掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
價值心法
-
>
從零開始學炒股:股票入門與實戰
-
>
女人財務自由之路:女人一旦了解理財投資操作.比男人多賺5%
-
>
世界投資經驗:點石成金--投資大師煉金術
-
>
巴菲特投資經驗:跟著巴菲特學投資
-
>
日本蠟燭圖技術:古老東方投資術的現代指南
-
>
在股市大崩潰前拋出的人
投資組合最優決策問題研究 版權信息
- ISBN：9787522006918
- 條形碼：9787522006918 ; 978-7-5220-0691-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
投資組合最優決策問題研究 內容簡介
本書在總結現代投資組合理論的基礎上，重點探索了投資機會集中參數不確定性、風險資產收益過程的可預測性、時變性和跳躍性對動態資產組合選擇的影響。結合實際的投資環境，綜合模糊決策理論、集成預測方法、隨機*優控制等技術，對連續的、多期投資組合問題、摩擦市場的多階段動態投資問題以及含金融衍生品的資產配置問題進行分析和研究，為投資者和金融決策機構提供了新的分析手段和模型。 本書可作為經濟管理類高年級本科生和相關專業的研究生教材，也可供從事投資分析和量化投資管理的研究人員閱讀參考。
投資組合最優決策問題研究 目錄
**章 緒 論1
1.1 研究背景及研究意義1
1.1.1 研究的背景1
1.1.2 研究的意義2
1.2 相關文獻研究綜述6
1.2.1 投資組合的靜態模型6
1.2.2 動態投資組合模型7
1.2.3 國內研究綜述11
1.3 論文的研究內容和結構安排12
1.3.1 主要研究內容12
1.3.2 結構安排14
1.4 研究思路和方法17
1.5 本書的主要創新點17
第二章 基于集成預測的模糊投資組合選擇20
2.1 預測理論及方法20
2.1.1 基于粒子群優化的SVM算法20
2.1.2 基于遺傳神經網絡的預測模型22
2.1.3 ARIMA時間序列預測模型23
2.1.4 基于熵值法的集成預測24
2.2 基于均值-方差-熵優化的模糊投資組合模型25
2.2.1 預備知識25
2.2.2 含模糊約束的均值-方差-熵優化的模糊投資組合模型26
2.3 實證研究29
2.3.1 預優化30
2.3.2 組合預測31
2.4 均值-方差-熵優化的模糊投資組合結果33
2.5 本章小結35
第三章 摩擦市場下的多階段動態資產組合配置策略36
3.1 摩擦市場下動態投資組合決策模型37
3.1.1 動態投資組合模型的建立37
3.1.2 基于粒子群優化和神經網絡混合智能算法的模型求解39
3.2 基于*小二乘支持向量機預測的參數估計41
3.2.1 *小二乘支持向量機41
3.2.2 資產收益率的影響因子43
3.3 實證研究43
3.3.1 預優化處理44
3.3.2 *小二乘支持向量機預測44
3.3.3 動態投資組合的參數和優化結果45
3.4 本章小結46
第四章 隨機環境下的連續時間*優資產組合選擇47
4.1 連續時間金融的數學基礎47
4.2 問題的提出及模型的建立48
4.2.1 效用的定義49
4.2.2 連續時間的資產組合模型49
4.3 *優投資策略50
4.3.1 模型求解50
4.3.2 結果討論51
4.3.3 模型的擴展52
4.3.4 模型時變參數的GARCH估計53
4.4 算例54
4.5 本章小結55
第五章 極大極小風險下的跳擴散連續時間資產配置策略57
5.1 連續時間的投資組合決策模型58
5.1.1 跳擴散投資組合模型的建立58
5.1.2 極大極小風險約束60
5.2 基于數值逼近算法的模型求解61
5.2.1 HJB方程61
5.2.2 數值逼近算法62
5.3 基于神經網絡預測的參數估計63
5.4 實證研究64
5.4.1 組合中投資標的的選擇64
5.4.2 參數估計65
5.4.3 跳擴散的連續時間投資組合的優化結果65
5.5 本章小結67
第六章 含期權的連續時間投資組合*優策略69
6.1 含期權的連續時間投資組合決策模型70
6.1.1 模型的建立70
6.1.2 基于微分方程有限差分法的模型求解72
6.2 套期保值策略74
6.3 算例74
6.4 本章小結78
第七章 隨機利率和通貨膨脹下的*優資產組合選擇79
7.1 考慮通貨膨脹等因素的投資組合決策模型80
7.1.1 模型的建立80
7.1.2 改進數值逼近算法的模型求解83
7.2 基于支持向量機的參數估計85
7.3 實證研究85
7.3.1 模型參數估計85
7.3.2 連續時間*優資產組合的優化結果86
7.4 本章小結89
第八章 含股指期貨的投資組合套利策略研究90
8.1 基于Alpha套利的投資組合優化模型91
8.1.1 Alpha套利的投資組合構建91
8.1.2 Alpha套利策略93
8.2 遺傳神經網絡優化算法的實現94
8.2.1 自適應的遺傳算法及其混合編碼94
8.2.2 混合編碼下的遺傳神經網絡算法96
8.3 實證研究97
8.3.1 數據預處理97
8.3.2 實證研究中的具體約束條件和退火參數98
8.3.3 實證方法和實證結果99
8.4 本章小結101
總結與展望103
研究內容及結論總結103
未來研究思路展望104
參考文獻107
附錄1 GABP算法主要程序代碼117
附錄2 粒子群尋優主要程序代碼119
展開全部
投資組合最優決策問題研究 作者簡介
李愛忠，男，漢族，北京航空航天大學金融工程專業管理學博士，研究方向為大數據分析、智能金融、數理經濟與風險管理。長期致力于投資組合與風險管理、金融衍生品定價、機器學習及經濟預測等方面研究，主持國家社會科學基金1項, 開發了《證券投資組合和基金評價綜合集成系統》，曾參與國家自然科學基金項目6項、國家社會科學基金項目1項，在《中國管理科學》、《系統工程理論與實踐》等核心期刊發表相關學術論文數十篇，研究成果集中在集成預測、穩健矩陣回歸、非線性資產定價、投資組合及風險管理等方面。
書友推薦
- >
自卑與超越
- >
二體千字文
- >
唐代進士錄
- >
羅庸西南聯大授課錄
- >
姑媽的寶刀
- >
史學評論
- >
我從未如此眷戀人間
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
