改进粒子群优化算法及其在CVaR模型中的应用

被引：19

作者：

常先英

李荣钧

机构：

[1] 华南理工大学工商管理学院

来源：

统计与决策 | 2009年 / 08期

关键词：

粒子群算法; 混合算法; 投资组合; 条件受险价值(CVaR);

D O I：

10.13546/j.cnki.tjyjc.2009.08.010

中图分类号：

O212 [数理统计];

学科分类号：

070103 [概率论与数理统计];

摘要：

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解。在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法。

引用

页码：144 / 146

页数：3

共 7 条

[1]

基于遗传算法的CVaR模型研究 [D].

王雨飞 .

西安电子科技大学,

2007

[2]

Credit risk optimization with Conditional Value-at-Risk criterion..[J].Fredrik Andersson;Helmut Mausser;Dan Rosen;Stanislav Uryasev.Math. Program..2000, 2

[3]

惯性权值对粒子群算法收敛性的影响及改进 [J].

黄翀鹏 ;

熊伟丽 ;

徐保国 .

计算机工程, 2008, (12) :31-33

[4]

基于时间持续性的动态风险度量模型 [J].

安实 ;

孙健 ;

王岩 .

系统管理学报, 2007, (05) :518-523

[5]

粒子群算法在投资组合中的应用 [J].

张波 ;

陈睿君 ;

路璐 .

系统工程 , 2007, (08) :108-110

[6]

基于带变异算子粒子群优化算法的约束布局优化研究 [J].

李宁 ;

刘飞 ;

孙德宝 .

计算机学报, 2004, (07) :897-903

[7]

CVaR与投资组合优化统一模型 [J].

陈金龙 ;

张维 .

系统工程理论方法应用, 2002, (01) :68-71

← 1 →