混合粒子群優化算法及其在金融優化中的應用檢視原始碼討論檢視歷史
《混合粒子群優化算法及其在金融優化中的應用》,何光,盧小麗 著,出版社: 經濟科學出版社。
書籍對於人類原有很重大的意義,但,書籍不僅對那些不會讀書的人是毫無用處,就是對那些機械地讀完了書還不會從死的文字中引申活的思想[1]的人也是無用的。 —— 烏申斯基[2]
內容簡介
作為群體智能算法的典型代表,粒子群優化(Particle Swarm Optimization,PSO)算法自提出後吸引了國內外大量學者的關注,在算法的理論分析、性能改進及應用等方面出現了豐富的研究成果。本書主要研究PSO算法的各種改進思路及其在金融優化問題中的應用。首先介紹金融優化的理論和方法,隨後闡述PSO算法和QPSO(量子粒子群優化)算法的相關原理,接着從投資組合選擇和期權定價兩個方面分別闡述相關理論、方法以及PSO算法在其中的應用情況。
作者介紹
何光,男,博士,副教授。2014年於四川大學獲得金融數學與計量經濟學博士學位,現主要從事投資組合優化理論與算法、金融衍生品定價、金融風險管理等方面的研究。
目錄
第1章緒論
1.1金融優化的含義
1.2金融優化理論的發展
1.3最優化問題及最優化方法
本章參考文獻
第2章PSO算法概述
2.1基本原理和模型
2.2參數設置的分析
2.3算法的改進
2.4多目標PSO算法概述
2.5PSO算法的研究現狀
本章參考文獻
第3章QPSO算法概述
3.1算法原理及流程
3.2參數設置與多樣性指標
3.3算法的評價
3.4算法的改進
本章參考文獻
第4章投資組合理論及相關模型
4.1投資組合及均值-方差模型
4.2資本資產定價模型
本章參考文獻
第5章PSO算法在投資組合優化中的應用
5.1PSO算法在一類非連續投資組合模型中的應用
5.2基於PSO算法的投資組合模型的比較研究
5.3PSO算法在多目標投資組合中的應用
本章參考文獻
第6章QPSO算法在投資組合優化中的應用
6.1QPSO算法在一類帶約束投資組合模型中的應用
6.2QPSO算法在自融資投資組合模型中的應用
6.3QPSO算法在模糊投資組合模型中的應用
本章參考文獻
第7章期權定價理論及相關模型
7.1期權的概念與期權市場的構成
7.2期權的價值與價格
7.3證券價格的隨機過程
7.4布萊克-斯科爾斯期權定價模型
7.5蒙特卡羅法與有限差分法
7.6二叉樹期權定價模型
本章參考文獻
第8章PSO算法在期權定價中的應用
8.1基於PSO算法的隱含波動率估計
8.2基於PSO算法的期權參數估計
8.3基於PSO算法和SWR算法的歐式期權定價
本章參考文獻