《兩類投資組合最佳化問題的模型與算法研究》是依託長沙理工大學，由戴志鋒擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：兩類投資組合最佳化問題的模型與算法研究
- 項目類別：青年科學基金項目
- 項目負責人：戴志鋒
- 依託單位：長沙理工大學
項目摘要,結題摘要,
項目摘要
如何減輕參數擾動對投資組合問題最優權重的影響，是近年來金融和最佳化領域共同關心的問題。魯棒最佳化與正則化是兩種解決該問題的主要方法。但魯棒投資組合最佳化模型因過於忽略歷史信息的部分可知性，存在過於保守的問題。正則化投資組合問題最佳化尚處於起步階段，模型還需要完善，且該類問題的求解尚缺少有效的算法。. 本項目旨在研究：1)考慮抽樣樣本的誤差，根據資產分布和收益的特徵, 構建非對稱不確定集，建立新型魯棒風險價值(VaR)及條件風險價值(CVaR)投資組合最佳化模型，來解決以往魯棒模型過於保守的問題。2) 根據正則化投資組合最佳化問題的特殊結構，設計基於光滑函式的增廣拉格朗日乘子法，以及近似梯度下降算法。通過數值模擬和實證分析，檢驗模型和算法的有效性。. 本項目的研究在理論上將進一步豐富現代投資組合理論，在實踐中將為投資者提供決策技術參考，也可為最最佳化理論及算法的套用探索新的方向。
結題摘要
在投資組合最佳化的理論與實踐中，人們早已認識到，馬科維茨均值-方差模型使用樣本均值和樣本協方差矩陣是次優的，通常產生不穩定的權重和極端差的樣本外表現。如何減輕參數擾動對投資組合問題最優權重的影響，是近年來金融和最佳化領域共同關心的問題。本項目主要採用魯棒最佳化方法與正則化方法來解決這一關鍵問題。 本項目旨在研究：1)考慮抽樣樣本的誤差，根據資產分布和收益的特徵, 構建非對稱不確定集，建立新型魯棒風險價值(VaR)及條件風險價值(CVaR)投資組合最佳化模型，來解決以往魯棒模型過於保守的問題。2) 根據正則化投資組合最佳化問題的特殊結構，設計基於光滑函式的增廣拉格朗日乘子法，以及近似梯度下降算法。通過數值模擬和實證分析，檢驗模型和算法的有效性。在本項目的資助下，目前項目組發表SCI/SSCI收錄論文8篇，並有3篇論文在審。 本項目的研究在理論上將進一步豐富現代投資組合理論，在實踐中將為投資者提供決策技術參考，也可為最最佳化理論及算法的套用探索新的方向。
