【摘 要】
:
数学规划包括线性规划,二次规划,整数规划,混合整数规划,0-1规划,随机规划,模糊规划及多目标规划等。数学规划中的各种模型在求解实际问题中具有十分重要的作用,数学规划模型
论文部分内容阅读
数学规划包括线性规划,二次规划,整数规划,混合整数规划,0-1规划,随机规划,模糊规划及多目标规划等。数学规划中的各种模型在求解实际问题中具有十分重要的作用,数学规划模型应用于油井选址,数学建模,交通设计,矿产运输等各个领域,在节约资源,提高效率方面起到了关键性的作用。随着全球经济及金融的快速发展,数学规划模型已广泛应用于资产配置及金融投资领域。本文通过研究数学规划模型在投资组合中的应用,旨在通过最优的组合投资获得最大的经济收益,由于系统风险在金融投资中是不可控制的,由此本文基于非系统风险中的信息风险构建了基于信息风险控制函数的投资组合优化模型。首先考虑了带红利的基于信息风险控制函数的投资组合优化模型,其次考虑了带交易费用的信息控制投资组合模型,然后通过最优化理论中的罚函数算法对模型进行求解。实证研究表明,基于信息控制的投资组合模型比一般的投资组合模型具有较低的收益率,基于信息控制的投资组合模型更倾向于配置信息较透明的资产,通过比较不带交易费用的模型和带交易费用的模型,发现带交易费用的模型得到的收益率较低,带交易费用的投资组合模型倾向于配置较少的资产,以提高整体的收益,随着交易费用比例的增大,目标函数值在逐渐变小,资产配置的分散程度在逐渐变小,由于交易费用的增大,资产收益降低,从而导致投资组合的风险值降低,更加符合实际,希望本文的研究能为研究人员及投资者提供一定的参考。
其他文献
Hopf*-代数结构是在Hopf代数的基础上给出的.Kassel[1]曾经给出了GLq(2)和SLq(2)上的Hopf*-代数结构,且对量子包络代数Uq(sι(2))进行了非常详细的描述。正是因为Hopf代数与
随着流程日志数据的爆炸式增长,业务流程的分析和研究变得越来越普遍,从简单的合成的事件日志到复杂的大型真实事件日志,面向其数据挖掘的算法也越来越复杂。针对此类问题,过程挖掘技术可以将事件数据和过程模型紧密联系,更好地改善和促进业务流程的发展。而过程挖掘作为业务流程分析的主要内容,大多为研究发现频繁行为,很少的工作涉及低频行为,但是低频行为对流程管理也很重要。一般来说,流程挖掘旨在通过发现充分反映事件
与标量水听器作对比,矢量水听器具有体积小、一致性好等优点,其制作流程和相关技术日渐成熟,因此关于矢量水听器的研究是未来研究趋势之一;而人工神经网络作为机器学习的代表,是一种自学习、自适应和并行分布的信息处理网络结构。所以,运用人工神经网络来解决矢量水听器的波达方向角估计问题不失为一种良好的选择。本文系统地研究了矢量水听器的信号处理,通过模型假设、特征提取、网络构建和仿真实验,有效地验证了本文所提方
微分形式是当代数学和应用科学的一个重要工具,在偏微分方程、微分几何、代数拓扑、位势理论、弹性理论和物理学等领域中得到广泛应用。A-调和方程是一类非线性椭圆偏微分方
泛函方程的稳定性问题是在1940年由数学家S.Ulam提出的,即,设G是群,G(·,ρ)是度量群,对Vε>0,存在δ>0,使得对Vx,y∈G,满足不等式ρ(f(x·y),f(x)·f(y))<δ的映射f:G→G,是否
随着生产、生活节奏的加快和信息技术的进步,数据信息量以指数形式增长。数据挖掘技术具有强大的数据分析处理能力,能为决策者提供重要的、极有价值的信息或知识,从而产生不