系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
SYSTEMS ENGINEERING--THEORY & PRACTICE
2013年
5期
1116-1125
,共10页
模糊投资组合%集成预测%均值-方差-熵模型%最优化
模糊投資組閤%集成預測%均值-方差-熵模型%最優化
모호투자조합%집성예측%균치-방차-적모형%최우화
通过基于集成预测的方法构建模糊投资组合,代表性地选择了遗传神经网络模型、多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型,并将单一模型预测结果作为模糊变量进行投资组合优化,实证结果表明基于集成预测的均值-方差-熵的投资组合相比其他组合收益率更高,相对风险更低.该方法可以用于投资基金管理、金融风险管理等实际工作中,以便提高决策的科学性.
通過基于集成預測的方法構建模糊投資組閤,代錶性地選擇瞭遺傳神經網絡模型、多因素SVM迴歸模型和ARIMA時間序列模型作為組閤預測中的單一模型,併將單一模型預測結果作為模糊變量進行投資組閤優化,實證結果錶明基于集成預測的均值-方差-熵的投資組閤相比其他組閤收益率更高,相對風險更低.該方法可以用于投資基金管理、金融風險管理等實際工作中,以便提高決策的科學性.
통과기우집성예측적방법구건모호투자조합,대표성지선택료유전신경망락모형、다인소SVM회귀모형화ARIMA시간서렬모형작위조합예측중적단일모형,병장단일모형예측결과작위모호변량진행투자조합우화,실증결과표명기우집성예측적균치-방차-적적투자조합상비기타조합수익솔경고,상대풍험경저.해방법가이용우투자기금관리、금융풍험관리등실제공작중,이편제고결책적과학성.
