论文部分内容阅读
从股票市场形成的那天起,合理的投资所带来的利润就深深的吸引着每一位投资者,人们已经无法满足把钱存入银行所带来的微薄收益,大量的资金涌入股票市场。但是我们同样要认识到股票市场的残酷性,如果在操盘过程中做出了错误的判断面对的将是沉痛的打击,所以对于寻找一个成熟的股票投资方法一直是专家学者孜孜不倦探索的方向。然而股市所受的影响因素众多,股价系统内部以及外部结构的复杂性,决定完成这样一项任务是相当困难的,利用传统的预测及统计工具已无法适应这样的多变性,在这一领域新的分析模型的产生将是进一步研究的目标。传统的方法经常把遗传算法和神经网络结合运用到股市的投资预测领域,这种方法的研究已经取得了一定程度的进展,它主要专注于单只股票或几只股票等小规模的预测。然而本文所介绍的算法主要是从另一个角度去探索证券投资方法,一般情况下购买的股票数量越多,注入资金量越大,获利的效果也越好。所以本算法主要适用于企业级用户,实现他们在投资中的无风险套利。本算法中用到了遗传算法、二次规划、以及退火算法等传统的数学模型,同时也都做了相应的改进已达到较好的实现效果。1、利用遗传算法从大量的股票集合中计算出一组最优的投资组合,为了避免遗传算法局部收敛等弊病,我们通过采用调节交叉变异算子、适应度函数以及对传统算法结构的改良等措施,得到了比较满意的结果。2、对于这一投资组合,我们采用二次规划模拟沪深300指数的方式计算每一只股票的权重值,再利用退火算法通过控制退火的温度,调节终止条件,对这一组权重值进行微调以优化拟合效果。3、整个算法的测试数据我们都采用历年真实的股市行情,通过对比加入退火算法前后的实验效果以及与其他同类目的算法的比较证明了算法的可行性。本文的整个实现过程是在公司完成,所描述的算法是公司产品的一个重要组成部分。算法在经过大量的改进优化后,效率、准确性得到了显著改善,与同类产品中的优势比较突出,证明了混合遗传模拟退火算法在证券投资组合中的应用具有良好的可行性。