(计算数学专业论文)基于黎曼流形的随机优化算法及在计算金融中的应用.pdf_第1页
(计算数学专业论文)基于黎曼流形的随机优化算法及在计算金融中的应用.pdf_第2页
(计算数学专业论文)基于黎曼流形的随机优化算法及在计算金融中的应用.pdf_第3页
(计算数学专业论文)基于黎曼流形的随机优化算法及在计算金融中的应用.pdf_第4页
(计算数学专业论文)基于黎曼流形的随机优化算法及在计算金融中的应用.pdf_第5页
已阅读5页,还剩44页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于黎蔓流形的机优化算法及在计算全融的应用 摘要 r f l 基于黎曼流形的优化算法,是将约束问题转化为约束流形上的无 t 约束优化问题,用微分几何方法,建立求解算法。这类算法在解决某 1 些优化问题时是很有效的。 , 本文的目的是研究基于黎曼流形的随机优化算法,并将其应用于 有风险控制和无风险控制两种情况的最优投资组合计算。后者是一个 很有实用价值的计算金融问题。 第一章主要介绍了流形和黎曼流形的基本的概念,流形上的测地 线,流形上的梯度,以及如何在流形上建立优化算法。 第二章主要介绍了随机逼近的一些知识背景,其中包括一个利用 l y a p u n o v 函数方法来研究r m 随机算法而得的收敛性定理。然后, 本文把这个收敛性定理推广到黎曼流形上,从而建立了一个流形上的 随机算法收敛性定理。 在第三章中,主要是解决无风险约束的l o g 一最优投资组合问题。 这个问题在文献1 9 1 中曾有研究,作者给出了一个外在的黎曼流形 上的算法。本文基于文献 6 1 在单纯形上建立的一个黎曼度量,并 利用其给出的相应的测地线的形式,建立了一个基于约束流形的随机 优化算法,该算法是一个内蕴的自适应算法。本文利用该算法对上海 证秀交易所的两组实际数据进行了模拟计算,并对数值结果进行了分 析。 在第四章中,主要是解决有风险约束的l o g - 最优投资组合的问 题。我们采用障碍函数法,并通过引进了一个新的自变量,将原问题 转化为一个新的优化问题。然后,建立求解该问题的黎曼流形优化算 法。我们也对该算法进行了实际数据的模拟计算及其分析,效果令人 满意。 关键词:黎曼浣7 测茁磊, v 随机逼近,l o g 一最优投资组合问题 s t o c h a s t i co p t i m 吡狐t i o na l g o r i t h m so n r i e m a n n i a nm a n i f o l d sm t h a p p l i c a q t i o n s t o c o m p u t a i o n a lf i n a n c e a b s t r a c t r i e m a n n i a ng e o m e t r yu n d e r l y i n g a l g o r i t h m s a r et oc o n v e nc o n s t r a i n e do p t i m i z a t i o n p r o b l e m si n t ou n c o n s t r a i n e do p t i m i z a t i o np r o b l e m s i ns o m ec o n s t r a i n e dm a n i f o l d s ,w h i c ha r es o l v e db ye f f e c t i v ea l g o r i t h m s d e v e l o p e db yd i f f e r e n t i a lg e o m e t r i ct e c h n i q u e s t h i sc l a s so f m e t h o d s c a n t r e a ts o m e o p t i m i z a t i o np r o b l e m se f f i c i e n t l y i nt h i sp a p e r ,s o m er i e m a n n i a nm a n i f o l du n d e r l y i n gs t o c h a s t i co p t i m i z a t i o na l g o r i t h m sa r ep r o p o s e d t h e i rt h e o r e t i c a la n a l y s i si sa l s od i s - c u s s e d f i n a l l y , t h e s em e t h o d s a r e a p p l i e d t ot h ea d a p t i v es o l u t i o n so ft h e r i s k - f r e ea n dr i s k - c o n s t r a i n e dp o r t f o l i oo p t i m i z a t i o np r o b l e m sr e s p e c - t i v e l y , w h i c hp l a yi m p o r t a n t r o l e si nc o m p u t a t i o n a lf i n a n c e i nc h a p t e r1 ,w ep r e s e n ts o m eb a s i cc o n c e p t sa b o u tr i e m a n n i a n m a n i f o l df o rl a t e ru s e ,i n c l u d i n ge g ,r i e m a n n i a nm a n i f o l d ,t h eg r a d i e n t i nr i e m a n n i a nm a n i f o l d ,g e o d e s i ca n de t c a l s ow ep r o v i d eaw a yt o c o n s t r u c ta n o p t i m i z a t i o na l g o r i t h m o nr i e m a r m i a nm a n i f o l d i nc h a p t e r2 ,w em a i n l yi n t r o d u c es o m eb a c k g r o u n do ns t o c h a s t i c a p p r o x i m a t i o n ,i n c l u d i n gac o n v e r g e n c et h e o r e mf o rr m s t o c h a s t i ca p p r o x i n m t i o nm d h o d s u b 嘣l u e m l r , w ee x 州t h i sr e s u l tt or i e m m a n i a n m a n i f o l d w e n u m e r i c a l l ys o l v et h er i s k f r e el o g - - o p t i m a lp o r t f o l i op r o b l e mi n c h a p t e r 3 f o rt h i s p r o b l e m ,o n e e x t r i n s i c a l g o r i t h m o nr i e m a n n i a n m a n i f o l d w a s p r o v i d e d i n 9 1 b a s e d o na m e t r i c i n 【6 】a n d t h ec l o s e d f o r mf o rt h er e l a t e dg e o d e s i c ,an e wi n t r i n s i ca d a p t i v ea l g o r i t h mi se s t a b l i s h e dt os o l v et h es a m e p r o b l e m a tt h ee n do f t h i sc h a p t e r , n u m e r i c a l e x p e r i m e n t sa r ep r o v i d e d t os h o wt h ee f f i c i e n c yo ft h ea l g o r i t h m ,a n dt h e r e a ld a t aa r ef r o mt h es h a n g h a is e c u r i t ye x c h a n g em a r k e t i n c h a p t e r4 ,w ef o c u s o nr i s k - c o n s t r a i n e d l o g o p t i m a lp o r t f o l i o p r o b l e m s b yt h em e t h o do f o b s t a c l ef u n c t i o n s ,a l o n gw i t ha ni n t r o d u c t i o no fan e w v a r i a b l e ,w ec h a n g et h ep r e v i o u sp r o b l e mt oan e wo n e t h e n ,w es o l v et h ep r o b l e mb ys o m er i e m a n n i a nm a n i f o l du n d e r l y i n g o p t i m i z a t i o na l g o r i t h m t h es a t i s f a c t o r yn u m e r i c a le x p e r i m e n t sa r ea l s o p r o v i d e du s i n g t h es a l n er e a ld a t aa sg i v e ni nc h a p t e r3 k e yw o r d s :r i e m a n n i a n m a n i f o l d ,g e o d e s i c ,s t o c h a s - t i ca p p r o x i m a t i o n ,l o g - o p t i m a lp o r t f o l l 0 p r o b l e m 上海交通大学 学位论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下, 独立进行研究工作所取得的成果。除文中已经注明引用的内容外 本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名: 鹳于 日期:。厶,;年衣月0 9 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定, 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位 论文的全部或部分内容编入有关数据库进行检索,可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 保密口,在一年解密后适用本授权书。 本学位论文属于 不保密因 v r 请在以上方框内打“”) 指导教师签名 6 到习 日期撕年月才日 了 l ,矗勺 目璇蚰 名 月 墅 a 者 手 瞄 年t, 姘 吗 良,伊 断 肌 荆 刚 海蹙道人学博t 论x 第一章微分流形及基于黎曼几何的优化算法 我们首先介绍和本文有关的微分几何知识详吧参考文献i l1 t 2 1 和t 3 1 1 1 流形的基本概念 流形的概念是欧氏空间的推广。粗略的说,流形在每一点的近旁与欧氏空间的一个开集 是同胚的,因此在每一点的近旁可以引进局部坐标系,流形正是由一块块“欧氏空间”粘起 来的结果。 定义1 1 设m 是h a u s d o r f f 空间。若对任意一点p m ,都有p 在m 中的一个邻 域u 同胚于m 维欧氏空间r ”的一个开集,则称肘是一个m 维流形( 或者拓扑流形) 。 定义1 2 对于任意的p m ,设u 是包含p 一个邻域,存在u 上的同胚映射 m u o ( u ) r “,则( 【,oe ,) 称为m 的一个坐标卡;v p u ,称o f ,( w ) r 为点p 的坐标。 定义1 3 设m 是一个m 维的微分流形,如果在m 上给定一个坐标骨集, a = ( u ,o 。) ,( y ,巾,) ,( 缈,m ,) , 满足f 列条件,则称a 是m 的一个c 微分结构: ( 1 ) 妙,v ,矽, 是彤的开覆盖; ( 2 ) 居于a 的任意两个坐标 是c 7 相容的。 ( 3 ) a 是极大的,即:对于m 的任意一个坐标卡 u ,巾i ) ,如果它与属于a 的每一个 坐标卡都是相容的,则它本身属于a 。 定义1 4 若在流形m 上给定了一个c 一微分结构,则称m 是一个c 的微分流形。如 粟肘是c 。的微分结构的微分流形,简称为光滑微分流形。 在光滑流形上可以进一步定义光滑函数的概念。 定义1 5 设厂是定义在晰维光滑流形m 上的实函数,若点p m ,妙,o u 是包含p 的容许坐标卡,那厂。q u 。是定义在欧氏空间r ”的开集o u ( 己,) 上的实函数。如果 f 。o u “在点o v ( p ) r ”处是c 。的,则称函数,在点p m 是c ”的。 函数厂在点p 的可微性与包含p 的容许坐标卡的选取无关,如果厂在m 上是处处光 湘逼 、学彬一th 。 滑的,则称厂是彪上的c 4 函数,或称是m 上的光滑函数。埘上的光滑蛹数的全体记 为( ”( m ) 类似的m 次光滑函敦全体记为c 。( m ) 。 至此,我们已经建立了微分流形的基本概念,f 面我t t j q i 进切空间的概念 设m 是m 维微分流形,固定一点p m 。设厂是定义在点p 的一个邻域的c 。函数, 所有这样的函数形成的集合记c p 。,在c p ”中定义关系“”:设,g c ,。,! l ! | 】f g 肖 且仅当存在点p 的开邻域u ,使得:i l 0 ,y :( 一万,5 ) 呻m 是c 。映射 且r ( o ) = p 。所有这些参数曲线的集合记为瓦。 对v ye 乙,【厂 e 乞,定义 _ 易知:v , 厂l k j 乞,成立 一5 r 5( 1 2 1 = + = 口 殴日,= i s l 乞1 = 0 ,v y o ,易知h ,是乞的线性子空间。 定理1 1 1 设m 维的微分流形m ,点p m ,【厂】乞,( u ,mc ,) 是流形j w 上包含点 p 的一个局部坐标卡,p u ,设 f ( w 1 ,w 2 ,w ”) = 厂。o f j 一1 ( w 1 ,w 2 ,w ”) ( 1 3 ) - 2 - 瓣睫通人掌蚋;配, 则h 。,当且仅当 一o f 一: ;0 1 f _ 钿k ,j 定理1 1 说明:子空间h 。恰好是在点p 关于局部坐标的偏导数都是零的光滑函数的芽 所构成的线性空间。 定义1 6 商空间毒,i s + p 称为流形m 在点p 的余切空间,记作r ( m ) 。函数芽 【厂】毛的h ,一等价类记作l 厂 ,记作协) ,称为流形m 在p 点的余切矢量。 巧( 肼) 是线性空间,它有从线性空间乞诱导的线性结构,即对于 ,l k s 乞,口r , 有: 9 b i g :两 口 门= 口 s 】 定理1 2 设厂1 ,f c ;,而f ( y 1 ,y 5 ) 是在点( ,1 ( p ) ,f 5 ( p ) ) r 5 的邻域 内的光滑函数,则f = f ( f 1 ,厂5 ) c ;并且 = 喜( 飘,m , s , 系l 对于厂,g c :,口r 有: d ( f + g ) ,= ( 矽) ,+ ( 如) , d ( a f ) ,= 口( ) , d ( f g ) ,= 厂( p ) ( r i g ) ,+ g ( p ) ( ) , ( 16 ) ( 1 7 ) ( 18 ) 系2d i m 巧= m t g t 1 9 3 ( ,i s 一k 】eh ,当且仅当对任意的y ,有 = , 所以可以定义 _ ,y 乙,( a s ) ,巧( m ) ( 】9 ) 现在我们在乙中定义关系如下:设y ,y 。0 ,则y y 1 当且仅当对任意的 l 酒受遭 学婷tf 诡x ( 矽) ,巧( m ) ,有 - ni o ) 显然,这个关系是等价关系:y 的等价类记作p 】。丁是可定义 = c cy ,协) , 我们要证明:这些陟】( y 乃) 组成巧的对偶空间。为此目的,我们利削局部坐标系。 在局部坐标“下,设y l 由函数 给出,则( 1 1 1 ) 式可写作 其中 “= “。( f ) ,1 蔓i m = 口,f 铲( 剖吲f r 如,、 。l 百j f = o ( 11 2 ) 系数a ,恰是余切矢量阿) ,关于自然基底l 的分量。显然 是巧( m ) 上的 线性函数,这个函数由分量f 。完全确定。取y 为 “。( f ) = “( p ) - i - f f ( 1 1 3 ) 可见f5 能取任意的数值。这就是说, ,y l 表示了巧上的全体线性函数, 它们组成巧( m ) 的对偶空间。 定义1 7 ( 切空间) 余切空间巧( 彳) 的对偶空间称为微分流形m 在p 点上的切空间。 记为l ( m ) 。 定义1 8 设z 0 ( m ) ,f c ;,记 可= x f 叫做函数f 沿切矢量x 的方向导数。 ( 1 1 4 ) 定义1 9 如果对任意的p m ,指定一个切向量z 。t v ( m ) ,则称z ( 彳) 是流形m 4 灏蹙运,学错r 一菇、 上的切向量场,若f c “( 膨) ,定义 留) ( p ) = z 。, r 1 1 5 、 定义1 1 0 设x ( m ) 是肘上的一个切向量场,v f c 。( m ) ,c ( ,) ,则称 z ( m ) 是光滑的切向量场。 1 2 黎曼度量 定义l 1 1 设一个流形m ,有d i m m = m ,如果在m 上存在一个对称正定光滑矩阵族 k 。( p ) 九。,使印m ,( m ) ,g ,) 形成普通的欧氏空间,则称( 肘,g ) 是聊维的黎 曼流形,g 称为黎曼流形的黎曼度量。 灿,番;乱圹弘乱则 g p ( x p , y ,) = 0 。g x p y p 。= , ( 11 6 ) 如果昏,= 巧那么 ,= x ;y ;= g ,y ) ,这就是普通的欧氏内积。 t = l 这样,我们就可以定义切空间中切向量的长度。 定义1 1 2 i t x l l = 注:一般记黎曼度量g 为: g = g , j d u o d u 。 这里运用了爱因斯坦约定:同一指标在表达式中恰好出现两次,则关于该指标求和,即: g = g 。d u 圆d u 7 ,;】j ,l 而幽。o d u 表示张量积 2 1 ,d u 7 ,d u 巧( m ) 。 定义1 1 3 设为搠维的光滑流形,z ( f ) 是 彳上光滑向量场空间。 彳上的一个仿 射联络是一个映射: v :z ( m ) z ( m ) 寸z ( m ) 使得,对任意,y ,z z ( m ) 和任意的,g c 。( m ) ,满足条件: ( t ) v 口+ 吖z = 夕r z + g v r z 5 + 璃父超人学母i 诨。 ( 2 ) v 。( y ) = ( x ) r + 。y , g - ,称为,芙丁 的协壹导数。 定义1 1 4 设似,g ) 是光滑的黎曼流形,m 上的l e v i c i v i t a 联络是个满足如f 条什 的仿射联络: ( 1 ) v y v r x = i x ,】,】= z y y x ( 2 ) = + 利用以上的概念,我们引进流形上的测地线。 设,g ) 为m 维的黎曼流形,v 为m 上的l e v i c i v i t a 联络,m 上的参数化曲线是一 个光滑映射y :i = ( 口,b ) m ,m 上沿y 上的向量场y 是一个映射,对每一个f ,指 定一个切向量i ( ,) ,如果c ”( 肘) ,是,上的光滑函数,则称m 沿) ,的向量 场旷是光滑的。其中y = 警是个常用的沿,的切向量场。 定义1 1 5 如果沿,的向量场矿满足: v ,v = 0( 11 7 ) 则称y 沿y 是平行的。 定义1 1 6 如果y 的切向量场,沿y 是平行的,即v ,1 = 0 ,则称y 为m 上的测地线。 定理1 3 设y 为测地线,则知炒= c o l q s i 我们引入局部的坐标系0 1 ,“2 ,”) ,y ( ,) = 0 1 ( f ) , b t2 ( f ) ,“”( f ) ) ,则可以得到测 地线的坐标表示为: d z 丁u ( t ) + t ,了d u ( t ) d u i s ( 一t ) :o t :1 ,2 ,m( 1 1 8 ) d l | i d fd t 一 、 。 其中吃是l e v i c i v i t a 联络中的c h r i s t o f f e l 记号。 如果m = r ”,g = 一,如 d u ,则r 乞= 0 ,那么测地线的方程为: d 2 u k ,( t ) :o( 1 1 9 ) 出。 、 此时的测地线就是欧氏空间中的盲线。故我们可知测地线就是欧氏空间中的直线的推广+ 。 6 - 淘殳道j 、学静ri 落t 定义1 - 1 7 设v t p ( m ) ,且假设存在一条测地线,: o ,l 】一m ,使得 ,( o ) = p ,y ( o ) = r 且成立 e x p ,:t j ,( a 4 ) 呻m ,e x p p ( v ) 2 t o ) 则这样定义的映射e x p 。称为关于点p 的指数映射。这样定义的指数映射恰好是普通指 f 面我们讨论流形上的梯度和海赛尔矩阵,这些概念在优化算法中有很多的戍用。 定义1 1 8 设f 是黎曼流形( m ,g ) 上的光滑函数,则厂在流形上的梯度 g r a d m f z ( m ) ,使: = 耵v y z ( m )( 12 0 ) 这里 为黎曼度量对应的内积。 下面讨论g r a d f 的坐标表示。 设g 拟固幽,g r a d u f 纠斋。y 叩斋。磷: 。抛o _ l f ,= 纠卢 亿:。、 = g i 3 0 r j8 3 由。的任意性,有璺。口= 夏o f 7 。记k u ) _ 1 = b w ) ,即& ,g 小= 占? 故 g 舻妒等 口= 艿i k t = g k , j 丽o f ( 1 2 2 ) 从而: g r a d u f 利刍= p 笪o u ,) 1 三o u :, 特别的,当且矿= r ”,g = 1 ,则g ”= 占。j ,有 - , 拇瓷疆j 学* ti 记- 删= ( 等) 砉=删删 可1 o u l i : i 可: 加。j 定义1 1 9 黎曼流形( m ,g ) 上的光滑函数厂的h e s s i a n 定义为 h e s s 。f = v ( 可) = v ( d j ) 换言之,它是一个二阶的张量: h e s s f m ( z ,y ) = v 。( v p 厂) v x ,y z ( m ) 1 3 黎曼流形上的一般优化算法 我们只讨论流形上的般下降法。问题表述如下 卿厂( w ) 这里,g ) 是一个黎曼流形,是适当光滑的函数。 ( 1 2 4 ) ( 】2 5 ) rj 2 6 ) ( 12 7 ) 首先我们在流形上定义下降方向。设过点p ,切向量v l 的测地线为,。( ,) ,则由流 形上的t a y l o r 展开定理知: m ) = ,( p ) + ( v ) f + j 1 2 h e s s f ( r ,( s ) ,帅) )( 1 2 8 ) 故要f ( q ) f ( p ) ,则必须有a f ( v ) = 0 。 定义1 2 0 给定黎曼流形上的一点,p m ,v t m ) 称为目标函数的f 降方向, 当且仅当: 矽( v ) = 0 其次,我们用沿测地线搜索来代替沿赢线搜索:w “1 = e x p 。( t v 。) 。 晟后,我们的终止准则为:1 f g r a d 。f ( w ) | 1 。 故,黎曼流形上的一般下降算法( i ) 为: ( 1 )给定w o m ,取k = 0 ; ( 2 ) 找切方向v 。乙。( m ) ,使:a f ( v ) o ,彻= ,r ( i ) 2 o o ( 23 ) 对w 的第 + 1 次逼近为 w “= w ”+ 印( 月) y ”( 2 4 ) 这就是著名的r o b b i n s m o n r 。( r m ) 算法。当时,他们讨论了酋” 为相互独立的情况,并 且m = 1 ,在南( ) 严格单调时,他们证明了w ”对w 的平方收敛性 十一。】一。 增益系数叩( f ) 又称步长因子,它所具有的性质( 2 3 ) ,对随机逼近算法和其他的某些随机 向文遁凡事螂谵x 递推算法都是必要的。条件7 7 ( f ) 2 0 ,有 s u ph 1 ( w ) v 。( w ) 0 ,必有d ( v ( w ) ,v ( t ,) ) 0 , 这里v ( ,) = 移:y = v ( w ) ,v w l , 。 a 2 1 3 当如n 收敛时,则: l m i m l i 警钟黔| | = o ,v r , , 其中: 聊( ,r ) = m a x m :u ( 0 n ( 28 ) )认 。m c 一) w 坂)巩 。 一 一 + w 。 懈食逼? _ 羊蛳谥二, 我们还引进以f 的叫法:如果n m ,v ( w ) 最,v ( w 机) d 2 ,j i v ( w ) 0 及k r 有 1 1 w ”一w i + 1 l c 丁,其中:v r o ,五】,v :i t m m ( z * ,r ) ,v 女, ( 2 9 ) 那么在条件a 2 1 0 - a 2 1 3 成立的条件f ,( 但不要求a 2 1 2 b 成立) ,对任区间 ( 正,占2 ,占岛,只要d ( 占l ,占2 】,v ( ,) ) 0 ,对于这个固定的样本0 ,则有: ( 1 ) 当4 0 。芝:,7 f 一) = + ,7 f 开) = o a 22 2a ) 存在( m ,g ) 上的光滑函数v ( ) :m 斗r 使对任意a 占 0 ,有 s u p 0 a a d ( x i 、j b ) v ( ,) = c o h s i : a 2 2 3 当 w “) 收敛时,则: 其中 21 2 ( 2 13 ) 溉i m s u p 亭( ”警( f ) | ) = 0 v 川咿 。, m m ( k ,丁) = m a x m :彻7 t ) i 。女 ( 2 15 ) 我t f l 进以下的约定叫法:称流形上的序列 w ”) 是一致有界的,系指存在常数上使得 v w o m ,d ( w ”,w o ) l 。另一方面,如果n m ,v ( w ) 卤,v ( w 嘶) 万2 反 v ( w 。) 艿2 ,v i :仇 o 及k r 有 d ( w ”,w “) s c l t ,其中:v 丁 0 ,正】,v m :以m m ( 1 t ,t ) ,v 七k 7 ( 2 1 6 ) 那么在条件a 2 2 0 一a 2 2 3 成立的条件f ,( 但不要求a 2 2 2 ( b ) 成立) ,对任一区间 占,占2 ,巧。占2 ,只要d ( 占l ,疋】,v ( ,) ) 0 ,对于这个固定的样本0 ,则有: 1 ) 当占l 0 ,v ( w ”) 无穷次穿越 4 ,j :j ,即 v ( w 如) 4 ,v ( w 仉) 8 2 ,卤 v ( w ) 占2 ,v i :艘 0 。取f 充分的小,由于w “ 万,故对充分大的k 成立 d ( w ”,功s d ( w “,w “) + d ( w “,万) 6 2 故有 d ( w mj ) , s 2 ,v m :”m m ( n 女,t ) ( 21 9 ) 根据黎曼流形上的t a y l o r 展开定理知,对于 w “) 中的任一点w 有 v ( w ”1 ) 一v ( w 1 ) = v 。y ,( ,7 ( f ) ) 一vo n ( o ) 硼a v ( r i ( o ) ) + 华胁啪1 ) ,炽”) 嘎“o 吠d 。2 从而得 肉它坦 学柄一“ v ( w 咻7 川) 一v ( w ) = 删咖( y _ _ ( o ) ) ”m ,) 对丁i 第一项,我们有 旦- 2 ( i - l l t 1 $ v l 小) ) m ( 唧7jm ( ,7 - 咖( y :( o ) ) = 删d v ( h ( w ) + e 。) f 2 2 1 、 m ( n i ,t ) = 删d v ( h ( w 5 ) ) + 。( ,)( 2 2 2 ) f 。月 对j 第二项,我们有 ”摹掣攀竿胁时肛a 硝,等”鍪2 竿叫n ( 2 2 3 ) 综合( 22 1 ) ( 2 2 3 ) ,并注意条件a 2 2 2a ,可得 m ( ,r )m ( n ,t ) v ( w 州) 一v ( w ”) = 彻一a v ( h ( w 1 ) ) + 。( r ) 一口删 兰- 5 i ( 7 1 一卵( 肼( 仇) 4 - 1 ) 4 - 1 ) 一c z l t ( 2 2 4 ) 所以 l i m s u p v ( w ”“ 7 + 1 ) 占1 一a l t ( 2 2 5 ) 而另一方面,由式( 2 1 6 ) 可知 黝1 忡”) 一v ( w “) f 生 o ( 22 6 ) 而由于v ( w ) 玩,v ( w ) 氓,卤 v ( w7 ) 疋,v i :仇 i m 。所以由式( 2 2 6 ) 知对充分小的7 有:m ( n ,) + 1 m ,这就是说v ( w “ 7 “) ( 4 ,8 2 ) ,这和式( 22 5 ) 矛盾,这就证明了结论( 】) 。 2 ) 证明和前面的相同,从略。 利用上面的引理2 2 ,仿照定理2 1 的证明可立即得到以f 定理。 定理2 2 设对某样本p 条件a 2 2 0 一a 2 2 3 成立,并对取定的初值w o ,算法( 2 1 1 ) 定义的 w “) 致有界,那么这个样本0 ,有a ( w “,) - - ) 0 。 1 5 ! l - + 搠父通,、笋耐l 蹯- 第三章无风险控制的io g - 最优资产组合问题 3 1 问题的背景 我们假设市场上有卅种股票可供投资。我们用x ( r ) = ( 一( r ) ,x 2 ( r ) ,x 。( r ) ) 7 x 。( ,) 0 ,i = 1 , 2 ,3 ,m 表示这m 种股票在第t 天的收益率向量,其中t ( r ) 表示第i 种股 票在第,天的收盘价与第t t 天的收盘价的比值,也即投资于第i 种股票在第f 天的收益。 记w ( f ) = ( w l ( r ) ,w 2 ( ,) ,w e n ( ,) ) 7 ,w 。( f ) 0 ,i = 1 ,2 ,3 ,m 表示第,天的投资权重向贳 其中w ,( ,) 表示在第天投资于第f 种股票的权重,则应有:( z ) = 1 。设在初始时刻的 t = l 财富为1 ,选择投资组合w ( r ) 作为投资策略,则经过了连续的 天,总的财富变为 丌w 7 ( f ) x ( r ) 。 投资优化的问题就是要找到最优的投资组合序列 w ( f ) ) ,使得s 。最大。 假设序列 x ( f ) ) 是独立同分布的,其分布函数为f ( x ) ,由文献 5 知,在渐进优化的 意义f ,存在着独立于时间t 的常向嚣w + ,使下列函数的值最大 即 v ( w ,f ) = e ( 1 0 9 ( w 7 z ) ) = f l o g ( w x ) d f ( x ) w = a r g m a x v ( w ,f ) w e m 其中:m = w r ”:w 。= 1 ) j z l ( 31 ) ( 32 ) 换一种说法,设x ( 1 ) ,x ( 2 ) ,x ( n ) 为独立同分布的随机向量,记s = 1 7 w z ( f ) ,其 1 = 1 中w 即为( 2 ) 式的解,设s = n w ( r ) 7 x ( f ) ,其中w ( t ) 为任意别的投资组合。则由文献 5 3 l - 1 知 - | 6 - 婀父通凡学惭:谚k 尸( 1 i m s u p ! 。g 軎 o ) = l 故我们的目的就是设计算法求出这样的w 。 3 2 算法的形成 ( 33 ) m a x v ( w ) = e 1 0 9 w 7 x ( f ) j f :w m = w r m :艺= l ,w j o ,f = 1 ,2 ,卅) 门4 这是一个约束优化问题,我们利用黎曼流形上的最速上升法求解这个问题。 对于流形m ,我 f j 知道d i m ( m ) = m 一1 。流形m 在w 点的切空间为: 瓦m = 卜r 喀驴。) o 我们在流形m 蚓进黎曼蒯“: 民,2 古( 一, j - - 1 驴1 2 ,3 ,m ( 3 5 ) 我们首先说明,这样定义的g 是流形m 上得合理度量。记 d 。= d i a g ( w l ,w 2 ,w 。) ,g = ( ) ,g 。= d :2 ,p = ( 1 ,1 ,1 ) 7 则有 g = d :2 一土d :1 p e r d : w m ( 3 6 ) 设v l m ,有: 2 = ( 既v ) 2 l m ( e r d :1 v ) 2 ( 37 ) 我们利用如下的不等式:点列a 1 口2 ,口。,如果存在两个不同的元素,k ,有口j 吼 0 ,玎( n ) = 佃,叩( ”) 掣o ( 3 2 6 ) 步3 :如果当f w 一w n f 小于预先给定的控制参数时,迭代停f f 。 3 3 数值模拟结果及分析i 我们将【算法i i 】应用于2 0 0 0 年至2 0 0 1 年2 月上海证券交易所的实际数据进行数值模 拟,我们选取上证3 0 指数的三十只成分殷进行投资。在这一期间共有2 7 1 个交易日,记 扛,( f ) ) 翟? 为第i 只股票在这期间每天的收益向量。在实际计算中每一迭代步的步长选为 1 ( n ) = 而1 面0 而0 0 干0 i ,我们迭代序列的产生过程如下: 步1 :随机的选取一个非零向量“= ( “1 ,“2 ,1 3 0 ) 7 ,我们的迭代初始点为 步2 :设当前点为w ”,我们在 1 ,2 7 1 】之间随机的挑选一个正整数f ,然后就刚第f 天的 股票收益向量x ( f ) ,利用式( 3 2 4 ) 来计算函数厂( w ) = l o g ( w 7 x ) 在欧式空间的梯度,代入 式( 3 2 3 ) 计算出其在流形上的梯度,然后利用式( 3 2 5 ) 定义的测地线计算出下一迭代点 w ”“: 步3 :当迭代的次数达到4 x 1 0 6 或者 瓣 0 丢擎 l l w 潮文通一学螂葩 m a x w 。”1 一w i n f ,w 3 。”1 一w ,。”f ) 1 0 。 时迭代停i r 我们得到w - | 否则令 q - - 一十1 ,进入步2 继续迭代 对于任惫投资编合w ,在我们选取的这一段时问的总收箍的计算公式勾: h ( x ,( f ) ) f 表是这3 0 只股票在这2 7 1 天期间的收益率情况 表( 3 i ) 每只股票的收益情况 r 3 2 8 ) 股票名称代码收益率股票名称代码收益率股票名称代码收益率 邯郸钢铁6 0 0 0 0 11 39 7 第一百货6 0 0 6 3 19 5 1 中国高科6 0 0 7 3 01 8 3 5 齐鲁l 】化6 0 0 0 0 24 0 4 6 申能股份6 0 0 6 4 25 62 0 东方通信6 0 0 7 7 61 7 7 9 l 海机场6 0 0 0 0 96 8 3 爱建股份6 0 0 6 4 33 3 8 4 东方集团6 0 0 8 1 15 3 5 1 龙腾科技6 0 0 0 5 86 9 1 6 原水股份6 0 0

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论