[发明专利]一种基于加权偏好的pso用于金融投资问题优化的方法

说明书

本发明提出了一种基于加权偏好的pso用于金融投资问题优化的方法，用于优化金融投资中的多目标问题。该方法首先运用层次分析法提取出投资人对于金融投资中的风险，收益，资金回收期等多个指标的偏爱程度，即权重，其次根据根据各个指标的权重设置一个加权偏好。然后将加权偏好运用到多目标群智能优化算法pso的全局最优粒子的选择，引导粒子群向偏好区域收敛，最后运用多目标偏好pso对金融问题进行优化，得出问题的优化解集，供投资者选择。该方法可以根据不同投资者对于收益与风险等指标倾向程度，得出不同的投资方案。

技术领域

本发明属于计算机应用技术领域，具体是基于加权偏好的pso用于金融投资问题优化的方法。

背景技术

金融行业是当今社会特别重要的一个行业，从古自今，一直在人类开展的经济活动中扮演的重要的角色。随着时间的发展，社会的进步，各类复杂，精确的数学模型应运而生，计算机的快速发展，也同样的推动着金融行业的进步，越来越多的社会精英加入到这个行业中，推动了金融行业的发展。

随着人们生活水平的提高，金融投资问题越来越吸引人们的注意力。现代人更加讲究理财的方式方法。而现代社会的金融产品的数量太过庞大，不同的金融产品的收益，风险，以及资本的回收时间都不同，不同的人选择金融产品的标准不同，有的人追求高收益，不太考虑风险与资金回收时间；有的人则相对保守，希望投资的风险最小，其次才是收益；还有的人是手上有点资金，目前不会用，但是可能随时会用到，因此这类人希望资金回收时间最小。诸如此类，还有许许多多的情形。如何根据每个人，为其量身定制一套投资方案，在现代社会中尤其重要。

多目标pso粒子群优化算法用于求解多个相互矛盾的目标。解决多目标问题是依赖pareto支配关系，尽可能地找到一组能最大化满足各个目标的集的集合。然而在现实问题中我们并不需要所有的非支配解，只需要满足我们要求的一小部分解供选择即可。偏好多目标粒子群优化算法应运而生。它通过提取投资人的偏好，将其应用到算法搜索过程中，引导粒子群向偏好区域搜索，从而得到一小部分解，其又能够满足投资人的偏好，从而更好的运用于实际问题。

发明内容

针对金融投资项目众多，各产品的风险系数，收益，时间回收成本都不同，投资者选择困难，本发明提出了基于加权偏好的pso用于金融投资问题优化的方法。

本发明的技术方案为：一种基于加权偏好的pso用于金融投资问题优化的方法，包括下列步骤：

步骤1：提取出投资者对于投资指标(如收益，风险，资本回收期等)的偏好程度

步骤2：采用均匀初始化方法，初始化金融投资的种群，每个粒子代表一种投资方案

步骤3：计算金融投资粒子在各目标函数上的值，将生成的非支配投资解集存储到外部存档中

步骤4：选择粒子的全局引导者，引导金融投资种群向投资者偏好区域搜索

步骤5：更新pso公式，并为粒子搜索方向增加扰动，增加金融投资种群的多样性

步骤6：计算粒子在各目标函数上的值来评价每个金融投资种群中的粒子

步骤7：将非支配金融投资解集加入外部存档，更新与维护外部存档

步骤8：如满足终止条件，进入步骤9，否则跳入步骤4进行循环

步骤9：结束

进一步，所述的步骤1包含下列步骤：

步骤1.1：首先将决策的目标(金融投资)，考虑的因素如收益，风险，资本回收期等按照它们之间的关系分为高层与低层。

步骤1.2：构造对比判断矩阵。将金融投资考虑的因素如收益，风险，资本回收期等两两比较。通过相对尺度标量来刻画投资中的两两因素之间的相对重要性程度，两两对比时采用的相对尺度标量设置如下：