A novel portfolio optimization model via combining multi-objective optimization and multi-attribute decision making
A novel portfolio optimization model via combining multi-objective optimization and multi-attribute decision making
复制标题
一种结合多目标优化和多属性决策的新型投资组合优化模型
DOI：
10.1007/s10489-021-02747-y
复制
发表时间：
2021-08
影响因子：
5.3
通讯作者：
Jiming Zheng
中科院分区：
文献类型：
--
作者：
Yongjie Zheng;Jiming Zheng
为了解决投资组合优化问题，提出了一种多目标优化与多属性决策相结合的方法，求解了以条件风险价值（CVaR）度量风险并包含交易费用的双目标投资组合优化模型。首先，在多目标优化阶段，提出了一种基于稀疏策略的多种群并行NSGA-Ⅱ（SMP-NSGA-Ⅱ），以获得模型的多个Pareto最优解。其次，在多属性决策阶段，为了反映不同的投资偏好，对得到的Pareto最优集进行模糊C均值聚类，然后采用灰色关联投影法对属于同一聚类的解进行评价，选出最优折衷解。最后，对我国沪深两市的9只半导体股票进行了案例研究，给出了不同投资偏好下的最优折衷投资组合。同时，将该算法与其他6种多目标进化算法进行了比较，验证了该算法具有一定的竞争力。
In order to solve the problem of portfolio optimization, this paper proposes a method that combines multi-objective optimization and multi-attribute decision-making to solve the dual-objective portfolio optimization model with conditional value-at-risk (CVaR) measuring risk and including transaction costs. First, in the multi-objective optimization stage, a multi-population parallel NSGA-II based on sparsity strategy (SMP-NSGA-II) is proposed to obtain multiple Pareto optimal solutions of the model. Second, in the multi-attribute decision-making stage, in order to reflect different investment preferences, the Pareto optimal set obtained is clustered through the fuzzy C-means, and then the grey relational projection method is used to evaluate the solutions belonging to the same cluster to select the optimal compromise solution. Finally, a case study of 9 semiconductor stocks in China’s Shanghai and Shenzhen stock markets is carried out, and the optimal compromise portfolio under different investment preferences is given. At the same time, the proposed algorithm is compared with the other six multi-objective evolutionary algorithms (MOEAs), which verifies that the algorithm in this paper has certain competitiveness.
登录
查看更多内容
投影
DOI：
10.1007/springerreference_64173
发表时间：
2020
期刊：
Definitions
影响因子：
--
作者：
["Jun
通讯作者：
["Jun
DOI：
10.1016/j.procs.2015.08.618
发表时间：
2015
期刊：
--
影响因子：
--
作者：
M. Emmerich;A. Deutz;I. Yevseyeva
通讯作者：
M. Emmerich;A. Deutz;I. Yevseyeva
DOI：
--
发表时间：
2007
期刊：
--
影响因子：
--
作者：
Xiao Bin
通讯作者：
Xiao Bin
影响因子：
1.7
作者：
Jing-Rung Yu;W. P. Chiou;Jian-Hong Yang
通讯作者：
Jing-Rung Yu;W. P. Chiou;Jian-Hong Yang
DOI：
10.1007/s11432-020-2894-9
发表时间：
2021-03
期刊：
Science China Information Sciences
影响因子：
--
作者：
A. Khan;Xinwei Cao;Shuai Li;B. Hu;V. Katsikis
通讯作者：
A. Khan;Xinwei Cao;Shuai Li;B. Hu;V. Katsikis