可分凸优化的算法设计及其在投资组合中的应用

可分凸优化的算法设计及其在投资组合中的应用

论文摘要

可分离凸优化问题是运筹决策中的一类重要模型,在管理科学、金融与机器学习等领域中有着重要的应用。在金融领域中,投资组合是一个重要的研究方向,旨在为投资者提供更科学的投资建议。一类重要的投资组合问题是鲁棒投资组合,它主要考虑模型中参数(收益率,方差)估计具有不确定性,如何在最坏情况下保证最优投资组合;另一类问题是短期稀疏投资组合,它根据一些经验性的金融规则,对投资组合中较小比例资产的潜在收益作出较大的提升,以实现投资组合累计净值的最大化。这两类问题都可以转化为可分凸优化问题。此外机器学习中也有很多可分凸优化问题,如Lasso和稀疏逆协方差选择问题,可以用于各种数据的预测,有着重要的应用。上述模型对于算法的求解速度要求较高,要求算法快速甚至接近实时地给出模型的最优解。传统的一阶优化算法,如交替方向法(ADMM),在接近解点是收敛较慢,往往不能满足快速求解的要求,所以本文提出了一种过松弛的交替方向法(ADMM),通过增加每一步迭代中步长的方法使得求解速度能够有较大的提高。同时本文证明了过松弛的ADMM算法的全局收敛性,并且给出了o(1/∈)收敛率。此外,我们利用所提出的算法求解了鲁棒投资组合问题、短期稀疏投资组合问题、Lasso问题以及稀疏逆协方差选择问题,并将其数值结果与过松弛的定制PPA算法和经典ADMM算法进行比较。数值实验表明我们所提出的过松弛ADMM算法有着更快的求解速度,效率更高。

论文目录

  • 摘要
  • abstract
  • Chapter 1 Introduction
  •   1.1 Separable convex optimization
  •   1.2 Source problems
  •     1.2.1 Applications in portfolio selection
  •     1.2.2 Applications in machine learning
  •   1.3 Algorithms for separable convex optimization
  •   1.4 Motivation and contribution
  •   1.5 Organization
  • Chapter 2 Preliminaries
  •   2.1 Basic convex analysis
  •   2.2 Separable convex programming and optimal conditions
  • Chapter 3 Over-relaxed algorithms for convex separable optimization
  •   3.1 Algorithmic design
  •   3.2 Convergence proof
  •     3.2.1 Variational characterization of convex separable optimization
  •     3.2.2 Notations
  •     3.2.3 Convergence analysis
  •   3.3 Convergence rate
  • Chapter 4 Numerical experiments for portfolio selection
  •   4.1 Robust portfolio selection
  •   4.2 Short-term sparse portfolio optimization
  • Chapter 5 Numerical experiments for machine learning
  •   5.1 Lasso
  •   5.2 Sparse inverse covariance selection
  • Chapter 6 Conclusions
  • Bibliography
  • Acknowledgements
  • 文章来源

    类型: 硕士论文

    作者: 倪任远

    导师: 陈彩华

    关键词: 运筹决策,可分凸优化,鲁棒投资组合,短期稀疏投资组合,机器学习,交替方向法

    来源: 南京大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 南京大学

    分类号: F224;F830.91

    总页数: 53

    文件大小: 1944K

    下载量: 92

    相关论文文献

    • [1].基于凸优化方法的谐波参数估计[J]. 数学学习与研究 2017(09)
    • [2].不确定信息下凸优化问题的鲁棒解刻划[J]. 数学物理学报 2017(02)
    • [3].复合凸优化问题的稳定强对偶[J]. 吉林大学学报(理学版) 2013(03)
    • [4].邻近分裂方法的线性收敛问题分析[J]. 湘潭大学自然科学学报 2013(04)
    • [5].基于多凸优化的稀疏线性阵列综合方法[J]. 雷达与对抗 2019(04)
    • [6].一种解决受约束的非光滑伪凸优化问题的新型神经网络方法[J]. 小型微型计算机系统 2020(03)
    • [7].鲁棒凸优化问题拟近似解的刻划[J]. 应用数学 2020(03)
    • [8].推广的预矫正邻近点法求解可分凸优化问题[J]. 重庆工商大学学报(自然科学版) 2016(01)
    • [9].基于凸优化理论的多传感器目标识别技术[J]. 哈尔滨工程大学学报 2010(04)
    • [10].基于凸优化理论和随机投影的稳健压缩匹配场处理[J]. 信息工程大学学报 2019(02)
    • [11].一个解可分凸优化问题的部分预校正分裂法[J]. 重庆工商大学学报(自然科学版) 2017(04)
    • [12].复合凸优化问题全对偶性的等价刻画[J]. 吉林大学学报(理学版) 2015(01)
    • [13].求解一类奇异非线性凸优化问题的神经网络方法[J]. 大连民族学院学报 2013(01)
    • [14].非光滑B-预不变凸优化问题的解集刻画(英文)[J]. 重庆师范大学学报(自然科学版) 2012(06)
    • [15].自主泊车路径规划一致性方法[J]. 汽车技术 2018(08)
    • [16].一种基于半定松弛规划的到达角定位方法[J]. 电子科技 2016(07)
    • [17].无线传感器网络数据的迭代凸优化重构[J]. 电视技术 2013(09)
    • [18].基于SDP松弛的干扰资源优化分配技术研究[J]. 现代防御技术 2014(06)
    • [19].基于MOPSO与凸优化算法的稀布圆阵列方向图优化[J]. 数据采集与处理 2017(05)
    • [20].基于核范数凸优化的温度场缺失点重建[J]. 电子技术应用 2014(10)
    • [21].应用交替线性化方法解决支持向量机问题(英文)[J]. 大学数学 2014(05)
    • [22].基于阵列综合的M-FOCUSS、A~2RC及凸优化方法[J]. 成都航空职业技术学院学报 2017(03)
    • [23].广义凸优化问题的Fenchel-Lagrange对偶[J]. 四川师范大学学报(自然科学版) 2008(01)
    • [24].基于凸优化方法的复合储能系统能量管理[J]. 汽车安全与节能学报 2018(02)
    • [25].基于仿真的博弈系统优化策略研究[J]. 上海理工大学学报 2017(05)
    • [26].基于凸优化方法的认知雷达波形设计[J]. 现代雷达 2012(03)
    • [27].基于凸优化算法的水声传感器阵列综合[J]. 电子测量与仪器学报 2017(10)
    • [28].两类分布式优化问题关系初探[J]. 山西建筑 2016(34)
    • [29].基于凸优化的有限推力远程转移轨迹优化[J]. 航天控制 2016(03)
    • [30].基于凸-改进遗传算法的圆阵列方向图联合优化[J]. 火力与指挥控制 2015(01)

    标签:;  ;  ;  ;  ;  ;  

    可分凸优化的算法设计及其在投资组合中的应用
    下载Doc文档

    猜你喜欢