基于粒子群算法的多目标搜索算法的资产配置研究

邵波 林艳萍 王健

摘要：国内有关资产配置的研究成果主要集中在风险平价模型、B-L模型等方面，但这种研究方法存在一定的局限性，难以根据投资者的实际情况得出相应的资产配置比例。本文通过使用Kelly公式计算资产增值率得到目标函数和利用CVaR风险度量方法进行风险控制来构建数学模型，基于粒子群算法的多目标搜索算法来求解多目标优化问题，得到非劣解。

关键词：粒子群算法 多目标搜索算法 资产配置

一、研究现状

我国对资产配置的研究成果主要集中在风险模型，B-L模型，VaR模型等方面。B-L模型的主要特点是在资产配置过程中引入投资者的主观观点，郑鸬捷（2019）在投资实践中证明了加入投资者主观观点的量化模型结果更容易被投资者接受。金融风险测量模型研究的核心在于如何度量金融收益序列的波动，目前有两种使用较多的评估模型，分别是VaR模型和CVaR模型。卢金荣（2019）对VaR与CVaR度量模型进行了比较研究，证明CVaR模型能更好地测度风险损失。

二、算法描述分析

（一）算法概述

基于粒子群的多目标搜索算法是通过进化的搜索来求解多目标优化问题。其算法流程如下图所示：

在资产配置模型中，将资产配置方案定义为空间中的“粒子”，资产配置比例定义为“粒子”的飞行速度，风险函数和收益函数定义为适应值，风险函数最小化和收益函数最大化定义为目标函数。经过模型的计算求解后，得到的是资产配置方案的非劣解集。

（二……