首页> 中文会议>2017年全国高性能计算学术年会 >模糊Mean-CVaR模型并行求解算法的设计与实现

模糊Mean-CVaR模型并行求解算法的设计与实现

摘要

近年来,模糊投资组合选择理论得到了充分发展和广泛应用.基于可信理论,许多模糊投资组合选择模型被陆续提出,模糊Mean-CVaR模型是目前的主流模型之一.但其模糊特征以及计算复杂性使得模型的求解速度过慢,无法满足实际交易的需求.为了实现对模糊Mean-CVaR模型的高效求解,解决模型计算瓶颈问题,本文提出了一种混合智能算法,并将其进行了并行实现.算法基本思想是,首先使用马尔科夫过程预测模糊收益率,模糊模拟为训练模拟退火弹性反向传播(SARPROP)神经网络产生输入输出数据,然后,SARPROP利用产生的训练数据训练神经网络近似投资组合收益期望和CVaR,而基于适应性罚函数法的遗传算法结合SARPROP神经网络全局寻优,求解模糊Mean-CVaR模型的最优解.通过对基于新一代超级计算机"元"的数值实验结果的分析,验证了并行算法的有效性和可扩展性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号