投资收益与风险的模型
投资组合优化的数学模型
投资组合优化的数学模型一、引言投资组合优化是金融领域的一个重要问题，其目的是通过合理地分配不同资产的权重，使得投资组合的收益最大化或风险最小化。
在实际投资中，很多投资者都会采用投资组合优化方法进行资产配置，以期达到最优化的投资效果。
本文将对投资组合优化的数学模型进行分析和探讨。
二、投资组合优化模型投资组合优化模型可以分为两类：均值-方差模型和风险价值模型。
下面将分别进行介绍。
1.均值-方差模型均值-方差模型是目前最为广泛使用的投资组合优化模型。
其核心思想是通过计算投资组合的期望收益和风险来优化资产配置。
具体来说，该模型首先计算出每种资产的预期收益率和标准差，然后在给定预期收益率的条件下，通过调整各资产的权重，使得投资组合的方差最小化。
均值-方差模型的数学表达式如下：$$\begin{aligned} \min \frac{1}{2}w^{T}\Sigma w \\ s.t.\:w^{T}r= \mu,\: w^{T}\mathbb{1}=1, \:w_i \geq 0 \end{aligned}$$其中，$w$为资产权重向量，$\Sigma$为资产之间的协方差矩阵，$r$为资产的预期收益率向量，$\mu$为投资组合的预期收益率，$\mathbb{1}$为全1向量。
该模型通过最小化风险的方式，来达到最大化收益的目的。
但是，由于均值-方差模型假设资产收益率服从正态分布，并且只考虑了资产的一阶统计量，忽略资产之间的非线性关系，因此在实际应用中有着一定的局限性。
2.风险价值模型风险价值模型是一种相对新的投资组合优化模型，与均值-方差模型相比，其考虑的是投资组合的非对称风险。
与传统的风险度量方法不同，风险价值模型采用了风险价值（Value-at-Risk，VaR）作为风险度量。
VaR是指在一定置信水平下，某资产或投资组合的最大可能损失，即在置信水平为$\alpha$的条件下，VaR表示的是在未来一段时间里资产或投资组合可能出现的最大损失。
投资的收益和风险的数学建模
当需要从定量的角度分析和研究一个实际问题时， 人们就要在深入调查研究、 了解 对 象 信息、 作出简 化假设、 分析内在规律等工作的基础上， 用数学的符号和语言， 把它表述为数学式子， 也 就 是 数 学 模 型， 然 后用通过计算得到的模型结果来解释实际问题 并 接受 实 际 的 检 验。 这 个 建 立 数 学 模 型 的 全 过 程就 称 为 数学建模。MATLAB 是一种准确、 可靠的科学计算 标 准 软 件， 它具 有 强 大 的 矩阵 运 算 功能 与 函 数 多 样 性 功能， 是数学建模中常用的工具。 一般说来， 在现代商业、 金融投资中， 投资者总是希望实现收益最大化， 关注于采用什么样的投资方式 可以使总收益最大。然而投资是要承担风险的， 而且高收益总是伴随着高风险， 收益与风险之间存在着难 以调和的矛盾。怎样兼顾两者， 寻找切实可行的决策思想， 是投资的收益和风险决策的一个重要问题。 一、 问题的提出 1， 2， ……， n) 可以选择， 市场上有 n 种资产 s i ( i = 0 ， 现 用 数 额 为 M 的 相当大 的 资 金 进 行 一个 时 期的 投资。这 n 种资 产 在这 一 时 期 内 购 买 s i 的 平 均 收益 率 为 r i ， 风险损失率为 qi ， 投 资越 分 散， 总的 风 险 越 小， 总体风险可用投资的 s i 中最大的一个风险来度量。 购买 s i 时 要 付 交 易 费 ( 费 率 p i ) ， 当购买额不超过给定值 u i 时， 交 易 费 按 购 买 u i 计 算。 另 外， 假定同 期银行存款利率是 r0 ( r0 = 5 % ) ， 既无交易费又无风险。 已知 n = 4 时相关数据为
x = 0． 000 0 x= 0 x= 0 x = 0． 000 0
投资学中的资本资产定价模型(CAPM)风险与预期收益的关系
投资学中的资本资产定价模型（CAPM）风险与预期收益的关系资本资产定价模型（Capital Asset Pricing Model, CAPM）是投资学中广泛应用的理论模型，它用于评估资产的预期收益与风险之间的关系。
该模型的核心思想是通过系统性风险，即贝塔系数，来解释预期收益率，从而提供了一种衡量投资风险的方法。
本文将探讨CAPM模型中风险与预期收益之间的关系。
一、CAPM模型基本原理CAPM模型是由美国学者威廉·夏普、约翰·莱特纳和杰克·特雷纳提出的。
该模型建立在一系列假设的基础上，包括投资者风险厌恶程度相同、无风险利率存在、市场资产组合是风险资产的惟一有效组合等。
根据这些假设，CAPM模型得出了风险与预期收益之间的线性关系，即预期收益率等于无风险利率加上风险溢价，而风险溢价等于资产的贝塔系数乘以市场风险溢价。
二、风险与预期收益的关系在CAPM模型中，风险通过资产的贝塔系数来度量。
贝塔系数是一个衡量资产价格与市场整体波动性之间关系的指标，它代表了资产相对于市场的敏感性。
贝塔系数大于1表示资产的价格波动幅度大于市场，小于1表示资产的价格波动幅度小于市场，等于1表示资产的价格波动与市场相同。
根据CAPM模型，贝塔系数越高，意味着资产的风险越高，预期收益也越高。
这是因为高风险资产需要提供更高的预期收益率来吸引投资者。
三、市场风险溢价CAPM模型中的市场风险溢价是指投资者愿意支付的超过无风险利率的溢价。
市场风险溢价表示了投资者对承担市场整体风险的回报要求。
根据CAPM模型，市场风险溢价等于市场整体风险与无风险利率之差，即市场风险溢价=市场预期收益率-无风险利率。
四、CAPM模型的应用与局限性CAPM模型在投资组合的风险评估、资产定价等方面具有广泛的应用。
通过使用CAPM模型，投资者能够评估特定资产的预期收益与风险，并与市场整体表现进行比较，以作出投资决策。
然而，CAPM模型也存在一定的局限性。
投资收益和风险的优化模型
投资收益和风险的优化模型摘要如何投资是现代企业所要面临的一个实际问题，投资的目标是收益尽可能大，但是投资往往都伴随着风险。
实际情况不可能保证风险和收益同时达到最优，因为收益和风险是矛盾的两个方面，收益的增长必然伴随着风险的提高。
“高风险，高回报”是经济学中一个重要的准则。
但是企业总是追求风险尽可能小，与此同时又追求收益尽可能大。
怎样分配资金才能做到统筹兼顾？在本文中，我们首先建立了一个多目标规划模型（模型一），目标函数分别为风险和收益。
由于M 是一笔相当大的资金，所以我们开始先忽略了i u 对模型的影响，将其转化成了一个形式更为简单的多目标线性规划模型。
为了求解此模型，我们将风险的上限限制为c ，这样多目标规划模型就转化成了一个带参量c 的线性规划模型（模型二）。
当给定参数c 时，这带参量c 的线性规划个模型就是一个一般的线性规划模型，由此可以唯一地求解出目标函数的最大值max g 。
所以若c 作为变量，max g 便是一个关于c 的函数)(max c g 。
如果我们求得了函数)(max c g ，就能够知道：当公司能承担的总风险损失率c v ≤时，公司能得到的最大总平均收益率，及其应投入各个项目i S 的资金率i x 。
这样我们在求解模型二的同时，也将模型一的非劣解解空间给了出来，即图1中的OA 、AB 段。
不同的企业，对于风险和收益的侧重不同，所以作出的决策也不同，自然得到的收益和承受的风险也不尽相同。
但无论怎样都应在我们给出的非劣解解空间中取值，这样才可能实现“风险尽可能小，收益尽可能大”。
针对第一组数据，我们给出了一个“通用性较强”的投资分配方案，即对大多数企业都合适的投资选择方案，应用此方案，总风险为M ⋅%61.0, 总收益可以达到M ⋅%59.20；类似地，针对第二组数据，我们利用效用函数的方法也给出了一个“通用性较强”的投资分配方案应用此方案，总风险为M ⋅%2.10, 总收益可以达到M ⋅%70.34。
投资组合的风险与收益模型分析
投资组合的风险与收益模型分析投资组合是投资者通过配置多种不同的资产形成的投资组合，以达到在投资风险不变的情况下获得更高的收益目的。
投资组合的优劣是由其风险与收益平衡程度决定的。
因此，通过风险与收益模型的分析，可以帮助投资者更加准确地评估投资组合的风险和收益，制定合理的投资决策。
一、投资组合的风险模型投资组合的风险是指其预期收益的波动性或不确定性。
由于不同资产的价格变化具有一定的随机性，因此，投资组合的风险很难通过某一单一指标来衡量。
常用的风险模型包括方差模型、协方差模型和随机模拟模型等。
1. 方差模型方差模型是最简单直观的风险模型，它用投资组合中各资产的预期收益率和其权重，计算出投资组合的预期收益率和方差，以此来评估投资组合的风险程度。
根据方差模型，投资者可以通过分散投资资产、选择高信用等级的债券、降低投资组合中某些资产的权重等方式来降低投资组合的风险。
2. 协方差模型协方差模型考虑了投资组合中各资产之间的关联性，它通过计算资产间的协方差，来衡量投资组合的风险。
与方差模型相比，协方差模型更能反映投资组合的多样性，因此更加准确。
投资者可以通过降低资产间的关联性、增加投资组合中不同种类的资产等方式来降低投资组合的风险。
3. 随机模拟模型随机模拟模型通过采用蒙特卡罗方法等随机模拟技术，模拟多种不同市场情况下的投资组合收益率变化，并对其分析、评估。
相对于前面两种模型，随机模拟模型更能反映现实的市场波动性，因此更加真实可靠。
投资者可以通过不断模拟和调整投资组合来降低投资组合的风险。
二、投资组合的收益模型投资组合的收益是指投资者在特定投资期间内所获得的资本收益。
由于不同资产的收益率的高低程度和变化节奏各异，因此，投资组合的收益率往往也是多种不同资产收益率的组合。
常用的收益模型包括期望收益率模型、收益率分布模型和时间序列模型等。
1. 期望收益率模型期望收益率模型通过计算投资组合中各项资产预期收益率的加权平均值，来确定投资组合的期望收益率。
投资学中的投资决策模型和决策分析
投资学中的投资决策模型和决策分析投资决策是指在满足风险和回报要求的前提下，通过分析和选择投资项目，选择最佳的投资策略。
在投资学中，有许多经典的投资决策模型和决策分析方法，它们对投资者在决策过程中提供了有益的参考。
一、现金流量模型现金流量模型是一种常见的投资决策模型，它是基于现金流量的预测和现金流量的时间价值进行投资决策的。
在这个模型中，投资者首先需要预测投资项目的未来现金流量，并根据现金流量的时间价值进行贴现，然后计算出该项目的净现值。
如果净现值为正，则表示该项目有投资价值，投资者可以考虑进行投资。
二、风险-收益模型风险-收益模型是另一种常见的投资决策模型，它将投资的风险和收益进行了有机地结合。
在这个模型中，投资者首先需要对投资项目的预期收益进行估计，并计算出该项目的风险。
然后，投资者可以通过构建风险-收益的权衡关系图来选择最佳的投资组合，即在给定风险水平下，可以获得最高收益的投资组合。
三、敏感性分析和场景分析敏感性分析和场景分析是投资决策中常用的决策分析方法。
敏感性分析是通过对关键变量进行变动，观察其对投资决策结果的影响程度，以评估投资决策的敏感性。
场景分析是根据不同的经济、行业和市场情景，对投资决策方案进行评估和比较。
通过这两种分析方法，投资者可以更全面地了解投资项目的风险和回报，从而作出更加明智的决策。
四、投资组合理论投资组合理论是对多个投资项目进行组合，以达到降低整体风险、提高整体回报的目的。
投资组合理论依据资产间的相关性和投资者的风险偏好，构建出最优投资组合。
通过投资组合理论，投资者可以有效地分散风险，优化投资组合，从而降低整体风险。
五、决策树决策树是一种常用的决策分析工具，在投资决策中也能得到应用。
决策树通过将决策过程和结果以树状图形式表示出来，便于投资者对每个决策点和可能结果进行分析和评估。
通过构建决策树，投资者可以清晰地理解投资决策的不同选择和可能结果，从而做出最佳决策。
在投资学中，投资决策模型和决策分析方法给予了投资者科学和理性的决策指导。
投资风险管理模型
投资风险管理模型在现代经济中，投资是一种常见的行为。
通过投资，人们可以获得收益，增加财富。
但是与此同时，投资也存在风险。
无论是股票、债券、房地产或者其他金融产品，投资都会面临市场风险、信用风险、流动性风险等等各种不同的风险。
因此，对于投资的风险管理问题，关注程度越来越高。
一些学者提出了一些投资风险管理模型。
1、《资本资产定价模型》《资本资产定价模型》（CAPM）是一种广泛应用于金融领域的理论。
该模型通过分析证券市场的均衡状态，找到了资产收益与市场风险的关系。
这种关系被称为“beta系数”。
在CAPM模型中，一个证券的预期收益率由三个主要的因素决定。
首先，所有证券的预期收益率都受到市场收益率的影响。
其次，证券的特质风险会影响预期收益率。
最后，所有证券的风险都可以通过该证券的“beta系数”进行比较。
因此，CAPM模型可以帮助投资者根据证券的风险水平，计算出应该得到的收益率。
2、《价值风险模型》《价值风险模型》（VaR）是一种风险管理模型，用于估计投资组合或单一资产的风险。
VaR模型通过计算未来的损失概率，给出了一个预期的损失金额。
VaR模型通过计算投资组合的分散投资程度来确定单一点的最大损失概率。
具体来说，这个模型首先确定了一种可能的市场情况，并计算每个资产在这种情况下的预期收益。
然后，模型计算这些预期收益的方差和标准差。
同样，每个资产的VaR也可以通过计算它的标准差或方差来估计。
3、《风险平价投资模型》《风险平价投资模型》（RP）是一种全资产类的投资组合平衡方法。
该模型将资产分配与风险管理结合在一起，以确保整个投资组合在不同的市场环境下可以实现稳健的表现。
在RP模型中，投资组合中的每个资产都被分配相同的风险权重。
这意味着每个资产都有相同的风险贡献，而不是按照各自的市值或收益率来分配权重。
RP模型通过这种方法来降低风险，因为风险负担不会集中在某个特定的资产上。
总之，这三个模型都是用于管理不同类型的风险，以帮助投资者更有效地管理和控制其投资组合。
风险、收益与资本资产定价模型
风险、收益与资本资产定价模型风险、收益与资本资产定价模型（CAPM）是一个经济学模型，用于解释资本市场中资产价格与预期收益率之间的关系。
这个模型是由美国金融学家威廉·斯托纳·沙普（William Sharpe）、约翰·拉尔森·特雷纳和杰克·特雷纳（John Lintner & Jack Treynor）在1960年代提出的。
CAPM的基本理念是，投资者对投资组合的风险和收益之间存在着一种线性关系。
它假设投资者在选择投资组合时，会考虑到该组合的风险水平，并且只愿意为承担风险而获得的预期收益支付一个合理的代价。
CAPM中的关键概念是风险和贝塔（Beta）值。
贝塔值是衡量资产相对于整个市场波动性的指标。
当贝塔值大于1时，资产的价格波动幅度比市场平均水平要大；当贝塔值小于1时，资产的价格波动幅度相对较小。
CAPM通过贝塔值来衡量投资风险，并据此预测资产的预期收益率。
CAPM模型的核心公式为：E(Ri) = Rf + βi * (E(Rm) - Rf)其中，E(Ri)表示资产i的预期收益率，Rf表示无风险收益率（通常以短期国债利率为代表），E(Rm)表示市场整体的预期收益率，而βi则是资产i的β系数。
根据这个公式，CAPM模型认为资产的预期收益率应该与无风险收益率和市场整体的预期收益率之间存在一个正比关系，且该正比关系的斜率由资产的β系数决定。
换言之，如果一个资产的β系数高于1，那么其预期收益率将高于市场整体的预期收益率；反之，如果β系数低于1，那么其预期收益率将低于市场整体的预期收益率。
然而，CAPM模型也有其局限性。
首先，该模型假设了市场是完全有效的，投资者可以获得对所有信息的即时访问并作出理性的决策。
但事实上，市场并不总是完全有效，投资者很难预测出所有信息，因此无法完全依赖CAPM模型来预测资产的预期收益率。
其次，CAPM模型忽视了其他影响资产价格和预期收益率的因素，如市场流动性、政治风险、经济周期等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
投资收益和风险问题的分析摘要在现代商业、金融的投资中，任何理性的投资者总是希望收益能够取得最大化，但是他也面临着不确定性和不确定性所引致的风险。
而且，大的收益总是伴随着高的风险。
在有很多种资产可供选择，又有很多投资方案的情况下，投资越分散，总的风险就越小。
为了同时兼顾收益和风险，追求大的收益和小的风险构成一个两目标决策问题，依据决策者对收益和风险的理解和偏好将其转化为一个单目标最优化问题求解。
随着投资者对收益和风险的日益关注,如何选择较好的投资组合方案是提高投资效益的根本保证。
传统的投资组合遵循“不要将所有的鸡蛋放在一个蓝子里”的原则, 将投资分散化。
关键词：投资；收益；风险；数学建模0问题提出市场上有n种资产si (i = 1,2,··· ,n)可以选择，现用数额为M的相当大的资金作一个时期的投资。
这 n 种资产在这一时期内购买的 si 平均收益率为ri ，风险损失率为 qi ，投资越分散，总的风险越少，总体风险可用投资的si中最大的一个风险来度量。
购买 si时要付交易费（费率pi），当购买额不超过给定值ui 时，交易费按购买ui计算。
另外，假定同期银行存款利率是r0，既无交易费又无风险。
（r0 = 5%）Table:已知n=4时相关数据Si ri(%) qi(%) pi(%) uiS1 28 2.5 1 103S2 21 1.5 2 198S3 23 5.5 4.5 52S4 25 2.6 6.5 401问题分析这是一个优化问题，要决策的是向每种资产的投资额，即所谓投资组合，要达到的目标有二，净收益最大和整体风险最小。
一般来说这两个目标是矛盾的，收益大，风险必然也大；反之亦然，所以不可能给出这两个目标同时达到最优的所谓的完美决策，我们追求的只能是满足投资者本身要求的投资组合，即在一定风险下收益最大的决策，或在一定收益下风险最小的决策，或收益和风险按一定比例组合最优的决策。
冒险性投资者会从中选择高风险下收益最大的决策，保守型投资者则可从低风险下的决策中选取。
建立优化问题的模型最主要的是用数学符号和式子表述决策变量、构造目标函数和确定约束条件。
对于本题决策变量是明确的，即对 (i=0,1，…，n)的投资份额（表示存入银行），目标函数之一是总风险最大，目标函数之二是总风险最小，而总风险用投资资产中的最大的一个风险衡量。
约束条件应为总资金M的限制。
2 模型假设1.投资数额M相当大，为了便于计算，假设M=1；2.投资越分散，总的风险越小；3.总体风险用投资项目si中最大的一个风险来度量；4.n种资产si之间是相互独立的；5.在投资的这一时期内，ri、pi、qi、r0为定值，不受意外因素影响；6.净收益和总体风险只受ri、pi、qi影响，不受其他因素干扰。
3 符号说明si—第i种投资项目，如股票、债券等，s0表示不投资ri，pi,qi—分别为si的平均收益率，风险损失率，交易费率ui—si的交易定额r0—同期银行利率xi—投资项目si的资金a—投资风险度Q—总体收益—总体收益的增量4模型建立在实际投资中，投资者承担风险的程度不一样，若给定风险一个界限a，使最大的一个风险a,可找到相应的投资方案。
将多目标转化成单目标线性规划。
模型一：固定风险水平，优化收益模型maxas.t. =M，i=0,1,…,n若投资者希望总盈利至少达到k以上，在风险最小的情况下寻找相应的投资组合。
模型二：固定盈利水平，极小化风险模型min{max{}}s.t. =M，i=0,1,…,n投资者在权衡资产风险和预期收益两方面后，希望选择一个令自己满意的投资组合。
模型三：均衡模型mins{max{}}-(1-s)s.t.…，n其中s为投资偏好系数。
5模型求解模型一：0.015s.t. 0.0550.026=10，i=0,1,…,n模型二:假定（1）要求：在收益一定k的情况下，所冒的风险最小模型三：x i q i<=x56 模型结果分析与检验模型一：1.风险大，收益也大。
2．当投资越分散时，投资者承担的风险越小，这与题意一致。
冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。
3.曲线上的任一点都表示该风险水平的最大可能收益和该收益要求的最小风险。
可以针对不同风险的承受能力，选择该风险水平下的最有投资组合。
4.在a=0.006附近有一个转折点，在这一点左边，风险增加很少时，利润增长很快；在这一点右边，风险增加很大时，利润增长很缓慢。
对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约是a=0.6%，Q=20%，所对应投资方案为：风险度：0.006，收益：0.2019，:0,:0.24,:0.4,:0.1091,:0.2212模型二：1.风险越大，收益越大。
2.当投资越分散时，投资者承担的风险越小，这与题意一致。
冒险的投资者会出现集中投资的情况，保守的投资者则尽量分散投资。
3.根据曲线的走势，我们可以看到曲线刚开始的时候风险增长缓慢，收益增长很快，当达到曲线的拐点时，风险增长很快。
对于抗风险能力较弱的投资者来说，应该讲拐点作为最有投资组合。
:0.2,风险度：0.006.模型三：1.我们通过s来将风险与收益加权，来选择最优组合。
2.模型三的曲线收益随着s的增大而减小，我们可以通过观察图形的斜率来观察s与Q之间的关系，我们发现曲线在s为0.8左右的时候出现拐点，我们可以通过这一点来选择投资组合，获得较高收益。
7模型的评价与推广本文我们建立了投资收益与风险的双目标优化模型，通过建立模型一、模型二、模型三分别来使收益最大，保证收益的同时使风险最小，模型一和模型二都是先固定一个量然后研究另一个量，而模型三是引入一个偏好系数使风险与收益之间找到平衡点，并使用Matlab求解，所得结果具有一定的指导意义。
但是，本文没有讨论收益和风险的评估方法，在实际应用中还存在资产相关的情形，此时用最大风险代表组合投资的风险未必合理，因此对不同风险度量下的最优投资组合进行比较研究是进一步的改进方向。
附录模型一：Matlabclc,cleara=0;while a<0.05c=[-0.05;-0.27;-0.19;-0.185;-0.185];A=diag([0,0.025,0.015,0.055,0.026]);b=a*ones(5,1);Aeq=[1,1.01,1.02,1.045,1.065];beq=1;lb=zeros(5,1);[x,Q]=linprog(c,A,b,Aeq,beq,lb);ax=x'Q=-Qplot(a,Q,'*r');hold ona=a+0.001;endxlabel('a'),ylabel('Q')模型二：Matlabk=0.15while k<0.27c=[0,0,0,0,0,1];a=[0,0.025,0,0,0,-1;0,0,0.015,0,0,-1;0,0,0,0.055,0,-1;0,0,0,0,0.026,-1; -0.05,-0.27,-0.19,-0.185,-0.185,0;];b=[0;0;0;0;-k];aeq=[1,1.01,1.02,1.045,1.065,0]; beq=[1];lb=zeros(6,1);[x,Q]=linprog(c,a,b,aeq,beq,lb); kx=x'Qplot(k,Q,'.r');k=k+0.005;hold ongrid onendxlabel('k'),ylabel('Q')进度、计划模型三：Matlabs=0;while s<1c=[-0.05*(1-s),-0.27*(1-s),-0.19*(1-s),-0.185*(1-s),-0.185*(1-s),s];a=[0,0.025,0,0,0,-1;0,0,0.015,0,0,-1;0,0,0,0.055,0,-1;0,0,0,0,0.026,-1]; b=[0;0;0;0];aeq=[1,1.01,1.02,1.045,1.065,0];beq=[1];lb=zeros(6,1);ub=[ ];[x,Q]=linprog(c,a,b,aeq,beq,lb,ub);sx=x'Q=-Qplot(s,Q,'*r');5hold ons=s+0.001;grid onendxlabel('s'),ylabel('Q')页脚内容11。