基金管理人投资决策系统设计与实现

《基金管理人投资决策系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基金管理人投资决策系统设计和实现以上行为可称为证券投资基金的最优决策行为，本文的目的是实现最优决策行执行性、合理化以及最优化。1．2国内外文献综述如何降低风险、实现利益最大化，一直是证券投资基金管理人关注的重大问题。20世纪中期以来，一些现代管理技术和方法不断提出，为证券投资基金公司的量化度量与管理提供了平台。投资组合配给决策是在综合考虑基金效益和风险的前提下，从众多的证券对象中选择一组合适的投资对象的过程。在基金管理人经营中，经常面临的是对一组证券的组合配给，而不是对单一证券的决策，因而对组合决策的研究更具有现实意义。1．2．1国外

2、研究现状1．2．1．1关于多属性决策的研究现状在许多实际的多属性决策问题中，决策者在对事物进行判断时，给出的决策信息往往不是具体的数值，而是直觉模糊数。保加利亚学者K．T．AtanasSov于1986年提出了直觉模糊集的概念[2】。它是对传统的Fuzzy集的一种扩充和发展，直觉模糊集增加了新的属性参数：非隶属度函数，它比传统的Fuzzy集在处理模糊性和不确定性方面更具灵活性和实用性。因此，这样给出的信息更“准确"些，更能反映客观情况，更易于理解，因而更合理些．正由于其深刻的理论意义和广泛的实际背景，直觉模糊多属性决策问题的研究日益受到

3、人们的重视。其中，ehen&Tanl利用得分函数去处理基于vague集【j1(Bustin-Ce&Burill指出vague集实质上就是直觉模糊集)的模糊多属性决策问题。Hong&ChoipJ对文献161的方法进行了改进，给出了精确函数的概念，进而利用得分函数和精确函数提出了一种基于vague集的模糊多属性决策方法。AtanaSSov[7】等研究了属性权重信息己知且属性值为直觉模糊数的多属性群决策问题，并基于“并"和“交"运算以及加权平均算子给出了相应的决策方法。Li【8】为属性权重和属性值均为直觉模糊数的多属性决策问题提供了一种基于

4、线性规划模型的决策途径。Ⅺl&Yager【9】探讨了直觉模糊信息的集成方式并应用于多属性决策领域。Pankowska&GralaldCl01给出了基于三角范数的广义直觉模糊数的概念并应用于求解基于直觉判断矩阵【l卜13J的单准则群决策问题。Atanassov&Gargov[14】对直觉模糊集进行了拓展，提出了区间直觉模糊集的概念。后来，一些学者对区间直觉模糊集进行了研究，但均集中在区间直觉模糊集的运算法则【l51、关联度【161、拓扑结构旧、以及区间直觉模糊集与模糊集、直觉模糊集、区间模糊集这三大连理工大学专业学位硕士学位论文类模糊集

5、之间的关系【18】等基础理论方面，而在应用方面的研究还很少见。最近，文献【19】把区间直觉模糊集理论应用于多属性决策领域。目前多属性决策的一个重要研究领域是群决策，它有着广泛的实际背景。群决策问题是将不同成员的关于方案的偏好按某种规则集结为决策群体的一致或妥协的群体偏好序。在实际的群决策问题中，由于估计不精确常常使决策者给出的决策矩阵或判断矩阵中的元素具有不确定性，这种不确定信息常常以模糊数、语言评价值、区间数、直觉模糊数和区间直觉模糊数来描述。二十多年来，基于不确定信息的群决策理论与方法的研究一直受到国内外学者的广泛重视，研究成果己

6、十分丰富。在群决策中，各个专家的知识结构、评判水平和个人偏好以及决策问题的复杂性等多种因素，群体几乎不可能对所有问题达成一致意见，而只可能是大部分讨论的问题基本达成一致意见。由于群决策中专家群体判断的一致性问题与专家群体决策有着比较密切的联系，所以专家群体决策分析结果是否能达成一致是一个值得关注的问题。目前，关于这方面的研究已取得了一些进展【20-231。从已有的成果来看，大多是针对基于互反判断矩阵、互补判断矩阵、语言判断矩阵及区间数决策矩阵的群决策一致性问题进行研究，而基于直觉模糊数决策矩阵特别是区间直觉模糊数决策矩阵的情况的研究尚

7、不多见。1．2．1．2关于CVaR的研究现状1999年，Al'tzner提出一致性风险度量的公理化标准，并且证明了VaR方法并不是一致性风险度量方法[241。VaR方法作为风险计量方法开始受到大家的质疑，学者们纷纷开始探求一致性风险度量的方法。Rockafellar发表文章，首次提出了满足一致性风险度量公理化标准的条件在险价值即CVaR的风险计量技术，给出了CVaR的定义，描述了CVaR的性质，并给出了线性投资组合在正态分布下的CVaR风险值的基本计算方法继该篇文章之后，就有很多学者开始研究CVaR风险度量方法。Alexander对C

8、VaR的理论描述基本是在Rockafellar的这个框架下展开的，讨论了针对某投资组合的CVaR约束和VaR约束问题，并将两者进行了比较【25】。Anderson成功地将CVaR方法引入了信用风险度量，用MonteCar