基于機器學習的多目標投資組合優化研究

摘要： 文章首先運用隨機森林、RBF神經網絡和BP神經網絡3種機器學習方法預測股票收盤價，使用歷史數據和預測的收盤價計算投資組合的收益率均值、下半方差、偏度；然后，考慮交易成本、投資比例上下界約束和借貸約束，提出均值-下半方差-偏度多目標投資組合模型(M-SV-S)。該模型對應的優化問題屬于非凸優化問題且求解困難，故首先將其轉化為單目標優化模型，再運用差分進化算法進行求解。最后，選取上... （共11頁）