改进的粒子群算法及在CVaR模型中的应用

被引：3

作者：

刘衍民 ^{[1
]}

赵庆祯 ^{[2
]}

牛奔 ^{[3
]}

机构：

[1] 遵义师范学院数学系

[2] 山东师范大学管理与经济学院

[3] 深圳大学管理学院

来源：

数学的实践与认识 | 2011年 / 41卷 / 17期

关键词：

广义学习; 粒子群算法; 柯西变异; 条件风险价值(CVaR);

D O I：

暂无

中图分类号：

O212.1 [一般数理统计];

学科分类号：

摘要：

为了求解带有条件风险价值(CVaR)约束的均值-方差模型,提出一种基于广义学习和柯西变异的粒子群算法(CCPSO).在CCPSO算法中,为了提升种群跳出局部最优解的能力,引入一种广义学习策略,提升粒子向最优解飞行的概率;并引入一种动态变异概率,对粒子自身最优位置进行柯西变异,更好地引导种群的飞行;最后,根据全局最优粒子的运行状况,每间隔若干代对其进行变异,以产生全局新的领导者.在基准函数测试中,结果显示CCPSO算法有较好的运行结果.在CVaR模型投资组合优化中,与其它算法相比,CCPSO算法所获结果是有效的,并且优于其它算法.

引用

页码：139 / 147

页数：9

共 12 条

[1]

Particle swarm optimization. Kennedy J, Eberhart RC. Proceedings of IEEE International Conference on Neural Networks . 1995

[2]

A cooperative approach to particle swarm optimization. Vanden Bergh F, Engelbrecht A P. IEEE Transactions on Evolutionary Computation . 2004

[3]

Economic implication of using a mean-VaR model for portfolio selection: a comparison with mean-variance analysis. Alexander G, Baptista A. Journal of Econometrics . 2002

[4]

Optimization of conditional value-at-risk. Rockfeller T, Uryasev S. The Journal of Risk . 2000

[5]

Portfolio selection. Markowitz HM. The Journal of Finance . 1952

[6]

Portfolio Optimization with Conditional Value-at-Risk Objective and Constraints. Krokhmal,P,Palmquist,J,Uryasev,S. The Journal of Risk . 2002

[7]

Economic implications of using a mean-VaR model for portfolio selection: A comparison with mean-variance analysis[J] . Gordon J. Alexander,Alexandre M. Baptista. &nbspJournal of Economic Dynamics and Control . 2002 (7)

[8]

A hybrid particle swarm algorithm with Cauchy mutation. Wang H,Liu C. IEEE Swarm Intelligence Symposium . 2007

[9] 一种基于动态邻居和变异因子的粒子群算法 [J].

刘衍民 ;

赵庆祯 ;

隋常玲 ;

邵增珍 .

控制与决策, 2010, (07) :968-974

[10]

Self-organizing hierarchical particle swarm optimizer with time-varying acceleration coefficients. Ratnaweera A,Halgamuge SK,Watson HC. IEEE Transactions on Evolutionary Computation . 2004

← 1 2 →