计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 185-188.
李红梅,孙 俊,须文波
LI Hong-mei,SUN Jun,XU Wen-bo
摘要: 在不断变化的金融市场中,多阶段投资组合优化通过周期性地重组投资对象来追求回报最大,风险最小。提出了使用基于量子化行为的粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)解决多阶段投资优化问题,并使用经典的利润风险函数作为目标函数,通过算法对标准普尔指数100的不同股票和现金进行投资组合的优化研究。根据实验得出的期望收益率与方差表明,QPSO算法在寻找全局最优解方面要优于粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)。