基于遗传–蚁群算法的证券组合投资优化研究
Research on Protfolio Investment Optimization Based on Genetic-Ant Colony Algorithm

作者: 王慧颖 :中央财经大学统计与数学学院,北京; 衣梦涵 :东北农业大学理学院,黑龙江 哈尔滨; 刘昊 :中央财经大学管理科学与工程学院,北京;

关键词: 证券组合投资多目标规划遗传算法蚁群算法算法融合Portfolio Investment Multi-Objective Programming Genetic Algorithm Ant Colony Algorithm Algorithm Fusion

摘要: 基于Markowitz资产组合理论,综合考虑证券投资的风险和收益,建立证券组合投资的多目标规划模型,融合遗传算法和蚁群算法应用于上述模型的求解。具体地,将具有快速全局搜索能力的遗传算法产生的问题初始解转化为蚁群算法的初始信息分布,再对蚁群进行遗传操作,最后利用蚁群算法的并行性、正反馈机制、求解效率高的特征寻求最优解。实验结果表明:上述两种算法的融合在求解质量和效率上均优于单独的遗传算法或蚁群算法。

Abstract: Based on the Markowitz portfolio theory, the multi-objective programming model of portfolio investment is established when considering the risk and return of portfolio investment. The genetic algorithm and ant colony algorithm are combined and applied to solve the above model. In detail, the initial solution of problems which is generated by the genetic algorithm with fast global searching ability is transformed into the initial information distribution of the ant colony algorithm. And then we carry on the genetic operation to the ant colony. Finally, we use the ant colony algorithm parallelism, positive feedback mechanism and the solution efficiency high characteristic to seek the optimal solution. Experiments show that: the fusion of the two algorithms has better behaviors on the quality and efficiency than separate genetic algorithm or ant colony algorithm.

文章引用: 王慧颖 , 衣梦涵 , 刘昊 (2016) 基于遗传–蚁群算法的证券组合投资优化研究。 建模与仿真, 5, 161-169. doi: 10.12677/MOS.2016.54021

参考文献

[1] Markowitz, H. (1952) Portfolio Selection. The Journal of Finance, 7, 77-91.
https://doi.org/10.1111/j.1540-6261.1952.tb01525.x

[2] 刘侠, 刘红霞, 王科俊. 基于粒子群算法的证券组合投资模型的研究[J]. 投资模型的研究, 2006(16): 49-51.

[3] 陈国良, 王熙法, 庄镇泉, 王东生. 遗传算法及其应用[M]. 北京: 北京人民邮电出版社, 1996: 56-61.

[4] 云庆元. 遗传算法与遗传规则[M]. 北京: 冶金工业出版社, 1997: 3-7.

[5] Dorigo, M. and Stutzle, T. (2004) Ant Colony Optimization. The MIT Press, London, England, 69-75.

[6] 恩格尔伯里特. 计算群体智能基础[M]. 谭营, 译. 北京: 清华大学出版社, 2009: 46-51.

[7] Dorigo, M. and Gambardella, L.M. (1997) Ant Colonies for the Travelling Salesman Problem. Biosystems, 43, 73-81.
https://doi.org/10.1016/S0303-2647(97)01708-5

[8] 肖宏峰, 谭冠政. 遗传算法在蚁群算法中的融合研究[J]. 小型微型计算机系统, 2009, 30(3): 512-517.

[9] 李士勇. 蚁群算法及其应用[M]. 哈尔滨: 哈尔滨工业大学出版社, 2004: 78-82.

[10] 米凯利维茨. 演化程序: 遗传算法和数据编码的结合[M]. 周家驹, 何险峰, 译. 北京: 科学出版社, 2000, 89-92.

[11] 金海丰. 基于遗传算法的企业生产调度研究[D]: [硕士学位论文]. 武汉: 华中科技大学, 2011.

[12] 王喆. 蚁群算法及其在火力分配问题中的应用[J]. 火力与指挥控制, 2009, 34(11): 92-94.

[13] Ding, J.L., Chen, Z.Q. and Yuan, Z.Z. (2003) On the Combination of Genetic Algorithm and Ant Algorithm. Journal of Computer Research and Development, 40, 1351-1356.

[14] 段海滨. 蚁群算法原理及其应用[M]. 北京: 科学出版社, 2010: 112-116.

[15] Markowitz, H. (1952) Portfolio Selection. The Journal of Finance, 7, 77-91.
https://doi.org/10.1111/j.1540-6261.1952.tb01525.x

[16] 刘侠, 刘红霞, 王科俊. 基于粒子群算法的证券组合投资模型的研究[J]. 投资模型的研究, 2006(16): 49-51.

[17] 陈国良, 王熙法, 庄镇泉, 王东生. 遗传算法及其应用[M]. 北京: 北京人民邮电出版社, 1996: 56-61.

[18] 云庆元. 遗传算法与遗传规则[M]. 北京: 冶金工业出版社, 1997: 3-7.

[19] Dorigo, M. and Stutzle, T. (2004) Ant Colony Optimization. The MIT Press, London, England, 69-75.

[20] 恩格尔伯里特. 计算群体智能基础[M]. 谭营, 译. 北京: 清华大学出版社, 2009: 46-51.

[21] Dorigo, M. and Gambardella, L.M. (1997) Ant Colonies for the Travelling Salesman Problem. Biosystems, 43, 73-81.
https://doi.org/10.1016/S0303-2647(97)01708-5

[22] 肖宏峰, 谭冠政. 遗传算法在蚁群算法中的融合研究[J]. 小型微型计算机系统, 2009, 30(3): 512-517.

[23] 李士勇. 蚁群算法及其应用[M]. 哈尔滨: 哈尔滨工业大学出版社, 2004: 78-82.

[24] 米凯利维茨. 演化程序: 遗传算法和数据编码的结合[M]. 周家驹, 何险峰, 译. 北京: 科学出版社, 2000, 89-92.

[25] 金海丰. 基于遗传算法的企业生产调度研究[D]: [硕士学位论文]. 武汉: 华中科技大学, 2011.

[26] 王喆. 蚁群算法及其在火力分配问题中的应用[J]. 火力与指挥控制, 2009, 34(11): 92-94.

[27] Ding, J.L., Chen, Z.Q. and Yuan, Z.Z. (2003) On the Combination of Genetic Algorithm and Ant Algorithm. Journal of Computer Research and Development, 40, 1351-1356.

[28] 段海滨. 蚁群算法原理及其应用[M]. 北京: 科学出版社, 2010: 112-116.

分享
Top