×
何一凡;克劳斯·阿兰哈

使用MOEA/D和Lévy flight解决投资组合优化问题。 （英语） Zbl 07500169号

高级数据科学。适应。分析。 12，第3-4号，文章ID 2050005，33页（2020年）.
摘要：投资组合优化是一项财务任务，需要在一组金融资产上分配资本，以实现收益和风险之间的更好权衡。为了解决这个问题，最近的研究应用了多目标进化算法（MOEA），因为它具有自然的双目标结构。本文提出了一种将基于分布的变异方法Lévy Flight注入到基于分解的MOEA MOEA/D中的方法，以及其他基于分布的变异方法，基于OR库中的5个投资组合优化基准，大小从31到225，无约束，使用6个指标进行评估。数值结果和统计检验表明，该方法在大多数情况下都优于比较方法。我们分析了Lévy Flight如何通过在优化的早期促进全局搜索来促进这一改进。我们通过考虑变异方法和问题性质之间的相互作用来解释这种改进。此外，我们还表明，我们的方法在日经指数上具有很好的舍入约束。

MSC公司：

62至XX 统计

关键词：

投资组合优化;MOEA/D公司;莱维航班

软件：

玉
PDF格式BibTeX公司 XML格式引用
\textit｛Y.He｝和\textit｛C.Aranha｝，高级数据科学。适应。分析。12，编号3--4，文章ID 2050005，33 p.（2020；Zbl 07500169）
全文： 内政部

参考文献：

[1] Ali，M.和Pant，M.（2011年）。利用柯西变异提高差分进化算法的性能。软计算。，15: 991-1007.
[2] Anagnostopoulos，K.和Mamanis，G.（2011年a）。均值-方差基数约束投资组合优化问题：五种多目标进化算法的实验评估。专家系统。申请。，38: 14208-14217, https://doi.org/10.1016/J.ESWA.2011.04.233。
[3] Anagostopoulos，K.P.和Mamanis，G.（2011年b）。复杂投资组合优化问题的多目标进化算法。计算。管理科学。，8: 259-279, https://doi.org/10.1007/s10287-009-0113-8。
[4] Arnone，S.、Andrea，L.、and里亚，T.（1993）。投资组合选择的遗传方法。《神经网络世界》，3:597-604。
[5] Aydogdu，I.、Akin，A.和Saka，M.（2016）。使用带有Lévy飞行分布的人工蜂群算法对真实钢空间框架进行优化设计。高级工程软件，92:1-14，https://doi.org/10.1016/J.ADVENGSOFT.2015.1013。
[6] Bienstock，D.（1996）。一类混合整数二次规划问题的计算研究。数学。程序。，74: 121-140, https://doi.org/10.1007/BF02592208。 ·Zbl 0855.90090号
[7] Branke，J.、Scheckenbach，B.、Stein，M.、Deb，K.和Schmeck，H.（2009年）。基于包络的多目标进化算法的投资组合优化。欧元。J.歌剧。决议，199:684-693，https://doi.org/10.1016/J.EJOR.2008.01.054。 ·Zbl 1176.90527号
[8] Chang，T.-J.、Meade，N.、Beasley，J.和Sharaiha，Y.（2000）。基数约束投资组合优化的启发式方法。计算。运营商。决议，27:1271-1302，https://doi.org/10.1016/S0305-0548（99）00074-X·Zbl 1032.91074号
[9] Choi，T.J.、Ahn，C.W.和An，J.（2013）。一种用于全局数值优化的自适应柯西微分进化算法。科学。World J.，2013年文章ID 969734，12页。
[10] Coello Coello，C.A.和Reyes Sierra，M.（2004）。《协同进化多目标进化算法的并行化研究》，施普林格，柏林，海德堡，第688-697页，https://doi.org/10.1007/978-3-540-24694-7_71。
[11] Deb，K.（2001）。使用进化算法的多目标优化，John Wiley&Sons，ISBN 9780471873396·Zbl 0970.90091号
[12] Deb，K.、Pratap，A.、Agarwal，S.和Meyarivan，T.（2002年）。一种快速的精英多目标遗传算法：NSGA-II。IEEE传输。进化。计算。，6: 182-197, https://doi.org/10.109/4235.996017。
[13] Duran，F.C.、Cotta，C.和Fernández，A.J.（2009）。Markowitz模型下多目标投资组合选择的进化优化及其在加拉加斯证券交易所的应用，柏林斯普林格，海德堡，第489-509页，https://doi.org/10.1007/978-3642-00267-0_18。
[14] El-Bizri，S.和Mansour，N.（2017年）。投资组合优化的元启发式，Springer，Cham，第77-84页，https://doi.org/10.1007/978-3-319-61833-3_9。
[15] Ertenlice，O.和Kalayci，C.B.（2018年）。投资组合优化的群体智能综述：算法和应用。群体与进化计算，39:36-52，https://doi.org/10.1016/J.SWEVO.2018.01.009。
[16] Faezy Razi，F.和Shadloo，N.（2016年）。使用基于Kohonen神经网络和杜鹃算法的数据包络分析混合算法进行投资组合选择。J.Inf.Optimiz公司。科学。，37: 549-567, https://doi.org/10.1080/02522667.2015.1103483。
[17] 哈克尔·H和乌兹·H（2014）。一种新的基于Lévy飞行的粒子群优化算法。申请。软计算。，23: 333-345, https://doi.org/10.1016/J.ASOC.2014.06.034。
[18] Hui，L.和Qingfu，Z.（2009）。具有复杂Pareto集、MOEA/D和NSGA-II的多目标优化问题。IEEE传输。进化。计算。，13: 284-302, https://doi.org/10.1109/TEVC208.925798。
[19] Jensi，R.和Jiji，G.W.（2016）。一种基于Lévy飞行的改进粒子群算法用于全局优化。申请。软计算。，43:248-261中，https://doi.org/10.1016/J.ASOC.2016.02.018。
[20] Z.Jianli和L.Jun（2014）。一种用于约束投资组合选择模型的改进的多目标粒子群优化，2014年第11届国际会议服务系统和服务管理（ICSSSM），IEEE，第1-5页，ISBN 978-1-4799-3134-7，https://doi.org/10.109/ICSSSM.2014.6874155。
[21] Kamaruzaman，A.F.、Zain，A.M.、Yusuf，S.M.和Udin，A.（2013）。优化问题的Lévy飞行算法-文献综述。申请。机械。材料。，421: 496-501, https://doi.org/10.4028/www.scientific.net/AMM.421.496。
[22] Ke，L.，Zhang，Q.和Battiti，R.（2013）。MOEA/D-ACO：一种使用分解和蚁群的多目标进化算法。IEEE传输。控制论，43:1845-1859，https://doi.org/10.109/TSMCB.2012.2231860。
[23] Kumar，D.和Mishra，K.（2017年）。使用新的协方差引导人工蜂群算法进行投资组合优化。Swarm Evolut。计算。，33: 119-130, https://doi.org/10.1016/J.SWEVO.2016.11.003。
[24] Liagkouras，K.和Metaxiotis，K..（2014年）。一种新的探测引导变异算子及其在求解基数约束投资组合优化问题中的应用。专家系统。申请。，41: 6274-6290, https://doi.org/10.1016/J.ESWA.2014.03.051。
[25] Liagkouras，K.和Metaxiotis，K..（2018年）。在新型MOEA的支持下处理多约束投资组合优化问题的复杂性。J.歌剧。研究院，69:1609-1627，https://doi.org/10.1057/s41274-017-0209-4。 ·Zbl 1398.91534号
[26] Liang，J.J.和Qu，B.Y.（2013）。使用多目标动态多温粒子群优化器进行大规模投资组合优化，2013 IEEE Symp。Swarm Intelligence（SIS），IEEE，第1-6页，ISBN 978-1-4673-6004-3，https://doi.org/10.109/SIS.2013.6615152。
[27] Ma，W.、Sun，Z.、Li，J.、Song，M.、Lang，X.和Le，C.（2015）。《由Lévy Flights扰动策略指导的人工蜂群算法用于全局优化》，Springer，Cham，第493-503页，https://doi.org/10.1007/978-3-319-13707-0_54。
[28] Mantegna，R.N.和Stanley，H.E.（1994年）。超低收敛到高斯的随机过程：截断Lévy飞行。物理学。修订稿。，73:2946-2949，https://doi.org/10.103/PhysRevLett.73.2946。 ·Zbl 1020.82610号
[29] Markowitz，H.（1952年）。投资组合选择*。J.Fin。，7: 77-91, https://doi.org/10.1111/j.1540-6261.1952.tb01525.x。
[30] Meghwani，S.S.和Thakur，M.（2018年）。用于实际投资组合优化和交易成本再平衡的多目标启发式算法。申请。软计算。，67: 865-894, https://doi.org/10.1016/J.ASOC.2017.09.025。
[31] Mishra，S.K.、Meher，S.、Panda，G.和Panda，A.（2009年A）。投资组合管理多目标优化算法的比较性能评估，2009年世界自然与生物启发计算大会（NaBIC），IEEE，第1338-1342页，ISBN 978-1-4244-5053-4，https://doi.org/10.109/NABIC.2009.5393739。
[32] Mishra，S.K.、Panda，G.和Majhi，R.（2014a）。约束投资组合资产选择的一组多目标算法的比较性能评估。Swarm Evolut。计算。，16: 38-51, https://doi.org/10.1016/J.SWEVO.2014.01.001。
[33] Mishra，S.K.、Panda，G.和Majhi，R.（2014b）。使用多目标细菌觅食优化的受限投资组合资产选择。运营商。决议，14:113-145，https://doi.org/10.1007/s12351-013-0138-1。
[34] Mishra，S.K.、Panda，G.和Meher，S.（2009b）。投资组合优化的多目标粒子群优化方法，2009年世界自然与生物启发计算大会（NaBIC），IEEE，第1612-1615页，ISBN 978-1-4244-5053-4，https://doi.org/10.109/NABIC.2009.5393659。
[35] Mishra，S.、Panda，G.、Meher，S.，Majhi，R.和Singh，M.（2011年）。通过四个多目标优化算法进行投资组合管理评估，2011年IEEE智能计算系统最新进展，IEEE，第326-331页，ISBN 978-1-4244-9478-1，https://doi.org/10.109/RAICS.2011.6069328。
[36] Orito，Y.、Hanada，Y.，Shibata，S.和Yamamoto，H.（2013）。基于边界Hessian的组合优化问题新种群初始化方法，2013 IEEE Int.Conf.Systems，Man，and Controlnetics，IEEE，pp.1341-1346，ISBN 978-1-4799-0652-9，https://doi.org/10.1109/SMC.2013.232。
[37] Qingfu，Z.和Hui，L.（2007）。MOEA/D：一种基于分解的多目标进化算法。IEEE传输。Evolut公司。计算。，11: 712-731, https://doi.org/10.109/TEVC.2007.892759。
[38] Shadkam，E.、Delavari，R.、Memariani，F.和Poussaleh，M.（2015）。利用杜鹃优化算法进行投资组合选择，arXiv:1508.01314，doi:10.5121/ijcsa.2015.5304。
[39] Skolpadungget，P.、Dahal，K.和Harnpornchai，N.（2007年）。使用多目标遗传算法的投资组合优化，2007年IEEE进化计算大会，IEEE，第516-523页，ISBN 978-1-4244-1339-3，https://doi.org/10.1109/CEC.2007.4424514。
[40] Tanabe，R.和Ishibuchi，H.（2019年）。MOEA/D-DE中差分进化变异算子的三个组成部分的回顾与分析。软计算。23（23）12843-12857，https://doi.org/10.1007/s00500-019-03842-6。
[41] Viswanathan，G.、Raposo，E.和da Luz，M.（2008）。生物相遇和随机搜索背景下的Lévy飞行和超扩散。物理学。生活评论，5:133-150，https://doi.org/10.1016/J.PLREV.2008.03.002。
[42] Wei，P.和Zhang，Q.（2008）。用于连续优化问题的基于分解的多目标粒子群优化算法，2008 IEEE Int.Conf.Granular Computing，IEEE，pp.534-537，ISBN 978-1-4244-2512-9，https://doi.org/10.109/GRC.2008.4664724。
[43] Yang，X.S.和Suash，D.（2009年）。通过莱维航班进行布谷鸟搜索，2009年世界自然与生物启发计算大会（NaBIC），IEEE，第210-214页，ISBN 978-1-4244-5053-4，https://doi.org/10.109/NABIC.2009.5393690。
[44] Zhang，R.、Jiang，X.和Li，R.（2019）。用于认知车辆网络频谱分配的改进分解多目标布谷鸟搜索算法。社区。，34: 301-309, https://doi.org/10.1016/J.PHYCOM.2018.06.003。
[45] Zhang，Q.，Li，H.，Maringer，D.和Tsang，E.（2010）。MOEA/D与NBI风格的切比雪夫组合管理方法，IEEE进化计算大会，IEEE，第1-8页，ISBN 978-1-4244-6909-3，https://doi.org/10.1109/CEC.2010.5586185。
[46] Zhou，Z.，Liu，X.，Xiao，H.，Wu，S.和Liu，Y.（2018）。一种基于DEA的投资组合优化MOEA/D算法。集群计算22（6）14477-14486，https://doi.org/10.1007/s10586-018-2316-7。
[47] Zhang，J.和Sanderson，A.C.（2009）。Jade：具有可选外部存档的自适应差异进化。IEEE传输。进化。计算。，13: 945-958.
[48] Zhang，H.、Zhao，Y.、Wang，F.、Zhang and A.、Yang，P.和Shen，X.（2018）。基于MOEA/D的投资组合优化新进化算法，2018年第十届国际会议高级计算智能（ICACI），IEEE，第831-836页，ISBN 978-1-5386-4362-4，https://doi.org/10.1109/IICACI.2018.8377569。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。