投资收益和风险的优化模型
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。
不同投资决策的最优化模型
不同投资决策的最优化模型随着经济发展，投资成为人们追求财富增值的重要途径之一。
不同的投资决策对应不同的风险和收益。
如何在风险和收益之间做出最优化的投资决策，成为投资者必须要面对的难题。
本文将介绍不同投资决策的最优化模型及其应用。
基本概念在讨论最优化模型之前，我们需要了解一些基本概念。
收益收益是指投资所获得的盈利。
在同等投入下，收益越高，投资者的利润就越大。
风险风险是指投资所面临的不确定性，包括市场波动、政策变化、经济形势等各种因素的影响。
风险越大，投资者面临的亏损就越多。
风险收益比风险收益比是衡量投资风险和收益之间关系的重要指标。
风险收益比越高，代表投资者在相同投入下能获得更高的收益，但风险也随之增加。
均值-方差模型均值-方差模型是最早应用于投资决策的模型之一。
它通过计算投资组合的期望收益和方差，来确定最优的投资组合。
均值-方差模型的基本思路是，投资者希望在一定的投入下，获得最高的收益，并且避免风险。
因此，投资者需要在不同的投资品种之间做出选择，以获得最优的投资组合。
该模型通常假设所有的投资品种之间都是相互独立的，并且各自服从正态分布。
同时，该模型依据Markowitz提出的理论，将投资决策问题转化为一个求解二次规划问题的过程。
均值-方差模型的数学形式如下：minimize 1/2 x' * Σ * x - μ' * xsubject to x >= 0, sum(x) = 1其中，x表示投资组合向量，Σ表示协方差矩阵，μ表示期望收益向量。
通过求解上述优化问题，可以得到最优的投资组合，同时满足各种约束条件。
例如，假设我们有两种投资品种，它们的期望收益分别为μ1和μ2，协方差为σ12，σ21，那么该模型的答案可以表示为：x* = (μ1 - μ2) / σ12 /(σ12^2 + σ21^2)y* = (μ2 - μ1) / σ21 / (σ12^2 + σ21^2)其中x和y分别表示将资金投入不同投资品种的比例。
几类投资组合优化模型及其算法
几类投资组合优化模型及其算法投资组合优化是金融领域研究的热点之一，它旨在通过合理的资产配置，最大化投资回报并控制风险。
在过去的几十年里，学者们提出了许多不同的模型和算法来解决这个问题。
本文将介绍几类常见的投资组合优化模型及其算法，并讨论它们在实际应用中的优缺点。
一、均值-方差模型及其算法均值-方差模型是最早也是最常见的投资组合优化模型之一。
它假设市场上所有证券的收益率服从正态分布，并通过计算每个证券预期收益率和方差来构建一个有效前沿。
然后，通过调整不同证券之间的权重来选择最佳投资组合。
常用于求解均值-方差模型问题的算法包括马尔科夫蒙特卡洛方法、梯度下降法和遗传算法等。
马尔科夫蒙特卡洛方法通过随机生成大量投资组合并计算它们对应收益和风险来找到有效前沿上最佳点。
梯度下降法则通过迭代调整权重，使得投资组合的风险最小化，同时收益最大化。
遗传算法则通过模拟生物进化的过程，不断迭代生成新的投资组合，直到找到最优解。
然而，均值-方差模型存在一些缺点。
首先，它假设收益率服从正态分布，在实际市场中往往不成立。
其次，它忽略了投资者的风险偏好和预期收益率的不确定性。
因此，在实际应用中需要对模型进行改进。
二、风险价值模型及其算法风险价值模型是一种基于风险度量和损失分布函数的投资组合优化模型。
它通过将损失分布函数与预期收益率进行权衡来选择最佳投资组合。
常用于求解风险价值模型问题的算法包括蒙特卡洛模拟、条件值-at- risk方法和极大似然估计等。
蒙特卡洛方法通过随机生成大量损失分布并计算对应的条件值-at- risk来找到最佳点。
条件值-at-risk方法则是直接计算给定置信水平下对应的损失阈值，并选择使得风险最小化的投资组合。
极大似然估计则是通过对损失分布的参数进行估计，找到最符合实际数据的投资组合。
风险价值模型相比均值-方差模型具有更好的鲁棒性，能够更好地应对极端事件。
然而，它也存在一些问题。
首先，它需要对损失分布进行假设，而实际中往往很难准确估计。
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。
几类投资组合优化模型及其算法
几类投资组合优化模型及其算法几类投资组合优化模型及其算法投资组合优化模型是金融领域中常用的一种数学模型，它通过对资产进行适当的配置，以期获得最大的收益或最小的风险。
在实际应用中，根据不同的投资目标和约束条件，可以使用不同类型的投资组合优化模型及相应的算法。
一、均值-方差模型及算法均值-方差模型是最经典的投资组合优化模型之一，它基于资产的期望收益和风险(方差或标准差)之间的权衡。
常用的算法有：马科维茨(Markowitz)模型和现代投资组合理论。
马科维茨模型利用资产的历史数据估计收益率和协方差矩阵，通过最小化风险（方差）的方式来寻找最优化的投资组合。
算法流程为：（1）计算资产的期望收益和协方差矩阵；（2）设定目标函数和约束条件，如最大化收益、最小化风险、达到特定风险水平等；（3）通过数学规划方法，如二次规划或线性规划求解最优的权重分配。
现代投资组合理论进一步发展了马科维茨模型，引入了资本市场线和风险资本边界等概念。
它将投资组合的有效边界与资本市场线相结合，可以通过调整风险与收益的平衡点，实现不同风险偏好下的最优组合。
算法流程与马科维茨模型类似，但增加了一些额外的计算步骤。
二、风险平价模型及算法风险平价模型是近年来研究的热点之一，它基于资产之间的风险关系，通过将各资产的风险贡献平均化，来实现风险平衡。
常用的算法有：风险平价模型及最小方差模型。
风险平价模型的核心思想是将整个投资组合中，每个资产的风险贡献度（总风险对该资产的贡献程度）设置为相等，从而实现整体投资组合风险的均衡。
算法流程为：（1）计算各资产的风险贡献度；（2）设定目标函数和约束条件，如最小化风险、满足收益要求等；（3）通过优化算法，如线性规划、非线性规划等，求解最优的权重分配。
最小方差模型在风险平价模型的基础上，进一步最小化整个投资组合的方差。
算法流程与风险平价模型类似，但在目标函数的设定上多了一项方差的计算。
三、条件-Value at Risk模型及算法条件-Value at Risk模型是一种集成了条件-Value at Risk方法的投资组合优化模型，它引入了一定的风险约束条件，如最大损失限制，来保护投资者不承受过大的风险。
投资组合优化模型及策略研究
投资组合优化模型及策略研究在当今复杂多变的金融市场中，投资者们都渴望找到一种能够实现资产增值、降低风险的有效方法。
投资组合优化模型及策略的研究，就成为了帮助投资者实现这一目标的重要工具。
投资组合，简单来说，就是将资金分配到不同的资产类别中，如股票、债券、基金、房地产等。
而投资组合优化，则是通过数学模型和策略，确定在各种资产之间的最优配置比例，以达到在给定风险水平下获得最大收益，或者在给定收益目标下承担最小风险的目的。
一、常见的投资组合优化模型1、均值方差模型这是由马科维茨提出的经典模型。
它基于资产的预期收益率和收益率的方差（风险）来构建投资组合。
投资者需要根据自己对风险的承受能力，在预期收益和风险之间进行权衡。
然而，该模型的缺点也较为明显，例如对输入数据的准确性要求较高，对资产收益率的正态分布假设在实际中不一定成立。
2、资本资产定价模型（CAPM）CAPM 认为，资产的预期收益率取决于其系统性风险（用贝塔系数衡量）。
该模型为资产定价和投资组合的构建提供了一种简单的方法，但它也存在一些局限性，比如假设条件过于理想化，无法完全解释市场中的所有现象。
3、套利定价理论（APT）APT 认为，资产的收益率可以由多个因素来解释，而不仅仅是系统性风险。
这一理论为投资组合的构建提供了更灵活的框架，但在实际应用中确定影响资产收益率的因素较为困难。
二、投资组合优化策略1、积极型策略积极型投资者试图通过对市场的深入研究和预测，选择那些被低估或具有潜在增长机会的资产，以获取超额收益。
然而，这种策略需要投资者具备丰富的专业知识和经验，以及对市场的敏锐洞察力，同时也伴随着较高的交易成本和风险。
2、消极型策略消极型策略通常是指投资者按照市场指数的权重来构建投资组合，以获得市场的平均收益。
这种策略的优点是成本低、操作简单，适合那些没有足够时间和精力进行投资研究的投资者。
3、混合策略混合策略则是结合了积极型和消极型策略的特点，在部分资产上采用积极管理，而在其他资产上采用消极跟踪。
投资组合优化模型及其应用
投资组合优化模型及其应用在当今的金融世界中，投资组合的构建和优化是投资者实现资产增值和风险控制的重要手段。
投资组合优化模型作为一种科学的工具，能够帮助投资者在众多的投资选择中找到最优的组合方案，以达到预期的投资目标。
投资组合优化模型的基本原理是基于资产的预期收益和风险，通过数学方法和统计分析，确定不同资产在投资组合中的比例，从而实现投资组合的最优配置。
简单来说，就是在一定的风险水平下，追求最大的收益；或者在一定的收益目标下，尽量降低风险。
常见的投资组合优化模型包括均值方差模型、资本资产定价模型（CAPM）和 Black Litterman 模型等。
均值方差模型是由马科维茨提出的，它假设投资者是风险厌恶的，通过计算资产的均值（预期收益）和方差（风险）来确定最优投资组合。
在这个模型中，投资者需要根据自己的风险偏好，在收益和风险之间进行权衡。
资本资产定价模型则是在均值方差模型的基础上发展而来的，它强调了系统风险对资产定价的影响。
该模型认为，资产的预期收益取决于其对市场组合风险的贡献程度，即贝塔值。
通过计算资产的贝塔值，投资者可以评估资产的风险和预期收益，从而做出投资决策。
Black Litterman 模型则是将投资者的主观观点与市场均衡相结合，对资产的预期收益进行调整。
这种模型在处理不确定性和投资者主观判断方面具有一定的优势，能够更好地反映投资者的个性化需求。
投资组合优化模型在实际应用中具有广泛的用途。
首先，对于个人投资者来说，它可以帮助他们合理配置资产，降低风险，提高投资收益。
例如，一个年轻的投资者可能具有较高的风险承受能力，可以将更多的资金投资于股票等风险资产；而一个即将退休的投资者则可能更倾向于保守的投资策略，增加债券和现金的比例。
其次，对于机构投资者，如基金公司、保险公司等，投资组合优化模型是其进行资产配置和风险管理的重要工具。
基金经理可以根据模型的结果，调整投资组合中不同资产的比例，以实现基金的业绩目标和风险控制。
- 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。
在模型评价中，我们通过分析在考虑i u 后,模型以及解的改变程度,验证了i u 对模型的改变很小,可以忽略不计,从而证明了我们给出的模型的正确性、实用性。
关键词 投资风险 收益 投资方案 多目标规划 线性规划 非劣解一 问题的提出某公司有数额为M 的一笔相当大的资金可用作一个时期的投资。
现在市场上有n种资产（如股票、债券、…）i S （n i ,2,1 ）供投资者选择，公司财务分析人员对这n 种资产进行了评估，估算出在这一时期内购买i S 的平均收益率为i r ，并预测出购买i S 的风险损失率为i q 。
购买i S 要付交易费，费率为i p ，并且当购买额不超过给定值i u 时，交易费按购买i u 计算（不买当然无须付费）。
另外，假定同期银行存款利率是0r ,且既无交易费又无风险。
（0r =5%）我们在此建立数学模型，为企业作出一种投资方案，使企业得到的收益近可能的大,与此同时要求企业承受风险尽可能的小。
两组数据如下：表1：数据表1i S i r (%) i q (%) i p (%)i u (元) 1S2S3S4S 28 21 23 252.5 1.5 5.5 2.6 1 2 4.5 6.5 103 198 52 40 表2：数据表2 i S i r (%) i q (%)i p (%) i u (元) 1S 2S 3S 4S 5S 6S 7S 8S 9S 10S 11S 12S 13S 14S15S9.6 18.5 49.4 23.9 8.1 14 40.7 31.2 33.6 36.8 11.8 9 35 9.4 15 425460421.2396833.453.340315.5465.323 2.1 3.2 6 1.5 7.6 3.4 5.6 3.1 2.7 2.9 5.1 5.7 2.7 4.5 7.6 181 407 428 549 270 397 178 220 475 248 195 320 267 328 131二 基本假设1. 假设总资产M 为一笔相当大的资金。
2. 总资产M 全部用于投资项目或存入银行，没有闲置资产。
3. 若资产存进银行，交易费和风险损失率为零。
4. 若资产存进银行，平均收益率用同期银行利率0r 来计算。
5. 总风险V 可以用所投资项目i S 中最大的一个风险损失值i i q m ⋅来度量，即}max {i i q x V ⋅=。
6. 当第i 个项目i S 投资额不超过i u 时，交易费按购买i u 计算，且不买无须付费；投资额不超过i u 时，按费率i p 计算。
7. 我们认为n 种资产的平均收益率i r ，风险损失率i q ，交易费率i p 在一定时期内都保持不变。
8. 银行的利率0r 也在一定时期内保持不变。
三 符号说明M公司要投资的总资金 n总共的项目数 0S0=i 时表示将资金存入银行 i S第i 个项目（n i ...2,1=） i m投入i S 的资金数目（n i ...2,1,0=） i x投入i S 的资金数目占总资金M 的百分比（n i ...2,1,0=） 0r同期银行存款利率，0r ＝5％ i r购买i S 的平均收益率（n i ...2,1=） 0q00=q ,表示将资金存入银行的风险损失率为零 i q购买i S 的风险损失率（n i ...2,1=） 0p00=p ,表示将资金存入银行要交的费率为零 i p购买i S 要交的费率（n i ...2,1=） i u当购买额不超过给定值i u 时，交易费按购买i u 计算（n i ...2,1=） i U购买i S 要交的总手续费（n i ...2,1,0=） c公司能承受的最大的总风险损失率 G总收益 g总平均收益率，即G /M V总风险，即各投资项目中最大的风险值 v总风险损失率，即V /M t 项目S 要盈利的最小投入资本四 问题分析公司在一定时期内的投资决策，主要由三个因素制约：第一，投资项目的盈利空间；第二，投资项目的风险大小；第三，投资项目的费用。
显然，投资的目的是为了尽可能多的盈利，这样就希望将钱投入收益率较大的项目，然而，高收益往往伴随着高风险，如果为了多盈利而投资收益大的项目，往往带来了较大的风险，这就需要综合评价各个项目的收益与风险，从中恰当的进行取舍找到最优结合点。
以上投资问题的目标是使风险尽可能的小而收益尽可能的大，即达到最优化，同时目标的实现又受具体项目风险,费用和获利的制约，所以这是一个关于优化的规划问题，属于一个多目标决策。
目标函数有两个：一、总收益G 尽可能的大；二、总风险损失V 尽可能的小。
如果直接给出一个评价函数，对目标进行求解，则由于多目标决策求解的复杂性和不定性，求解的过程将显得非常繁琐而且得到的结果并不具有普适性（因为对于不同的人或情况，对风险和收益的侧重不同）。
所以我们可以通过对其中的一个目标进行限制，作为另一个目标的约束条件，再对其进行求解。
这样就将多目标决策转化为基本的单目标决策。
由于总风险的大小是取各项风险的最大值，而不是简单的线性关系，所以为了简化运算，具体的，我们对总风险损失率v 进行限制（即得到公司能承受的最大总风险损失率c ），作为总平均收益率g 求解最优的约束条件，再对其进行求解。
这样我们对于每一个公司能承受的最大总风险损失率c ，总有一个总平均收益率g的最优值与之相对应。
这样便得出了总收益最优max G 和公司能承受的最大风险C 之间的函数关系。
根据关系函数，能得到一个非劣解的可行域。
然后可根据各种实际情况选择一个适当的评价函数，在可行域中便可找到最优的投资方案。
这样可使模型具有普适性，而且模型求解的过程也变得简单而清晰。
五 模型的建立与求解(1) 模型的建立模型一 多目标规划模型购买i S 要付交易费，费率为i p ，并且当购买额不超过i u 给定值时，交易费按购买i u 计算，且不买无须付费。
所以购买i S 要交的总手续费i U 为：⎪⎩⎪⎨⎧≥⋅<<⋅==i i ii i i i i i i i u m m p u m m u m m U 0 0 0)(，由于要使风险尽可能的小，且收益尽可能的大，所以得到以下多目标规划模型：)(max min 41i i i m q V == ∑=-=40)( max i i i i U m r Gs.t. 0≥i m ， ∑==40i i M m但是由于i U 是一个分段函数，所以不易求解。
考虑到M 是一个相当大的值，若对项目i S 进行投资，则投资到i S 的资金i m 也会很大（i i u m >）。
基于以上分析，我们对模型作如下的简化：1)先暂时把)(i i m U 当作线性函数：i i i i m p m U ⋅=)(2)将M 作归一化处理：令M m x i i =, M V v =, MG g = 得到的多目标规划模型如下： )(max min 41i i i x q v ⋅== ∑=⋅-=4])[( max i i i i x p r gs.t. 0≥i x ， ∑==41i i x为了求解此多目标规划模型，我们将其转化为模型二：带参量c 的线性规划模型。
模型二 带参量c 的线性规划模型由于0S 的平均收益率0r 小于其他项目i S 的平均收益率i r ，只要将投入0S 的比率0x 减小，将其他项目i S 的投入比率i x 加大（i x ＝0的不变），收益便一定会增大。
但此时风险也相应的增大了。
所以当要想获得更大的收益，必须要承担更大的风险。
我们假定公司能承受的最大总体风险损失率为c ，即：c x q v i i i ≤==)(max 41 可以写成：c x q ≤⋅11，c x q ≤⋅22，c x q ≤⋅33，c x q ≤⋅44。
在此约束条件下，上面的多目标规划模型可以转化成带参量c 的线性规划模型，如下：∑=⋅-=40])[( max i i i i x p r gs.t. c x q ≤⋅11， c x q ≤⋅22，c x q ≤⋅33， c x q ≤⋅44，0≥i x ， ∑==401i i x若给定c 的值，这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 ，c >0。
由以上分析可知，如果我们求得了函数)(max c g ，就能够知道：当公司能承担的最大总风险损失率c v =时，公司能得到的最大投资收益值，及其应投入各个项目i S 的资金率i x 。
从而，多目标规划模型的非劣解解空间也就求解出来了。
下面我们就来求函数)(max c g 。