代用料栽培毛木耳品质的研究 ...
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
毕业论文：代用料栽培毛木耳品质的研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口文档分类：
在线文档经过高度压缩，下载原文更清晰。
淘豆网网友近日为您收集整理了关于最优交易策略问题的动态求解方法的文档，希望对您的工作和学习有所帮助。以下是文档介绍：最优交易策略问题的动态求解方法 第16卷2008正第3期6月中国管理科学Chinese Journal of Management ScienceV01.16,No.3June., 2008文章编号:l003—207(02一07最优交易策略问题的动态求解方法李志生(中南财经政法大学新华金融保险学院。湖北武汉43007)擅要:资产配置包括资产在空间和时间上的配置.现代投资组合理论为资产在空间上的配置提供了比较完备的模型和应用框架,但是资产在时间上的配置问题,学者们的研究甚少.资产在时间上的配置的核心问题是在不同时间对不同资产做出合理的买进、持有和卖出决策,即交易策略设计.本文应用动态规划的原理,分别讨论了存在和不存在最大交易次数限制的情况下,基于总收益率最大的交易策略的求解算法,并利用香港股票市场的数据进行实例分析.本文提出的算法是关于交易的时间跨度和资产数量的多项式算法,计算量和存储空问不因二者的增大而过度增大,在解决大规模问题时也是非常有效的.关键词:交易策略;交易费用}收益率l动态规划;最优解中圈分类号:TP301 文献标识码:A ,1 引言金融资产的价格发现以(来源：淘豆网[/p-6250575.html])及在此基础上的资产选择和交易策略设计是微观金融学理论与实证研究中的三类基本问题。金融投资的核心技术之一是对所交易的资产进行正确的估值和定价。从上世纪中期开始,国内外学者对金融资产的定价方法进行了大量卓有成效的研究,金融定价理论日趋完善,其中最具影响力的理论成果包括Sharpe、Lintner等学者[1.3]提出的资本资产定价模型(Capital Asset Pri-cing Model),Ross(1970)[‘]的套利定价理论(Arbi—trage Pricing Theory).以及Black和Scholes(1973)【51提出的期权定价模型(Option PricingModel).这些成果被广泛应用于现代投资决策和公司理财领域并产生了巨大的影响。解决了金融资产的定价问题,投资决策中资产组合选择的优劣便成为投资成败的关键。资产组合选择主要包括两个方面的内容:一是资产在空间上的合理配置;二是资产在时间上的合理配置,也就是、在不同的时间对选定的资产或资产组合做出正确的买人和卖出决策,我们称(来源：淘豆网[/p-6250575.html])之为交易策略设计。对于收稿日期::修订日期:2008—05一ZS基金项目:中南财经政法大学振兴基金资助项目()作者筒介:李志生(1978一).男(汉族),湖北武汉人,中国财经政法大学新华金融学院,副教授,研究方向:金融.风险管理、决策优化.资产在空间上的配置问题,现代投资组合理论给出了比较完备的模型和应用框架。现代投资组合理论始于20世纪50年代美国学者Markowitz[‘]提出的均值一方差模型。该模型讨论了在各种不确定的情况下,如何将资金分配于不同的资产,以寻求投资收益和风险水平相匹配的最优资产组合。根据不同资产收益的均值、方差以及协方差,Markowitz推导出了资产组合的有效前沿。Tobin(1958)口1通过引入无风险资产,导出了无风险资产和风险资产构成的最优组合(超有效前沿)。针对Markowitz均值一方差模型在计算和估计方面的复杂性,Sharpe(1963)[7]提出了资产选择的单因素模型,大大减少了参数估计数量,使资产组合理论的运用成(来源：淘豆网[/p-6250575.html])本大大降低。此后,针对Markowitz理论在前提假设和风险度量等方面的问题,很多学者不断对其进行了改进和补充,有代表性的工作包括Markowitz(1959)t们和Mao(1970)[10]等的均值一下半方差模型;Konno和Yamazaki(1991)[11]的均值一绝对偏差模型;Alexander和Baptista(1959)等Dz-t4]的基于VaR的投资组合模型。上述的投资组合选择模型解决了资产在空间上的配置问题,但是这些模型本身仅仅考虑静态(或单期)的资产选择问题,并没有回答资产在时间上最优配置的问题。资产在时间上的配置决策的核心问题是如何在不同的时间选择不同的资产,也就是本文讨论的交易策略设计。在实际的投资活动中,投资万方数据第3期李志生:最优交易策略问题的动态求解方法·103·往往不是单期的行为,从长期来看,投资者将随着投资环境的变化适时地选择持有不同的资产。因此,投资者需要一个合理的交易策略来指导他们在不同的时间对目标的资产或资产组合做出买入和卖出决策。从(来源：淘豆网[/p-6250575.html])问题的结构特征来看,最优交易策略问题属于多阶段决策问题的范畴。Bellman(1957)[15]在研究多阶段决策过程的优化问题时,提出了著名的最优化原理(Principle of Optimality),把多阶段问题变换成一系列相互关联的单阶段问题,逐个求解,创立了解决这类过程优化问题的新方法——动态规划。动态规划问世以来,在经济管理、工程技术、工农业生产及军事部门中都得到了广泛的应用,并取得了显著的效果。Beckmann(1968)[16]对动态规划在经济决策中的适用条件、基本步骤和实现技巧进行了系统探讨,分析了动态规划在最优路径、资源分配、生产过程最优控制等问题中的应用。Cuoco等(2008)[17]运用动态规划理论讨论了下方风险(Downside Risk)控制下的交易策略,不过他们研究的重点是下方风险度量标准的选择问题,决策的目标是最小化下方风险,对交易过程中客观存在的交易费用也未加考虑.李志生和蒋元涛(2007)[18]对动态投资中基于总收益最大的交易策略的设计和实现问题进行了分析(来源：淘豆网[/p-6250575.html]),提出了随机交易、局部最优和全局最优三种不同的交易策略,并比较了不同策略下的投资表现。本文主要讨论在资产价格发现和资产的空间组合完成的前提下,多期投资决策中最优交易策略的设计和实现问题。相对于文献[18]的研究,本文的创新主要表现在三个方面:首先,本文把文献[18]中两资产动态选择的问题扩展到多资产选择的问题;其次,本文对存在最大交易次数限制的情况下最优交易策略的求解算法进行了专门讨论;最后,本文详细分析了交易费用的大小和最大交易次数对交易策略及其计算时间的影响。2问题的提出2.1交易策略在多资产动态交易决策中,对于选定的资产,投资者希望找到一个能提供最佳买卖时机的交易规则,从而达到某个既定目标,比如最大化总收益或者经过风险调整后的总收益(如夏普比例)。本文主要讨论基于总收益率最大的交易策略问题。我们假设投资者在时间周期[1,明内每个时间点可以选择持有一种资产(或一种给定的资产组合)。在目标资产确定的情况下,交易策略是一个把资金从一种资产转移到另一种资产的转换函数。转换函数是时间的函数,转换函(来源：淘豆网[/p-6250575.html])数的不同取值代表不同的决策。假定可供选择的咒种资产为A1,A2,A3,…,An,并已知它们在[1,T]内的收益率分别为f开1,力1’..·,砰1},f秤,铲,…,斧}’..·,f竹,才, …,毋’.这里的收益率可以是历史收益率,也可以是通过特定资产定价模型估计的收益率,本文提出的算法本身不局限于资产定价模型的选择,适用于任何定价模型。如果不考虑做空的情况,我们可以用一个T维数组来表示交易策略&g(￡): .r1 如果在时间￡持有A1&g(￡):2如果在时间‘持有A2f二1.1……1以如果在时间￡持有An2, …,丁在特定的交易策略下,本文把总收益率定义为该策略在[1,一T]区间内产生的收益率的总和,即‰一∑二-。rt。需要说明的是,总收益率的定义可以有其它的方法,比如■叫=ll二-l(1+rI)一1,对于这种定义。本文讨论的算法原理同样适用。如果能找到一个最优的转换函数&g‘(￡),我们就可以明确知道在不同时间应该持有哪种资产.2.2交易费用在经济活(来源：淘豆网[/p-6250575.html])动中,交易费用是客观存在的,交易费用的大小会直接影响投资者的投资行为.交易费用主要包括显性费用和隐性费用两个部分.显性费用通常指直接的交易成本,包括交易税金和经纪费用等。隐性费用是指间接的交易成本.我们知道,在竟价交易机制下,市场在同一时间对相同资产报出两个价格:买人该资产的出价(bid price)和卖出该资产的要价(ask price),两者之间的差额就是买卖报价差(bid—ask spread)。在微观结构范畴内,通常可以用买卖报价差来衡量交易成本中的隐性费用.本文把两部分交易费用综合起来并采用买卖总差价来表示总的交易费用。我们假设一次交易的总交易费用是总交易额的固定比例口.3基于动态规划的最优交易策略求解方法在实际操作中,由于交易费用的影响,求解交易策略的一般方法只能得到问题的局部最优解。为了万方数据中国管理科学 2008焦保证得到全局最解,最优化问题的目标必须是最大化总收益.本节我们介绍一种基于动态规划的算法来求解全局最优的交易策略。从问题的结构特征和最优解的性质来看,最优交易策略问(来源：淘豆网[/p-6250575.html])题属于重叠子问题的范畴。对于这类问题,在用递归算法自顶向底求解的时候,每次产生的子问题并不是新问题,而是被重复计算多次.动态规划正是利用这种子问题的重叠性,对每个子问题只求解一次,然后将其结果保存起来,最后利用这些保存的结果以自底向顶的方式计算出最优解。这种递归求解方式不仅避免了大量的重复计算,而且能保证得到全局最优解。本节讨论第2节所述的在交易费用存在的情况下交易策略问题全局最优解的求解方法。这里我们以三种资产为例来说明我们的算法原理,本文提出的模型同样适用于两种或者三种以上资产的选择和交易策略问题。假设投资者可以从三种资产A、B和C之间选择,我们用Stg(￡)=0、Stg(￡)一1和Stg(￡)=2来分别表示时间t时持有资产A、B和C。3.1 无交易次数限制下的最优交易策略我们用Stg(￡)=s表示最优策略下投资者在时间区间[￡一1,￡]内持有第s种资产(s=1,2,3分别对应于资产A,B,C)。对于一个决策变量5∈f1,2,3),我们用rmax(t,5)表示当时间t采取s决策时,到时间t(来源：淘豆网[/p-6250575.html])为止投资者获得的最大总收益率。假设[￡一2,t一1]区间内投资者持有A(t一1时s=1),如果在区间[￡一1,￡]内投资者仍然持有A(t时s=1),那么到时间t为止其所获得的总收益率为rmax(￡一1,1)+一;如果在区间[t一1,￡]投资者变.更为持有B(t时j=2),扣除一次交易费用口,到时间t为止其总收益率为rmax(t一1,1)+一一口;如果在[卜一1,￡]区间投资者变更为持有C(t时s=3),到时间t为止其总收益率则为rmax(￡一1,1)+开一口。综合以上分析,当投资者在[￡一2,t一1]内持有A时,到时间t为止其获得的总收益率可以表示为:,r越仇^(￡,5)=rmax(t一1,1)+(s=1)·一+(s=2)·一+(5=3)·rc~(5≠1)·口. (1)上式中(s=?)和(s≠?)表示逻辑运算,当括号中的等式(或不等式)成立时取值1,不成立时取值0。比如,当s一1时,(5=1)取1,(s≠1)取O;当s=2或3时,(5=1)取0,(s≠1(来源：淘豆网[/p-6250575.html]))取1。同样.当时间区间[￡一2,f一1]内投资者持有B或者C。我们可以得到到时间t为止其获得的最大总收益率的表达式: ·托“mB(￡,s)兰rmax(t一1,2)+(s=1)·一+(j一2)·一+(s=3)·,c一(s≠2)·口(2)7&CUrec(￡,s)=rmax(t一1,3)+(s=1)·一+(s一2)·一+(5=3)·#一(s≠3)·口(3)当时间t采取s决策时。到时间t为止的最大总收益率为圮越m^(t,s),圮“mB(￡。5),l&cumc(￡,s)三者的最大值,即:rmax(t,s)=max{M矩m^(￡,5),nTum日(￡,s),托“优c(￡。s))’(4)如果rmax(t,s)=玎越m^(￡,s),那么在区间[￡一1,￡]内应该选择持有A;rmax(t,s)=J&cl‘mB(￡,s)说明在[￡一1,￡]区间应该持有B;rmax(t,s)=朋zmc(￡,s)则说明在时间[￡一1,￡]内应该持有C。我们用pre(f,s)表示当时间t采取s决策时,前一阶段应采取的策略,那么:r1 /f rmax(t,5)=庀“m^(￡,s)/,re(￡,5)一.2 2/f rmax(t,s)=比“m日(t,5)【3 /f rmax(t,s)=巧扯mc(￡,s)(5)如果最优策略开始于A并终止于A,也就是说时间t一0和t=丁时投资者均持有A,我们可以得到以下初始化条件:rmax(1,1) =0,rmax(1,2) =一∞.rmax(1,3)=一∞pre(T+1,s)=1(6)(7)通过(1)一(5)式我们知道,给定九nax(t一1,1)、max(￡一1,2)以及max(￡一1,3),按照顺推的规则可以计算出rmax(t,s)和相应的/,re(￡,s)。加上初始条件(6),对j∈f1,2,3},t∈{l,2,…,丁)我们可以得到所有的/'re(￡,s)。初始条件(7)假设最优策略终止于A,pre(丁,1)给出了最优策略下t—T一1时的决策(式(5))。于是,根据时间t=丁一1时的决策s和pre(T一1,5),我们很容易得到时间t=T一2时的决策。反复这种逆推过程,我们可以得到时间t=1到t—T的所有决策,从而得到始于A并终止于A的最优策略。同理我们可以求出始于A但终止于B或C、始于B并终止于A或B或C以及始于C并止于A或B或C的最优策略。比较所有可能的初始条件下的最优解,我们得到全局最优的交易策略。在实际操作过程中,如果时间跨度足够长,不同的初始条件并不会对计算结果带来太大影响,因此可以任意选择一个初始条件下的最优解作为近似的全局最优解。万方数据第3期李志生:最优交易策略问题的动态求解方法·105·以上计算过程中,正向求解rrnax(t,s)需要计算的次数为0(3n,在逆向递归寻找最优解的过程需要的计算次数为O(T).把上述问题扩展,如果供选择的资产数量为N(即s∈[1,2,…。N]),则需要计算的总次数为O(NT+T).在整个求解过程中,对于每个时间t,我们唯一需要存储的数据为prey(t,5),所需的总存储空间为0(Nt).由此可见,我们的求解算法是交易的时间跨度和可供选择的资产数量的多项式算法,计算量和存储空间和两者成一次线性的关系。3.2存在交易次数限制时的最优交易策略我们用M来表示在时间[1,刀内所允许的最大交易次数,也就是说,投资者在三种资产A、B、C之间最多可以转换M次。与上节类似,我们用&g(f,m)=1、&g(f,m)=2和&g(t,m)=3来分别表示投资者在[￡一l,t]内持有A,B和C,其中In是状态变量,表示到时间t为止累计的交易次数。对应于状态变量m∈{0,1,…,M)和决策变量s∈{1,2,3),我们用rmax(t,m,5)表示到时间t为止获得的最大总收益率。如果到时间t为止累计交易次数(状态变量取值)为ITI,投资者在时间区间[￡一1,￡]持有A,那么在时间t一1时累计交易次数可能为m或m一1.如果在[f一2,t—1]区间内投资者持有的是A,那么时间t一1时状态变量必然为lrn,到时间t为止投资者所获得的总收益率为rmax(t一1,m,1)+一;如果在[￡一2,t一1]时间区间内投资者持有的是B(或C),那么在时间t一1时状态变量则应为m一1,到时间t为止其总收益率为rmax(t一1,m一1,2)十力一口(或rmax(t一1,m一1,3)+一一口)。根据以上分析,针对投资者在时间区间[卜一1,￡]持有A的情况.到时间t为止其获得的最大收益可以表示为:rmax(t,m,1)=max{rmax(t一1,m,1)+一.rmax(t一1,m一1,2)+力一口,rmax(t一1,m一1,3)+一一口) (9)显然,如果rmax(t,m,1)=max(￡一1,m,1)+一,那么在区间[f一2,‘一1]内应选择持有A;如果rmax(t,m,1)=rmax(t一1,m一1,2)+一一口,在[f一2,t一1]内应持有B;如果rmax(t,m,1)=rmax(t—l,m一1,3)+一一口,[f一2,t一1]内则相应持有C。也就是说:/re(ten,I)==r劬1.】)矿栅)如川'D一,曲托一1朋'】)+毋_O雄一1刀i厂加甚垃川,】);椭垃一1加一1力+毋一口0西【O竹一1圆/f,姗垃孤D=,衄疵一1柳一1p+毋一口上式中pre(t,m,1)表示状态变量为研,最优策略&g(￡)=1时前一阶段状态变量和决策变量的取值。同样道理,我们可以得到投资者在时间区间[t一1,￡]持有B时到时间t为止所获得的最大收益,以及相应前一阶段的策略:rmax(t,m,2)=max{rmax(t一1,m一1,1)+一一口,rmax(t一1,m,2)+一,rmax(t一1,m一1,3)+一一口) (11)妒(￡,优,2)=r锄一1,D扩删刀国亍m心一1朋一1,D+乎一口.J㈤/f mltxecr国=mE妁一1刀国+乎【锄一1圆矿删册力=彻以一1朋一1渤+孝一口a乃对于在时间区间[￡一1,f]内持有C的情况,我们则有:rmax(t,m,3)2 max{rmax(t一1,m一1,1)+坪一口,rmax(t一1,m,2)+rc一口,rmax(t一1,m一1,3)+巧} (13)/,re(￡,仇,3);r O凡一1'】)矿舶嗣∞e刀圆一,加)如一1册一1,1)+彳一口.2(m--l乃矿嬲e川固=m础一1川一1力+彳—口∞【白l固矿打眦O抑西=撇e一1朋D+彳假设最优策略开始于A,我们得到以下初始条件:舰口z(1,0,1)一0,脯口z(1,0,3)=一oo,力,nax(1,1,1)=一o。,册口z(1,1,3)=一∞肌口z(1,0,2)=一∞,胁口z(1,1,2)=一∞,(15)根据式(9)一(15),对t∈[1,2,…,明,m∈{0,1,….M},s∈{1,2,3)我们可以计算出所有的rmax(t,m,5)和加(￡。m,s)。假设最优策略中止于A,如果实际总交易次数等于最大允许交易次数M,那么当t—T时,我们有m=M,s=1。妒(T,M,1)给出了t=T一1时状态变量m以及决策变量s的取值.根据t=T—l时聃和5的取值以及pre(T一1,m.s),我们可以得到t=T一2时状态变量m和决策变量s的取值.依此类推,对t∈{1,2。….丁)我们可得到所有状态变量和决策变量的值。一般情况下,如果供选择的资产数量为N,上述计算过程求解rmax(t。s)的计算次数为O(MNT),逆向寻找最优解的计算次数为O(NT),总的计算次数为0(MNT+脚).整个计算过程所需的总存储空间为O(MNT)。万方数据中国管理科学以上是实际交易次数等于最大允许交易次数M时的局部最交易策略。同样道理,我们可以求解实际交易次数等于0,1,2’..·M一1时的局部最优交易策略。通过对比所有局部交易策略下的总收益率,可以得到全局的最优交易策略。3.3动态求解算法的实现步骤基于前两节的讨论,我们对最优交易策略的动态求解算法的实现步骤归纳如下:(1)阶段的划分。基于投资交易的实际需要,把总的投资周期[1,T]划分为若干个阶段,以便按阶段的次序求解目标,阶段变量用t=1。2.…T表示。(2)决策变量和状态变量的定义。对于存在n种资产的问题,决策变量s∈(1,2,…,以}的取值表示阶段t持有的资产种类。状态变量表示每个决策阶段开始时过程所处的状态特征,当某阶段的状态给定时,这个阶段以后过程的演变与该阶段以前各阶段的状态无关.在最优交易策略问题中,状态变量定义为当阶段￡采取s决策时,到阶段t为止获得的最大总收益率,用rmax(t,s)表示。针对总交易次数M存在限制的情况,还需将阶段t为止累计的交易次数定义为状态变量,用m表示,其取值范围为m∈f1,2,…,M). .,(3)决策的确定。当一个阶段的状态确定后,根据式(5)或式(10)就可以确定该阶段决策变量的取值.(4)状态转移方程的计算.一旦某阶段的状态和决策已知,根据式(4)或式(9)就可以完全确定下一阶段的状态.(5)初始化。为了确定一个完整的交易策略,需要对阶段t=0和t=T时状态变量的取值进行假定.(6)最优策略轨线的确定。基于初始化条件,循环步骤3和4,就可以得到所有决策阶段的决策,从而形成一个完整的交易策略轨线。4仿真检验本节采用香港股票市场的数据对上节提出的算法进行进一步检验.我们选定的目标股票为***(0941.HK)、TCL多媒体科技(1070.HK)和中信富泰(0267.HK);观察的时间跨度为日至日,选取三种股票共同的交易日,我们共得到1702个数据点。本文采用按派息和拆股调整后的日收盘价来表示股票的实际价格,收益率用不同时间股票价格比值的常用对数来表示,即:如果时间￡一1和t的价格分别为P,。和Pl,则D—D收益率^=生百二旦。本文有关数据的处理和计rPl算均在Matlab7.0下进行。要构建一个交易策略,最直观的方法是比较上述三种股票每日的收益率大小,然后计算出扣除交易费用后持有每种股票的日净收益率。并在相应交易日选择持有净收益率最大的股票。但这种策略只关注每一个交易目的收益,在交易费用存在的情况下,利用这种方法,投资者可能因为某一交易日收益最大化而放弃后面多个交易日获得更大收益的可能性,是一种短视策略。表1列出了四种不同的交易费率下短视策略和动态策略的投资总收益。我们发现,在交易费用存在的情况下,动态策略优于短视策略,而且这种优势随着交易费用的增长而不断加强。裹1短视策略和动态策略的比较动态策略下的总收益 30.5 25.5和短视策略只追求短期内投资收益最大化不同,动态策略以投资周期的总收益最大化为决策目标,并采用逐步迭代和反向递推的原则求解,保证得到全局最优解。对比两种策略的交易结果,我们发’现动态策略下的交易频率远远低于短视策略,比如,当交易费率为1%时,动态策略的交易频率为38.4%,短视策略的交易频率则高达48.9%。通过图l中两种策略前50个交易El的决策结果(交易费率为1%),可以看出两种策略在交易决策及总体交易频率上的差别。此外,我们也试图对本文给定的三种股票之外的更多资产的动态交易结果进行分析,结果表明,选择负相关或不相关的资产有利于提高总收益。由此可见,分散化的投资策略在动态资产配置中也是适用的。图l前50个交易日的交易策略注:纵轴决策取值0、1、2分别表示持有***.TCL多煤体科技和中信富豢. 万方数据第3期李志生:最优交易策略问题的动态求解方法图2给出了不同交易费用下最优策略的总收益率和实际交易次数的关系图。首先,总收益率对交易次数的曲线为一个抛物线,曲线上存在唯一的最大值(对应的收益率分别为30.61i 28.43、25.56、21.72).因此,如果存在交易次数限制,当最大允许交易次数较小(比如:交易费率为0时小于1131次)时,最优策略下的实际交易次数等于最大允许交易次数;当最大允许交易次数充分大(比如:交易费率为0时大于或等于1131次)时,最优策略下的实际交易次数为图2中收益率曲线最高点对应的横轴坐标.其次我们发现,交易费用的大小直接影响了总收益率,在相同交易次数下,总收益率随着交易费率的增大而减小;在不存在交易次数限制或者最大允许交易次数充分大的情况下,全局最优策略的总收益率和交易费率也存在反向变化的关系.第三,交易费用对最优交易次数(或者说交易策略)也产生了很大的影响,随着交易费用的上升,全局最优策略下的交易次数显著下降(分别为、858、654).100 2UO疆耶40U 500 600 7【IJ H即q00 IrEOIlID啪l弧J14‘U.交易次教图2不同交易次数下的总收益率此外,当最大允许交易次数充分大时,存在交易次数限制下的最优交易策略的算法(3.2节)给出和利用元交易次数限制下的最优交易策略的算法(3.1节)相同的结果,这从侧面证明了我们算法的正确性。为了检验数据长度(交易时间跨度)对求解最优策略所需时间的影响,我们在表1中列出了数据长度分别为500,时计算一次交易策略所需的时间。裹1求解一次交易策略的计算时间1(秒l1表中计算时间是指在Intel Centrino Duo 1.66G处理器、1G内存的PC机上1000次计算的平均时间.2最大允许交易次数不能超过敷据长度,因此该设置下的计算时问空出.我们发现,计算时间随着数据长度的增长和最大交易次数的增加而增长,这种增长保持着近似的一次线性关系,这和第3节的理论分析是相吻合的,即,基于动态规划的求解算法所需的计算时间是交易的时间跨度和最大交易次数的多项式算法,计算时间不会因为二者的增大而过度增大。同时我们还发现交易费率对计算时间并没有产生显著的影响。我们也尝试用其它的股票来代替前文所述的***、TCL多媒体科技和中信富泰,结果显示不同的股票组合下最优策略的求解时间也没有显著性差异,也就是说资产本身的收益特征并不影响计算时间.5 结束语本文讨论了连续时间段内在不同资产中选择买进、持有和卖出的最优策略。我们利用动态规划的原理,分别提出了最大交易次数不存在和存在的情况下交易策略全局最优解的求解算法,并利用香港股票市场的数据对该算法进行了实证检验.基于动态规划的递归算法是关于交易的时间跨度和可供选择的资产数量的多项式算法,计算量和存储空间与两者成一次线性关系,因此在解决大规模问题时也非常有效。本文提出的算法并不局限于资产定价模型的选择,算法本身也不受交易费用的大小以及资产的收益特征的影响,而具有广泛的一般性.从方法论的角度,我们的算法也适用于三种以上目标资产之间的选择,以及金融资产交易之外的其它交易,如实物交易等。本文讨论的是在投资目标为总收益最大化下的最优交易策略问题,但是,在实际的交易活动中,还可能存在其它的投资目标,比如最大化夏普比例或其它经过风险调整后的总收益。我们知道,夏普比例是用一段时间内投资收益的均值和标准差的比值来表示单位风险所实现的收益,夏普比例不像收益∞巧如坫爵辐善确万方数据·】08· 中国管理科学 2008矩那样在时间上具有可加性或可乘性(‰=∑二l。rt或‰=II二I。(1+r1)一1,详见第2节),这使得交易策略的构建问题更加复杂。对于投资目标为最优化夏普比例或者其它有关投资收益和风险的效用函数的交易策略问题,是本文未来的研究方向与重点。此外,对不同市场不同资产组合间的最优交易策略进行微观分析和比较,依据历史数据构造交易策略的训练集以及相关机器学习算法和专家系统,也是非常值得研究和探讨的。参考文献:11]J.Lintner.The valuation of risk assets and the selectionof risky investments in stock portfolios and capital budg—etsFJ].Review of Economics and Statistics,):13—37.[2]w.F.Sharpe.Capital asset prices:A theory of marketequilibrium under conditions of risk[J].Journal of Fi—nance,):425—442.[3]J.Treynor.Towards a theory of market value of riskyassets[Z].Working Paper,1961.[4]s.九Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic,):341—360.[5]F.Black and M.Scholes.The Pricing of options andcorporate liabilities[J].Journal of Political Economy,):637—654.[6]H.Markowitz.Portfolio selection[J].Journal of Fi-nance,):77—91.[7]w.F.Sharpe.A simplified model for portfolio analysis[J].Management Science,):277—293.[8]J.Tobin.Liquidity preference as behavior towards risk[J].The Review of Economic Studies,):65—86.[9]H.Markowitz.Portfolio Selection:Efficient Diversifiea—tion of Investment[M].New York:John Wiley&Sons,1959.[10]J.c.T.Mao.Models of Capital Budgeting:E-V Vs.E-S[J].Journal of Financial and Quantitative Analy—sis,):657—675.[11]H.Konno and H.Yamazaki.Mean-absolute deviationportfolio optimization model and its applications to To—kyo Stock Market[J].Management Science.):519—531.[12]G.Alexander and A.Baptista.Value at risk andmesn-variance analysis[R].Working Paper.Universityof Minnesota,1999.[13]安起光,王厚杰.引入无风险证券的均值一VaR投资组合模型研究[J].中国管理科学,):12—15:[14]郭福华,彭大衡,吴健雄.机会约束下的均值一VaR投资组合模型[J].中国管理科学,):28—34.[153 R Bellman.Dynamic Programming[M].Princeton:Princeton University Press, M.J.Beckmann.Dynamic Programming of EconomicDecisions[M].New York:springer-Verlag,1968.[17]D.Cuoco,H and He,S.Isaenko.Optimal DynamicTrading Strategies with Risk Limits[J].OperationResearch,):358—68.[18]李志生,蒋元涛.总收益最大的交易策略求解算法口].中南财经政法大学学报,—91.A Dynamic Programming Approach for Constructing Optimal Trading StrategyLI Zhbsheng(Zhongnan University of Economics and Law,Wuhan 430073,China)Abstract:Asset allocation means dividing investors&investments among different assets both in space andtime.Although modern portfolio theory has developed to a highly sophisticated level and provided us withvaluable theatrical models and application frameworks in steering assets in space.1ittle is known about as—set allocation in time.The core question of asset allocation in time is how tooptimally select buying andselling time for different assets at different time,that is,optimal trading strategy design.Based on dynam—ic programming principles,this paper proposes an efficient algorithm for return-optimal trading strategyboth for the case of trading with and without the constraint of maximum trading times,and implements thealgorithm by using the data from Hong Kong stock market.putation algorithm proposed in thispaper is a linear time algorithm with respect to the number of trading periods and number of assets,andcan be used in large-scale problem efficiently.Key words:transaction COSt;optimal solution 万方数据最优交易策略问题的动态求解方法作者: 李志生, LI Zhi-sheng作者单位: 中南财经政法大学新华金融保险学院,湖北,武汉,43007刊名:中国管理科学英文刊名: CHINESE JOURNAL OF MANAGEMENT SCIENCE年,卷(期): )被引用次数: 1次参考文献(18条)1.J.Lintner The valuation of risk assets and the selection of risky investments in stock portfoliosand capital budgets[外文期刊] .W.F.Sharpe Capital asset prices:A theory of market equilibrium under conditions of risk .J.Treynor Towards a theory of market value of risky assets 19614.S.A.Ross The arbitrage theory of capital asset pricing .F.BM.Scholes The Pricing of options and corporate liabilities .H.Markowitz Portfolio selection[外文期刊] .W.F.Sharpe A simplified model for portfolio analysis .J.Tobin Liquidity preference as behavior towards risk .H.Markowitz Portfolio Selection:Efficient Diversification of Investment 195910.J.C.T.Mao Models of Capital Budgeting:E-V Vs.E-S .H.KH.Yamazaki Mean-absolute deviation portfolio optimization model and its applications toTokyo Stock Market .G.AA.Baptista Value at risk and mean-variance analysis 199913.安起光;王厚杰引入无风险证券的均值-VaR投资组合模型研究[期刊论文]-中国管理科学 .郭福华;彭大衡;吴健雄机会约束下的均值-VaR投资组合模型[期刊论文]-中国管理科学 .R.Bellman Dynamic Programming 195716.M.J.Beckmann Dynamic Programming of Economic Decisions 196817.D.CH He;S.Isaenko Optimal Dynamic Trading Strategies with Risk Limits[外文期刊] .李志生;蒋元涛总收益最大的交易策略求解算法[期刊论文]-中南财经政法大学学报 2007(04)本文读者也读过(9条)1. 孙树垒.韩伯棠.SUN Shu-lei.HAN Bo-tang 互联网交易机制模型的改进与分析[期刊论文]-中国管理科学)2. 李志生养老年金的定价模型及其保险金结构[期刊论文]-统计与决策. 韩文长.唐学军.张维.范玉宏.HAN Wen-chang.TANG Xue-jun.ZHANG Wei.FAN Yu-hong 多种电能交易的统一实现算法[期刊论文]-电力系统保护与控制)4. 徐林刚.李志生.王宗军对股票发行核准制市场效率的实证分析[期刊论文]-上海金融. 朱霞.葛翔宇.李志生.ZHU Xia.GE Xiang-yu.LI Zhi-sheng 资产价值服从跳-扩散过程的风险债券定价[期刊论文]-应用数学)6. 郭赟洁我国证券投资基金的交易策略的实证分析()[期刊论文]-大众商务(下半月). 李志生.蒋元涛.LI Zhi-sheng.JIANG Yuan-tao 总收益最大的交易策略求解算法[期刊论文]-中南财经政法大学学报. 雷宗光证券交易策略博弈研究[学位论文]20079. 李志生利率变动对我国股市的影响及其在沪市的实证分析[期刊论文]-经济论坛2007(10)引证文献(1条)1.贾天理下乡家电运筹式TOC供应链系统订单排序模型研究[期刊论文]-绵阳师范学院学报 2009(5)本文链接:http://d./Periodical_zgglkx.aspx播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表最优交易策略问题的动态求解方法.pdf
文档介绍：
最优交易策略问题的动态求解方法 第16卷2008正第3期6月中国管理科学Chinese Journal of Management ScienceV01.16,No.3June., 2008文章编号:l003—207(02一07最优交易策略问题的动态求解方法李志生(中南财经政法大学新华金融保险学院。湖北武汉43007)擅要:资产配置包括资产在空间和时间上的配置.现代投资组合理论...
内容来自淘豆网转载请标明出处.