随机抽样以获得每个资产的未来值。该方法假设历史和未来值是正态分布的。

    返回遵循布朗运动 - 在这种方法中,随着时间的推移生成每个资产的随机游走,表示每日回报。由此计算出投资组合的总体回报。这种方法假设未来的回报遵循随机游走。

    返回遵循几何布朗运动 - 在这种方法中,再次生成随机游走,但根据每日方差和长期市场漂移进行缩放。该方法假设未来的回报遵循缩放的随机游走。

    在我的研究中,我发现第三种方法是最准确的

    粒子群优化(PSO)

    在PSO中,群中的每个粒子表示为向量。在投资组合优化的背景下,这是一个权重向量,表示每个资产的分配资本。矢量转换为多维搜索空间中的位置。每个粒子也会记住它个人最好的历史位置。对于PSO的每次迭代,找到全局最佳位置。这是群体中最好的个人最佳位置。一旦找到全球最佳位置,每个粒子都会更接近其个人最佳位置和全球最佳位置。当在多次迭代中执行时,该过程产生一个解决该问题的良好解决方案,因为粒子会聚在近似最优解上。

    # 此类包含群中的粒子代码class Particle:velocity = []pos = []pBest = []def __init__(self):for i in range(dimension):self.pos.append(random.random())self.velocity.append(0.01 * random.random())self.pBest.append(self.pos[i])return

    该图描绘了粒子群优化算法相对于全局最佳(蓝色)和个人最佳位置(红色)如何更新群体中每个粒子的位置。

    # 此类包含粒子群优化算法类粒子参数优化器class ParticleSwarmOptimizer:solution = []swarm = []def __init__(self):for h in range(swarmSize):particle = Particle()self.swarm.append(particle)

    PSO的表现受到权衡的影响。探索描述了PSO探索搜索空间不同区域的能力。Exploitation描述了PSO将搜索集中在搜索空间的有前途区域的能力。为了增强PSO的探索和开发能力,应用了以下算法增强功能:

    聚合粒子的随机重新初始化 - 通过在粒子聚集在全局最佳粒子上时重新启动粒子来改进探索。使用两个粒子(载体)之间的相似性函数测量收敛。

    如果粒子在全局最佳粒子附近会聚,但不如全局最佳粒子适合,则在搜索空间的某处随机重新初始化。这提高了PSO的探索能力。

    最佳粒子的选择性突变 - 通过初始化邻近全球最佳粒子的邻居来改进。如果邻居比全球最佳粒子更好,则全球最佳粒子被邻居取代。

    对于算法的每次迭代,在全局最佳粒子附近创建邻居。如果这些邻居中的任何一个优于全局最佳粒子,则替换全局最佳粒子。

    使用粒子群优化的投资组合优化

    PSO算法可用于优化投资组合。在投资组合优化的背景下,群中的每个粒子代表投资组合中资产之间的潜在资本分配。这些投资组合的相对适应性可以使用许多平衡风险和预期收益的金融效用函数之一来确定。我使用夏普比率,因为这已成为行业认可的基准投资组合表现标准。考虑以下适用于由三个资产组成的投资组合的PSO图示,

    使用粒子群优化(PSO)的投资组合优化的例证。灰色粒子正在更新。红色粒子是灰色粒子的个人最佳位置,蓝色粒子是全球最佳位置。

    灰色粒子转换为向量(0.5,0.2,0.3),意味着投资组合资本的50%分配给资产1,20%分配给资产2,30%分配给资产3。该分配的预期夏普比率为0.38,小于个人最佳位置(红色粒子)和全球最佳位置(蓝色粒子)。这样,灰色粒子的位置被更新,使得它更接近全局最佳粒子和个人最佳粒子。

    使用粒子群优化(PSO)的投资组合优化的例证。灰色粒子被更新,使其更接近全球最佳,并且是个人最佳的。得到的矢量比以前更好。

    灰色粒子已移动,现在转换为矢量(0.3,0.3,0.4),其预期夏普比率为0.48。该值高于之前的个人最佳位置,因此个人最佳位置(红色粒子)将更新为当前位置。

    使用粒子群优化(PSO)的投资组合优化的例证。个人最佳位置(红色粒子)现已更新为粒子的当前位置。

    使用粒子群优化的真正挑战是确保满足投资组合优化的约束。如前所述,存在许多限制。最常见的限制因素首先是资产之间不再分配和不少于100%的可用资本(即权重向量必须加起来为1.0)。其次,不允许对资产进行负面分配。最后,资本应该分配给投资组合中至少这么多资产。后者是基数约束。两种常用技术用于确保粒子满足约束条件,

    修复不满足约束的粒子 - 对于不满足约束的每个粒子,应用一组规则来改变粒子的位置。

    惩罚不满足约束的粒子的适应性 - 对于不满足约束的每个粒子,惩罚该粒子的夏普比率。

    贸易组合

    日元,美元,南非兰特和巴西雷亚尔之间的交易组合。投资组合优化的目标是确定应为每笔交易分配多少资金以优化风险调整回报。

    非常感谢您阅读本文,有任何问题请在下面留言!

    展开全文
  • nilmtk 组合优化算法

    2018-07-21 20:54:53
    这个代码是NILMTK中的CO代码,主要利用组合优化算法来做电荷负载分解
  • 场景:我尝试在多个时期的场景中,使用不同的约束条件(权重、风险、风险规避…)进行多个投资组合优化。在我已经做了些什么:从cvxpy的例子中,我发现了如何在一个非线性二次公式下优化投资组合,该公式产生了投资...

    场景:我尝试在多个时期的场景中,使用不同的约束条件(权重、风险、风险规避…)进行多个投资组合优化。在

    我已经做了些什么:从cvxpy的例子中,我发现了如何在一个非线性二次公式下优化投资组合,该公式产生了投资组合组成中资产的权重列表。我的问题是,尽管我有15年的月度数据,但我不知道如何针对不同的时期进行优化(代码,就其当前形式而言,在我的数据的整个时间跨度内产生最佳组合)。在

    问题1:是否可以针对不同时期对代码进行优化。比如1个月、3个月、4个月、6个月、9个月、12个月(在这种情况下,每个周期产生不同的权重),如果是这样的话,怎么能做到呢?。在

    问题2:是否可以限制每个投资组合构成中的资产数量?实现这一目标的最佳方法是什么?(当前的代码使用了所有这些,但是我想在资产数量有限时进行测试,以控制周转水平)。在

    代码:from cvxpy import *

    from cvxopt import *

    import pandas as pd

    import numpy as np

    prices = pd.DataFrame()

    logret = pd.DataFrame()

    normret = pd.DataFrame()

    returns = pd.DataFrame()

    prices = pd.read_excel(open('//folder//Dgms89//calculation v3.xlsx', 'rb'), sheetname='Prices Final')

    logret = pd.read_excel(open('//folder//Dgms89//calculation v3.xlsx', 'rb'), sheetname='Returns log')

    normret = pd.read_excel(open('//folder//Dgms89//calculation v3.xlsx', 'rb'), sheetname='Returns normal')

    returns = normret

    def calculate_portfolio(returns, selected_solver):

    cov_mat = returns.cov()

    Sigma = np.asarray(cov_mat.values)

    w = Variable(len(cov_mat))

    gamma = quad_form(w, Sigma)

    prob = Problem(Minimize(gamma), [sum_entries(w) == 1])

    prob.solve(solver=selected_solver)

    weights = []

    for weight in w.value:

    weights.append(float(weight[0]))

    return weights

    展开全文
  • 组合优化问题

    2013-05-28 16:28:11
    详细讲解组合优化问题--东大公开课···
  • 4 Classification of optimization problem (IP: integer programming, MINLP: mixed integer non-linear programming, MILP: mixed integer linear programming, LP: linear ...其中,离散优化又称组合优化. me..
  • HeaderTable_User112225320012001441631200144163 金融工程HeaderTable_Stock股票代码投资评级 组合优化的若干问题评级变化行业codeHeaderTable ——因子选股系列研究之三十五_Excel研究结论 ...
  • 国外组合优化经典教材,适合运筹专业的同学认真学习!非常经典!
  • 关于机组组合优化的matlab程序,包含原始数据,已经输出到表格里,可直接运行
  • IP核组合优化问题的PSO求解
  • 基于状态转移矩阵的云服务组合优化
  • 基于LINGO的机组组合优化,陈雁飞,周继鹏,为了研究机组组合的情况,本文以机组总费用最小为目标,以机组的物理特性以及电力系统的限制为约束条件,应用数学规划的方法建立
  • 投资组合优化 使用MATLAB比较投资组合优化策略
  • 整数规划 组合优化 整数规划 组合优化 整数规划 组合优化 整数规划 组合优化
  • 交叉熵方法应用于组合优化问题的求解,与小概率事件仿真的思想相同但又有差异。
  • 算法组合 优化算法Photo by Markus Spiske (left) and Jamie Street (right) on Unsplash Markus Spiske (左)和Jamie Street(右)在Unsplash上的照片 In the last post, we saw how actual algorithms are developed ...
  • 组合优化问题,组合数学的重要部分 组合数学 重要部分
  • 中国科技论文在线 面向组合优化问题的智能优化算法解质量 评价方法# 1,2 1,2 1,2* 刘珍宝 冯祖仁 常洪浩 5 1. 西安交通大学系统工程研究所西安 710049 2. 西安交通大学机械制造系统工程国家重点实验室西安 710049 ...
  • 组合优化基础

    2008-04-06 20:10:33
    中科院计算所的组合优化讲稿
  • 在本文中,我将介绍投资组合优化并解释其重要性。其次,我将演示粒子群优化如何应用于投资组合优化。第三,我将解释套利交易组合,然后总结我的研究结果。组合优化投资组合包括资产和投资资本。投资组合优化涉及决定...
  • 我今年的研究课题是使用粒子群优化(PSO)的货币进位交易组合优化。在本文中,我将介绍投资组合优化并解释其重要性。其次,我将演示粒子群优化如何应用于投资组合优化。第三,我将解释套利交易组合,然后总结我的...
  • 组合优化理论和算法

    2014-06-10 12:04:24
    组合优化Combinatorial optimization.. theory and algorithms
  • 组合优化导论.越民义

    2010-10-14 14:21:28
    越民义组合优化导论组合优化导论组合优化导论组合优化导论组合优化导论组合优化导论
  • po4j Java投资组合优化
  • 为了寻求快速、高效的算法在合理的计算时间内解决大规模组合优化问题以克服目前许多算法的不足,本文提出了一种新的编码方法,将离散的组合空间一一映射到连续的整数区间,结合进化策略的成熟搜索机制提高新算法的性能....
  • 因此,本文提出了一种基于凸包构建的组合服务优化算法(CM-HEU)用以解决QoS感知的服务组合优化问题.CM-HEU首先通过对组合服务中的每组任务进行凸包构建,以减少搜索空间.然后通过对初始解向量的多次升级和一次降级操作...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 13,395
精华内容 5,358
关键字:

组合优化