简介:投资者进行投资实践时无不面临着背景风险。绝大多数以均值方差为框架的投资组合并没有考虑背景风险,其效用在实际应用中容易受到背景风险的影响。本文在含有交易费用的双目标函数模型中引入背景风险,从是否含有背景风险和背景风险偏好度大小两方面对投资组合问题展开研究,并使用智能算法得到模型的最优解,对模型进行实证分析。实证结果表明:1)当背景风险收益为0时,含有背景风险的投资组合比不含有背景风险的投资组合更能反映真实的投资环境。2)当背景风险收益不为0时,含有背景风险的投资组合比不含有背景风险的投资组合得到更高的收益。因此,考虑背景风险后投资组合的构建优于不考虑背景风险投资组合的构建。
简介:本文研究的是多目标随机结盟对策的问题,是将单目标的随机结盟对策的ZS-值拓展到多目标的随机结盟对策上,同时考虑了局中人对不同目标的偏好程度,从而,给出了多目标随机结盟对策的ZS-值的定义,并讨论了该值的性质及定理。
简介:在对偶单纯形方法的基础上,提出了线性规划的目标函数最速递减算法.它避开求初始可行基或初始基,以目标函数全局快速递减作为选基准则,将选基过程与换基迭代合二为一,从而大大减少了迭代次数.数值算例显示了该算法的有效性和优越性.
简介:研究了一类在报童模型中考虑客户战略行为和风险态度时的最优定价与库存控制问题。假定零售商销售的商品具有季节需求特性,销售期末未售出的商品只能降价处理,战略客户以效用最大化为目标确定最优购买时机,零售商以期望利润最大化为目标确定最优销售数量和销售价格,得到了双方静态博弈时的理性预期均衡解,分析了理性预期均衡解的存在唯一性,以及理性预期均衡解与模型参数的关系,并进一步将模型做了两方面的拓展:(1)考虑了战略客户对商品的价值估计值不同时的情形;(2)考虑了零售商风险态度的情形,并分别给出了两种情形下理性预期均衡解的求解方法。最后通过一个数值算例对模型的结果进行了说明。
简介:针对多目标0-1规划问题,首先基于元胞自动机原理和人工狼群智能算法,提出一种元胞狼群优化算法,该算法将元胞机的演化规则与嚎叫信息素更新规则、人工狼群更新规则进行组合,采用元胞及其邻居来增强搜索过程的多样性和分布性,使人工头狼在元胞空间搜索的过程中,增强了人工狼群算法的全局搜索能力,并获得更多的全局非劣解;其次结合多目标0-1规划模型对元胞狼群算法进行了详细的数学描述,定义了人工狼群搜索空间、移动算子、元胞演化规则和非劣解集更新规则,并给出了元胞狼群算法的具体实现步骤;最后通过MATLAB软件对3个典型的多目标0—1规划问题算例进行解算,并将解算结果与其它人工智能算法的结果进行比较,结果表明:元胞狼群算法在多目标0-1规划问题求解方面可获得更多的非劣解集和更优的非劣解,并具有较快的收敛速度和较好的全局寻优能力。
简介:针对政府补贴难以激励战略性新兴产业形成创新驱动力的问题,以新能源汽车产业为例,构建了一个旨在促进企业技术研发的政府创新补贴策略分析模型。假设产业呈现明显的创新驱动特征,模型分别针对政府理性决策与有限理性决策的情况,对政府创新补贴及企业创新投入策略进行了博弈均衡分析,并讨论了技术创新环境的改善对最优策略及局中人收益的影响。结果表明,在创新驱动模式下,企业最优创新投入比例对政府补贴水平不敏感,且过高的补贴可能挤出企业创新投入,容易形成企业套利空间。此外,改善技术创新环境对强化企业市场主体地位,弱化政府管制对市场的干预具有积极作用。