论文部分内容阅读
计算金融是融合现代计算技术、数学理论与方法、金融学理论以解决复杂金融问题的崭新的研究领域。数量化投资管理是目前该领域比较热门的一项研究内容，已经成为金融投资机构争相使用的一种有效的投资管理方法，而投资组合优化是数量化投资管理流程中的关键环节。经典投资组合优化模型和投资组合优化Resampling方法在实际应用中都存在一定的局限，由此引发的对稳健投资组合优化的数学建模与数值求解方法的研究逐渐活跃，并成为现代投资组合理论的一个重要的发展方向。
并行计算目前已经在金融衍生产品定价、海量金融交易数据处理与分析、高频交易等领域中得到一定的实际应用。结合高性能计算的发展现状和数量化投资管理在金融投资机构资产管理实践中的应用现状，本文在综合分析金融领域高性能计算应用需求和稳健投资组合优化的国内外研究现状的基础上，提出了一种整合Resampling方法和稳健优化建模方法的新的投资组合优化方法——基于Resampling方法的稳健投资组合优化；设计了利用该方法求解最优投资组合的完整算法流程，研究了基于并行Quasi Monte Carlo模拟提高该方法计算性能的有效策略；利用稳健优化建模方法对实际应用场景下的投资组合优化问题构建了具有混合整数非线性规划(MINLP)结构的数学模型，并研究了这一类最优化模型的数值求解方法；基于并行编程模型MPI和求解MINLP的软件包BONMIN，有效实现了基于Resampling方法的稳健投资组合优化；基于在深腾7000高性能计算环境下的数值试验，从数值计算性能和投资组合绩效两个维度对数值结果进行了合理的分析。
数值结果表明：结合并行Quasi Monte Carlo模拟，基于Resampling方法的稳健投资组合优化在实际求解时计算效率得到了大幅度提升，并行加速比和并行程序可扩展性表现良好，并行计算大幅度缩短了金融投资机构对投资管理决策的响应时间；基于BONMIN求解稳健投资组合优化模型时，所使用的算法及其相关参数设置对最优化数值计算性能影响显著；相对于经典的投资组合优化方法，基于Resampling方法的稳健投资组合优化，所构建出的最优投资组合表现出更好的实际绩效，能够在仅有限增加投资者所承担的投资风险的情形下使其获取相对更高的投资收益；新方法中，稳健优化建模时置信水平的选取和Resampling时抽样次数的选取，对最优投资组合的绩效都有着一定的影响。