基于遗传算法的投资组合模型及实证研究
第１章现代投资组合理论综述
１．１研究的背景及意义
证券市场是一个高风险的市场，它受到国家经济形势、政策变化以及市场
自身规律等因素的影响，充满了许多无法预测的因素。因此，投资者不断地寻求能使投资的风险低而收益高的策略。而投资组合的存在，将使投资的各证券
关于投资组合理论的研究最早是由美国著名经济学家Ｍａｒｋｏｗｉｔｚｔｌｌ在１９５２
年系统阐述的，他提出了均值一方差方法，用收益率的期望度量投资收益，用收益率的方差度量投资收益的风险。这一理论的问世使得风险首次被量化，其神秘色彩逐渐淡化，金融学从此开始摆脱纯粹描述性的研究和单凭经验操作的状态，数量化方法进人了金融研究领域。以后的经济学家们一直利用数量化方法不断完善投资组合管理的理论和实际投资的有效管理方法，使得投资组合理论在基本概念的创新、理论体系的完善、重要理论的实证和理论应用的拓展上都取得了重大的进展。
另外，科学技术正处于相互交叉和渗透的时代，许多研究课题已经不能单
靠一个领域的理论和方法能够解决。许多边缘科学正是多个领域交叉发展的结果，人们不断把一个领域的研究成果应用于另一个领域中。特别是计算机科学和技术的迅速发展，从根本上改变了人们的生产与生活，同时，随着人类生存空间的扩大以及认识和改造世界范围的拓宽，人们对科学技术提出了新的更高的要求，其中对高效的启发式算法的要求日益迫切。目前，随着启发式算法的发展，如禁忌算法、模拟退火算法、遗传算法、和粒子群算法等，使得它们中部分算法已经在证券组合投资中有了初步应用。例如，人们利用股票的历史数据，建立最优化模型，并结合和改进已有的优化技术，设计适合于股票投资决策的优化算法，反映和分析股票市场的股票价格变化和走势，提供重要的技术参数。这些应用必然会给投资者提供更好的投资方案，避免盲目性投资所带来的经济亏损，同时也为经济学理论解释经济现象提供了新方法和新思路。因此，进一步研究证券投资组合问题，以及应用启发式算法解决证券投资适合分散化，通过多种证券风险的彼此抵消，使其单位收益的风险最小或者单位风险的收益率最大。