基于MIC架构稳健投资组合并行算法及实现

• 作者: 姚鹏辉 王彦棡 胡永宏 陆忠华
• 来源期刊: 科研信息化技术与应用
• 关键词: 随机模糊变量 马尔科夫过程 BP神经网络 遗传算法 MIC架构
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 应用
• 页码范围: 43-52
• 页数: 10页
• 字数: 6726字
• 语种: 中文
• DOI: 10.11871/j.issn.1674-9480.2015.03.005

摘要

投资组合选择是数量化投资管理领域中的一项关键技术,目前其在应用中亟需高性能算法与实现研究.本论文针对现实投资场景下的稳健投资组合选择最优化模型,设计出高效的并行算法,利用并行计算技术多层级优化性能,实现对稳健投资组合计算的快速响应.该稳健投资组合将模糊集理论与投资组合理论相结合,建立基于可能性理论和机会测度的投资组合模型,用BP神经网络算法和遗传算法对模型进行求解,并在最新的高性能计算集成众核(Many Integrated Core,MIC)架构上实现并行.文章选取上证50指数成份股近两年的交易数据,对并行算法及其性能进行分析.结果显示,该算法计算得到的投资组合收益率优于经典模型收益率和上证50指数同期收益率,基于MIC架构的并行求解性能优于传统的CPU架构,平均并行效率达到80％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆忠华	中国科学院计算机网络信息中心	55	174	7.0	11.0
2	胡永宏	中央财经大学统计与数学学院	23	197	7.0	13.0
3	姚鹏辉	中国科学院计算机网络信息中心	1	1	1.0	1.0
7	王彦棡	中国科学院计算机网络信息中心	13	15	2.0	3.0