动态多目标免疫优化算法在不确定环境投资组合中的应用研究

本文主要探讨了在不确定投资环境中，如何构建一个多目标投资组合模型并采用动态优化方法进行求解。研究者钱淑渠、韩燕飞和李晓丽针对瞬息万变的金融市场，借鉴Markowitz的均值-方差模型（M-V模型），在此基础上发展出了一种适用于实时决策的时变投资组合模型。他们将时间单位设定为天，通过设定的采样周期来动态计算收益率和方差，从而适应市场波动。 在这个模型中，投资决策不仅关注预期收益的最大化，也兼顾风险的最小化，形成一个多目标优化问题。他们引入了一种动态多目标免疫优化算法，这是一种结合免疫系统原理的优化方法，能够有效地处理多目标问题，寻找收益-风险之间的最优权衡。研究者选取了深沪300指数中的23种资产，以其2009年1月至2月的实际日交易数据作为实验样本。 实验结果显示，这种动态多目标免疫优化算法能够准确地追踪收益-风险的Pareto有效面，即在不同风险水平下，找到所有可能的最优收益组合。这意味着该算法能够在众多可能的投资策略中，找到那些在给定风险水平下收益最高的投资组合。此外，研究还发现采样周期的选择对于在相同风险下获取的收益有显著影响，这提示投资者应根据市场变化动态调整采样频率以优化投资策略。 这一研究的成果对于投资组合理论的发展具有重要价值，因为它强调了在不确定环境下，动态调整和优化投资策略的重要性，以及多目标优化方法在实际投资决策中的实用性和有效性。未来的研究可以进一步探索其他优化算法在投资组合管理中的应用，或者研究如何更好地处理更复杂的市场动态，以提升投资绩效。