数学建模：投资收益和风险的模型
投资问题数学建模
投资问题数学建模投资问题的数学建模是将投资问题转化为数学模型，并通过求解模型来得到最优的投资策略。
首先，我们需要定义一些变量：- t：投资期限，表示投资的时间长度。
- I(t)：在t时刻的投资金额。
- R(t)：在t时刻的投资收益率。
- C(t)：在t时刻的现金流。
- X(t)：在t时刻的投资组合，包括不同的投资品种和金额。
然后，我们可以根据投资问题的具体情况，建立数学模型。
以下是一些常见的投资问题数学建模方法：1. 简单的投资决策问题：假设只有一个投资品种，且投资金额恒定，我们可以使用期望收益率来衡量投资的性能。
数学模型如下：```max E[R(t)] - I(t)```该模型表示在投资期限为t的情况下，最大化期望收益率与投资金额的差值。
2. 多个投资品种的优化投资问题：假设有多个不同的投资品种可供选择，并且每个品种有不同的收益率和风险。
我们可以使用资本资产定价模型（Capital Asset Pricing Model, CAPM）或马科维茨组合理论（Markowitz Portfolio Theory）等模型来进行优化投资决策。
3. 动态投资决策问题：假设投资策略随时间变化，我们可以使用动态规划方法来建立模型。
这通常涉及到投资组合的再平衡和资产配置调整等决策。
4. 投资组合优化问题：假设有多个不同的投资品种可供选择，并且每个品种有不同的收益率、风险和相关性。
我们可以使用马科维茨组合理论等模型来建立投资组合的最优权重分配模型。
以上只是一些常见的投资问题数学建模方法，具体的建模方法需要根据具体的投资问题来确定。
需要注意的是，在建立数学模型时，还需要考虑到实际的投资限制和约束条件，如最小投资金额、投资品种的限制和杠杆效应等。
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
数学建模—投资的收益和风险问题
数学建模—投资的收益和风险问题投资一直是人们追逐财富增值的方式之一。
然而，投资市场的不确定性和风险给人们带来了很大的挑战。
数学建模作为一种解决问题的工具，可以帮助我们分析和评估投资的收益和风险。
本文将从数学建模的角度探讨投资的收益和风险问题。
一、投资收益的数学建模投资收益是投资者最关心的问题之一，通过数学建模我们可以对投资收益进行评估和预测。
常用的数学模型之一是股票价格的随机过程模型，其中最经典的是布朗运动模型。
布朗运动模型假设股票价格的波动符合随机游走过程，即无论是股票的上涨还是下跌都服从正态分布。
在这个模型中，我们可以通过计算出股票价格的期望回报和标准差，来评估投资的收益和风险。
除了布朗运动模型，我们还可以利用时间序列分析来预测股票价格的变动趋势。
时间序列分析是一种利用历史数据来分析未来走势的方法，通过建立股票价格与时间的数学模型，可以得到股票价格的预测值。
然而，需要注意的是，时间序列分析并不能完全预测未来的变动，因为股票价格受到很多因素的影响，例如市场供求关系、公司业绩等。
二、投资风险的数学建模除了投资收益，投资风险也是投资者非常关注的问题。
投资风险是指投资在市场变动中可能遭受的损失和波动程度，通过数学建模我们可以对投资风险进行量化评估。
常用的风险评估方法之一是价值-at-风险（Value at Risk，VaR）模型。
VaR模型以一定的概率来评估投资可能遭受的最大损失。
该模型通过构建投资组合的收益分布函数，计算出投资组合在给定概率下可能遭受的最大损失。
VaR模型可以帮助投资者合理地控制风险，制定适当的投资策略。
除了VaR模型，我们还可以利用随机模拟方法来评估投资风险。
随机模拟方法通过生成一系列符合规定分布的随机数，来模拟投资组合的收益分布。
通过模拟大量的随机数，我们可以得到投资组合可能的收益和风险情况，进而评估投资的风险。
三、数学建模在投资决策中的应用数学建模在投资决策中有着广泛的应用。
数学建模—投资的收益和风险问题
学建模二号：名：级：投资的收益和风险问题摘要：某投资公司现有一大笔资金（8000 万），可用作今后一段时间的市场投资，假设可供选择的四种资产在这一段时间的平均收益率分别为 r i ，风险损失率分别为 q i 。
考虑到投资越分散，总的风险越小，公司确定，当用这笔资金购买若干种资产时，总体风险可用所投资的资产中最大的一个风险来度量。
另外，假定同期银行存款利率是 r0 =5%。
具体数据如下表：对于第一问，我建立了一个优化的线性规划模型，得到了不错的结果。
假设 5 年的投资时间，我认为五年末所得利润最大可为：37.94 亿。
具体如何安排未来一段时间内的投资，请看下面的详细解答。
如果可供选择的资产有如下15 种，可任意选定投资组合方式，就一般情况对以上问题进行讨论，结果又如何？对于第二问，考虑独立投资各个项目的到期利润率，通过分析，发现数据中存在着相互的联系。
由此，我建立了一个统计回归模型x5=a0+a1*x4+a2*x3+a3*x2+a4*x1+a5*x1^2+a6*x2^2+a7*x3^2+a8*x4^2通过这个模型，我预测了今后5年各个项目的到期利润率。
如第一个项目今后五年的到期利润率为：第一年：0.1431 第二年：0.1601 第三年：0.0605 第四年：0.1816 第五年：0.1572 。
（其他几个项目的预测祥见下面的解答）考虑风险损失率时，定义计算式为：f=d*p;d 为该项目 5 年内的到期利润率的标准差，p 为到期利润率；考虑相互影响各个项目的到期利润率时，我们在第一个模型的基础上建立一新的模型：x5=a10+a11*x4+a12*x3+a13*x2+a14*x1+a15*y5 y5=a20+a21*y4+a22*y3+a23*y2+a24*y1+a25*x5 （两个项目互相影响的模型） x5=a10+a11*x4+a12*x3+a13*x2+a14*x1+a15*y5+a16*z5y5=a20+a21*y4+a22*y3+a23*y2+a24*y1+a25*z5+a26*x5z5=a30+a31*z4+a32*z3+a33*z2+a34*z1+a35*x5+a37*y5（三个项目互相影响的模型）通过解方程组，我们可以预测出今后五年的到期利润率。
银行风险管理中的数学建模方法研究
银行风险管理中的数学建模方法研究随着金融市场的不断发展，银行风险管理的重要性也日益凸显。
银行作为金融机构，其经营活动必然会面临各种各样的风险，而科学合理的风险管理方法也就变得至关重要了。
在银行风险管理中，数学建模方法已经成为了一种常用的手段，它可以帮助银行有效地识别、评估和控制各种风险，提高银行的稳健性和盈利能力。
本文将从以下几个方面，对银行风险管理中的数学建模方法进行综述和研究。
一、银行风险分类及数学模型选择首先，我们需要了解银行的常见风险类型，根据国际惯例，银行的风险主要有信用风险、市场风险、操作风险和流动性风险等。
针对不同的风险类型，银行需要选择不同的数学模型。
1. 信用风险模型信用风险是指因借款人或客户未能按照约定的还款计划进行偿付，导致银行遭受的损失，因此，信用风险模型的本质就是对借款人和客户的违约概率进行预测和度量。
常见的信用风险模型包括基于Logistic回归、神经网络、决策树等的评级模型和预测模型，其中评级模型常用于客户的信用评估和分类，预测模型则用于预测未来违约率。
2. 市场风险模型市场风险是指由于市场利率、汇率、股票价格等外部市场因素的波动导致的银行投资组合损失。
市场风险模型的选择主要取决于银行的投资策略和投资组合的构成，例如对股票、债券、外汇等不同资产类别，采用VaR、Expected Shortfall等风险度量指标，或者对固定收益产品采用债券定价模型等进行风险度量。
3. 操作风险模型操作风险是指由于银行内部人员、系统、流程等因素的错误或意外而导致银行损失。
常用的操作风险模型包括LDA、AMA等模型，其中LDA模型主要是基于统计学的方法，包括分布假设、估计方程等，而AMA模型则是更加模型化的金融工程方法，它可以对操作风险事件的时序、复杂程度等多个方面进行度量和分析。
4. 流动性风险模型流动性风险是指银行面临的资金流动性风险，它主要包括流动性溢价、资产负债管理、清算、融资成本等方面。
数学建模在金融风险管理中的应用
数学建模在金融风险管理中的应用在金融领域，风险管理是至关重要的一项任务。
而数学建模作为一种有效的工具，被广泛应用于金融风险管理中。
本文将就数学建模在金融风险管理中的应用进行探讨。
一、风险管理概述金融机构面临着各种各样的风险，包括市场风险、信用风险、操作风险等等。
风险管理旨在通过识别、评估和控制这些风险，保护机构及投资者的利益。
传统的方法主要依赖于经验和直觉，但随着金融市场的复杂化，需要更加科学的方法来进行风险管理。
二、数学建模在金融风险管理中的应用1. 风险评估模型数学建模可以帮助建立风险评估模型，通过分析大量的历史数据和市场行为，预测未来可能的风险事件。
常用的风险评估模型包括马尔可夫模型、蒙特卡洛模拟等，它们能够为金融机构提供更加准确和可靠的风险评估数据。
2. 投资组合优化数学建模可以帮助金融机构进行投资组合优化，即在给定的风险偏好和收益目标下，选择最佳的投资组合。
通过运用数学建模和优化算法，可以找到最优的投资权重以达到最大的收益或最小的风险。
3. 风险分散和对冲数学建模可以帮助金融机构进行风险分散和对冲，即通过投资多种不同类型的资产，降低整体风险。
利用数学建模，可以更好地理解不同资产之间的相关性，并通过对冲操作来降低特定风险。
4. 金融衍生品定价数学建模在金融衍生品定价中也发挥着重要作用。
通过建立数学模型，可以对金融衍生品的价值进行评估和定价，为交易双方提供公正和合理的价格。
三、数学建模在金融风险管理中的优势1. 提供准确和可靠的数据数学建模可以通过冷静客观的方式，提供准确和可靠的风险评估数据，避免了主观性和随意性带来的误判和风险。
2. 加强决策的科学性数学建模可以为金融机构提供科学的决策依据，减少决策的随意性和盲目性。
通过对各种可能性进行模拟和计算，可以更好地预测和应对不同风险。
3. 提高效率和精度数学建模可以通过自动化和计算机技术，提高风险管理的效率和精度。
相比传统的手工计算和分析，数学建模可以更快速地处理大量数据和复杂计算，并提供更精确的结果。
数学建模投资风险与收益
数学建模投资风险与收益
投资风险和收益是投资领域中的两个最重要的概念。
投资者在做出最终的决策之前，
必须仔细衡量这两者之间的关系。
投资风险是指可能发生的一系列不确定的事件，这些事件可能会导致投资者在投资过
程中遭受损失。
投资风险包括市场风险、信用风险、流动性风险和操作风险等。
投资收益是指投资者在投资中获得的收益，包括股息、利息、资本利得和其他收益等。
投资者的收益与投资风险密切相关，通常来说，风险越高，收益也就越高，反之亦然。
在数学建模中，我们可以使用各种数学工具和技巧来分析投资风险和收益之间的关系。
例如，我们可以使用统计方法来评估一个投资组合的风险和收益。
通过分析投资组合中每
个资产的历史数据，我们可以得出该组合的风险和收益情况，并通过优化投资组合的资产
配置，实现最大化收益和最小化风险的目标。
另外，我们还可以使用金融工程学中的定价模型来评估投资的风险和收益。
例如，利
用风险价格和风险杠杆来评估投资组合的风险和收益，并通过调整投资组合的配置，使风
险和收益达到最优化。
除了数学建模，我们还可以使用许多其他工具和技巧来帮助我们评估投资风险和收益
之间的关系。
例如，我们可以使用基本面分析来评估股票的价值，使用技术分析来预测股
票价格的变化，使用公司财务分析来评估企业的财务状况等。
总之，投资风险和收益是投资领域中的两个最重要的概念。
通过使用数学建模和其他
工具和技巧，我们可以更加准确地分析投资组合的风险和收益，并实现最优化的投资决
策。
投资的收益和风险问题—数学建模论文
投资的收益和风险问题摘要本论文主要讨论解决了在组合投资问题中的投资收益与风险的相关问题。
分别在不考虑风险和考虑风险的情况下建立相应的数学模型，来使得投资所获得的总利润达到最大。
问题一是一个典型的线性规划问题，我们首先建立单目标的优化模型，也即模型1，用Lingo软件求解，得到在不考虑投资风险的情况下，20亿的可用投资金额所获得的最大利润为153254.4万元。
然后分别分析预计到期利润率、可用投资总资金和各投资项目的投资上限对总利润的影响。
发现利润与利润率成正比的关系；可用投资总额有一个上限，当投资额小于这个上限时，总利润与可用投资额成正比的关系，当大于这个上限时，可用投资额与总的利润没有关系，总利润率保持不变；各项目的投资上限均与目标值呈正相关，项目预计到期利润率越大，该项目投资上限的变动对目标值的影响越大。
问题二是一个时间序列预测问题。
分别在独立投资与考虑项目间的相互影响投资的情况下来对到期利润率和风险损失率的预测。
两种情况下的预测思路与方法大致相同。
首先根据数据计算出到期利润率，将每一个项目的利润率看成一个时间序列，对该序列的数据进行处理，可以得到一个具有平稳性、正态性和零均值的新时间序列。
再计算该序列的自相关函数和偏相关函数，发现该时间序列具有自相关函数截尾，偏自相关函数拖尾的特点，所以可认为该序列为一次滑动平均模型（简称MA(1)）。
接着，用DPS数据处理系统软件中的一次滑动平均模型依次预测出各项目未来五年的投资利润率。
对于风险损失率，我们用每组数据的标准差来衡量风险损失的大小，将预测出来的投资利润率加入到样本数据序列中，算出该组数据的标准差，用该值来衡量未来五年的风险损失率。
具体答案见4.2.2.1问题的分析与求解。
同样在考虑相互影响的情况下，我们运用ARMA(3,1)模型进行预测，结果见4.2.2.2 问题三与问题一类似，也是优化的问题，其目标仍是第五年末的利润最大，而且也没有考虑风险问题，只是约束条件改变了。
- 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)。
投资收益和风险的模型摘要在现代商业、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。
一 问题的提出某公司有数额为M （较大）的资金，可用作一个时期的投资，市场上现有5种资产（i S ）(如债券、股票等)可以作为被选的投资项目，投资者对这五种资产进行评估，估算出在这一段时期内购买i S 的期望收益率（i r ）、交易费率(i p )、风险损失率(i q )以及同期银行存款利率0r （0r =3%）在投资的这一时期内为定值如表1，不受意外因素影响,而净收益和总体风险只受i r ,i p ,i q 影响，不受其他因素干扰 。
现要设计出一种投资组合方案, 使净收益尽可能大, 风险尽可能小.表1投资项目i S 期望收益率(%)i r 风险损失率(%)i q交易费率(%)i p存银行0S3 0 0 1S 27 1 2S 22 2 3S 25 4S 23 5S212其中0,1,2,3,4,5.i =二 问题假设及符号说明问题假设(1)总体风险可用投资的这五种中最大的一个风险来度量；(2)在投资中,不考虑通货膨胀因素, 因此所给的i S 的期望收益率i r 为实际的平均收益率；(3)不考虑系统风险, 即整个资本市场整体性风险, 它依赖于整个经济的运行情况, 投资者无法分散这种风险, 而只考虑非系统风险, 即投资者通过投资种类的选择使风险有所分散；(4)不考虑投资者对于风险的心理承受能力。
符号说明i x ：购买第i 种资产的资金数额占资金总额的百分比；i Mx ：购买第i 种资产的资金数额； 0Mx ：存银行的金额； ()i f x ：交易费用； R ：净收益；Q ：总体风险； i ρ：第i 种投资的净收益率。
三 模型的分析与建立令交易费用,0()(0,1,,5)0,0i i i i i Mx p x f x i x >⎧==⎨=⎩则净收益为50(1)i i i R M r x M ==+-∑总体风险为05max i i i Q Mx q ≤≤=约束条件为55()iii i f x MxM ==+=∑∑可以简化约束条件为5(1)1iii p x=+=∑同时将5(1)i i i M M p x ==+∑代入，得555(1)(1)()i i i i i i i i i i R M r x M p x M r p x ====+-+=-∑∑∑略去M,原问题化为双目标决策问题:50max ()i i i i R x r p ==-∑05min max i i i Q x q ≤≤= （）5(1)1s. t .00,1,,5i i i i p x x i =⎧+=⎪⎪⎨≥⎪⎪=⎩∑以下设0i i r p ->，否则不对该资产投资。
四 模型的求解固定R 使Q 最小的模型固定R 使Q 最小，将模型（）化为05min max i i i Q q x ≤≤=，505(),(1)s. t . (1)1,(2)00,1,,5i i i i i i i i r p x R p x x i ==⎧-=⎪⎪⎪+=⎨⎪⎪≥⎪=⎩∑∑ （）此模型又可改写为miny()()()()()()0001115550011551111s. t . 0,00,1,,5i i ir p x r p x r p x Rp x p x p x x q yx y i ⎧-+-++-=⎪++++++=⎪⎪≤⎨⎪≥≥⎪⎪=⎩令()(1)i i i i r p p ρ=-+，i ρ表示第i 种投资的净收益率，则i ρ必大于0ρ,否则, 若10ρρ≤, 则不对i S 投资, 因为对该项目投资纯收益率不如存银行, 而风险损失率又大于存银行。
将i ρ从小到大排序,设k ρ最大, 则易见对模型（）的可行解必有k R ρ≤≤03.0.当03.0=R 时, 所有资金都存银行,0=Q ; 当k R ρ=时, 所有资金用于购买i S ,1kkq Q p =+；当k R ρ<<03.0时,有如下结论[7]。
结论：若<R<k ρ，015(,,,)x x x 是模型（）的最优解, 则1155x q x q ==[7]。
而对于固定收益使风险最小的模型来说，这结论也可换句话说：在前5项投资总额一定的前提下，各项投资的风险损失相等即112255x q x q x q ===时，总体风险最小[8]。
证：设125,,,y y y 是满足112255x q x q x q ===的一组解，即*112255y q y q y q Q ====。
显然此时*Q 为总体风险。
由于前5项投资总额M 是一定的，只要改变其中一项的值，便会导致总体风险增加。
（比如说将1y 的值增加为*1y 会使得**11y q Q >，总体风险显然增加；反之，若减小1y 的值，必然会导致另外一项或几项的值，总体风险自然增加。
）因此,当(0.03,)k R ρ∈时，可按以下步骤求出最优解：1）将（1）式和（2）式消去0x ；2）将i i Q x q =代入解出Q ；3）由i i Qx q =，15i ≤≤，5011(1)i ii x p x ==-+∑求出最优解。
所以，我们算得如下结果:（1）0.03R =时，0123451,0,0x x x x x x Q =======；（2）0.261.01R =时，0234510,11.01,0.0241.01x x x x x x Q =======；（3）(0.03,0.261.01)R ∈时，0.03,40.1721R Q -= 10.030.9641R x -=，20.030.6428R x -=， 30.032.0889R x -=，40.030.8838R x -=，50.030.6026R x -=，0123451 1.01 1.02 1.045 1.065 1.02x x x x x x =-----。
事实上应用Lingo 软件可算得如下结果:表1收益R最小风险度Q投资i S 的资金百分比i x （0,1,2,3,4,5.i =）0x1x2x3x4x5x收益R最小风险度Q最小风险度Q 随收益R 的变化趋势图固定Q 使R 最大的模型固定Q 使R 最大，将模型（）化为50max ()i i i i R r p x ==-∑，50,s. t .(1)1,0,(0,1,,5.)i i i i i i x q Q p x x i =≤⎧⎪⎪+=⎨⎪⎪≥=⎩∑（）对于每一个Q ，用模型（） 都能求出R , 由净收益率()(1)i i i i r p p ρ=-+, 直观上想到i ρ越大,i x 应尽量大,这种想法是正确的,可将其写为如下结论。
结论[7]：设015(,,,)x x x 是模型（）的最优解, 若i j ρρ> , 0j x >，则i i x Q q =。
证明：反证法。
假设i j ρρ>，0j x >，而i i x Q q <。
选取充分小的正数ε，使得()i i x q Q ε+<，(1)(1)i j j p x p ε+<+。
令*i i x x ε=+，*(1)(1)j j i j x x p p ε=-++，当,k i j ≠时，令*k k x x =，则*0k x ≥，且5**,(1)(1)()(1)[(1))](1)1kk kk i i j i j j k k i jxp xp x p x p p p εε=≠+=+++++-+++=∑∑，55**0,0()()()()[(1))]()()kk k kk k i i i j i j j j k k k k k i jk xr p x r p x r p x p p r p x r p εε=≠=-=-++-+-++->-∑∑∑。
则***015(,,,)x x x 才是最优解，因此015(,,,)x x x 不是模型（）的最优解。
此处矛盾，则结论成立，证毕。
由此结论, 我们可将i ρ从大到小排序, 使i ρ最大的k 应尽量满足k k x q Q =, 若还有多余资金, 再投资i ρ次大的,。
对于不同的Q ,会有不同的投资方案,我们可以算出Q 的临界值, 从而确定各项目的投资值。
因此，设123450ρρρρρρ>>>>> , 则可用下面的方法算出各临界值1c ，2c ，3c ，4c ，5c 。
只有一种投资时,111111(1),(1)0.023762c p q c q p +==+=。
当有两种投资时, 将121222,x c q x c q ==，代入1122(1)(1)1x p x p +++=，得2121221)(1)]0.009449c q q p q p q =+++=。
同理可得：3123123213312[(1)(1)(1)]0.007941c q q q p q q p q q p q q =+++++=，412341234213431244123[(1)(1)(1)(1)]0.005736c q q q q p q q q p q q q p q q q p q q q =+++++++= 51234512345213453124541235[(1)(1)(1)(1)c q q q q q p q q q q p q q q q p q q q q p q q q q =+++++++51234(1)]0.004131p q q q q ++=于是得最优解：当0.000000Q =时，0123451,0x x x x x x ======。
当00.004131Q <≤时，5112233445501,,,,,1(1)i i i x Q q x Q q x Q q x Q q x Q q x p x =======-+∑。
当0.0041310.005736Q <≤时，411223344,5501,,,[1(1)](1),0i i i x Q q x Q q x Q q x Q q x p x p x ======-++=∑。
当0.0057360.007941Q <≤时，311223344501,,,[1(1)](1),0i i i x Q q x Q q x Q q x p x p x x =====-++==∑。