[发明专利]基于多目标进化算法的投资组合优化方法

权利要求书

1.一种基于多目标进化算法的投资组合优化方法，其特征在于，包括以下步骤：

S1，根据邻居参数生成邻居；

S2，根据种群参数初始化种群的计算目标；

S3，根据所述计算目标初始化帕累托平面的两个极值点；

S4，遍历所述种群中的每个个体，以对每个个体进行处理；

S5，生成当前个体对应的随机数，并判断所述随机数是否大于预设的阈值，如果是，则执行步骤S6，如果否，则执行步骤S7；

S6，将所述种群作为当前个体的父代备选池；

S7，将所述当前个体对应的邻居作为当前个体的父代备选池；

S8，根据父代备选池和变异算法确定所述当前个体对应的子代个体，以得到子代目标；

S9，根据所述子代目标更新帕累托平面的两个极值点；

S10，对所述父代备选池进行随机重排，并根据更新后的帕累托平面的两个极值点计算相应的切比雪夫值，以及根据所述切比雪夫值更新所述父代备选池中的个体和目标；

S11，判断当前是否满足计算结束条件，如果是，则返回更新后的父代备选池中的目标，如果否，则返回步骤S4。

2.如权利要求1所述的基于多目标进化算法的投资组合优化方法，其特征在于，所述子代个体根据以下公式确定：

其中，β表示Lévy变异算法的参数，u表示服从均值为0，方差为的随机变量，v表示服从均值为0，方差为的随机变量，Γ表示伽马函数，xⁱ表示当前个体，x^j表示自父代备选池中随机选择的个体，α₀表示缩放因子，ε表示联合系数，y表示子代个体，表示逐项相乘。

3.如权利要求1所述的基于多目标进化算法的投资组合优化方法，其特征在于，所述切比雪夫值根据以下公式计算：

r⁽ⁱ⁾＝α_iF¹+(1-α_i)F²

其中，F¹和F²表示帕累托平面的两个极值点，λ₁和λ₂表示两个极值点对应的权重向量，r⁽ⁱ⁾表示第i个参考点，α_i表示第i个参考点的比例系数，N表示两个极值点之间参考点的数量值，g^tn表示切比雪夫值，f₁(x)和f₂(x)表示收益维度和风险维度的目标值。

4.如权利要求1所述的基于多目标进化算法的投资组合优化方法，其特征在于，判断当前是否满足计算结束条件包括：判断当前是否达到收敛标准或者判断计数器的计数值是否达到预设数值。

5.一种计算机可读存储介质，其特征在于，其上存储有基于多目标进化算法的投资组合优化程序，该基于多目标进化算法的投资组合优化程序被处理器执行时实现如权利要求1-4中任一项所述的基于多目标进化算法的投资组合优化方法。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-4中任一项所述的基于多目标进化算法的投资组合优化方法。