123,123,123

內(nèi)容簡(jiǎn)介

　　作為群體智能算法的典型代表，粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法自提出后吸引了國(guó)內(nèi)外大量學(xué)者的關(guān)注，在算法的理論分析、性能改進(jìn)及應(yīng)用等方面出現(xiàn)了豐富的研究成果。本書主要研究PSO算法的各種改進(jìn)思路及其在金融優(yōu)化問(wèn)題中的應(yīng)用。首先介紹金融優(yōu)化的理論和方法，隨后闡述PSO算法和QPSO（量子粒子群優(yōu)化）算法的相關(guān)原理，接著從投資組合選擇和期權(quán)定價(jià)兩個(gè)方面分別闡述相關(guān)理論、方法以及PSO算法在其中的應(yīng)用情況。

作者簡(jiǎn)介

　　何光，男，博士，副教授。2014年于四川大學(xué)獲得金融數(shù)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)博士學(xué)位，現(xiàn)主要從事投資組合優(yōu)化理論與算法、金融衍生品定價(jià)、金融風(fēng)險(xiǎn)管理等方面的研究。

圖書目錄

第1章緒論
1.1 金融優(yōu)化的含義
1.2 金融優(yōu)化理論的發(fā)展
1.3 最優(yōu)化問(wèn)題及最優(yōu)化方法
本章參考文獻(xiàn)
第2章 PSO算法概述
2.1 基本原理和模型
2.2 參數(shù)設(shè)置的分析
2.3 算法的改進(jìn)
2.4 多目標(biāo)PSO算法概述
2.5 PSO算法的研究現(xiàn)狀
本章參考文獻(xiàn)
第3章 QPSO算法概述
3.1 算法原理及流程
3.2 參數(shù)設(shè)置與多樣性指標(biāo)
3.3 算法的評(píng)價(jià)
3.4 算法的改進(jìn)
本章參考文獻(xiàn)
第4章投資組合理論及相關(guān)模型
4.1 投資組合及均值-方差模型
4.2 資本資產(chǎn)定價(jià)模型
本章參考文獻(xiàn)
第5章 PSO算法在投資組合優(yōu)化中的應(yīng)用
5.1 PSO算法在一類非連續(xù)投資組合模型中的應(yīng)用
5.2 基于PSO算法的投資組合模型的比較研究
5.3 PSO算法在多目標(biāo)投資組合中的應(yīng)用
本章參考文獻(xiàn)
第6章 QPSO算法在投資組合優(yōu)化中的應(yīng)用
6.1 QPSO算法在一類帶約束投資組合模型中的應(yīng)用
6.2 QPSO算法在自融資投資組合模型中的應(yīng)用
6.3 QPSO算法在模糊投資組合模型中的應(yīng)用
本章參考文獻(xiàn)
第7章期權(quán)定價(jià)理論及相關(guān)模型
7.1 期權(quán)的概念與期權(quán)市場(chǎng)的構(gòu)成
7.2 期權(quán)的價(jià)值與價(jià)格
7.3 證券價(jià)格的隨機(jī)過(guò)程
7.4 布萊克-斯科爾斯期權(quán)定價(jià)模型
7.5 蒙特卡羅法與有限差分法
7.6 二叉樹期權(quán)定價(jià)模型
本章參考文獻(xiàn)
第8章 PSO算法在期權(quán)定價(jià)中的應(yīng)用
8.1 基于PSO算法的隱含波動(dòng)率估計(jì)
8.2 基于PSO算法的期權(quán)參數(shù)估計(jì)
8.3 基于PSO算法和SWR算法的歐式期權(quán)定價(jià)
本章參考文獻(xiàn)