lingo求股票投資組合

❶ 應用實例與結論

4.6.3.1 應用實例

某石油公司初步選擇10個海外油氣項目，經過可行性分析和初步認證，得到項目占投資比重、項目投資收益率見表4.30。

表4.30 項目占投資比重、預期投資收益率和風險因素影響單位：%

決策者對表4.30中各項目的風險因素，包括能力風險、地質與技術風險、財務風險、環境風險和政治風險，以及項目整體風險進行評估，將低風險記為1，中等風險記為2，高風險記為3，得到項目風險決策表（表4.31）。

表4.31 模糊風險信息決策表

這里，m=5,n=10，令α＝0.3，當以可得如下分類：

U/C={{1,3,4,7,8,9,10},{2},{3,4,5,7,8,9,10},{6}},

U/（C-C₁）={{1,3,4,7,8,9,10},{2},{3,4,5,7,8,9,10},{6}},

U/（C-C₂）={{1,3,4,6,7,8,9,10},{2｝,｛3,4,5,7,8,9,10}},

U/（C-C₃）={{1,3,4,7,8,9,10},{2},{3,4,5,7,8,9,10},{6}},

U/（C-C₄）={{1,3,7,8,9,10},{2,7},{3,4,5,7,8,9,10},{6}},

U/（C-C₅）={{1,3,4,6,7,8,9,10},{2,7},{3,4,5,7,8,9,10},{6}}，

取β＝0.9，即假定決策者具有不低於0.9的分類正確率。可以發現，僅去掉C₁或C₃，對近似分類質量不產生影響；但是，當同時去掉C₁和C₃時，

U/（C-C₃-C₁）={{1,3,4,7,8,9,10},{2,7},{3,4,5,7,8,9,10},{6}｝

近似分類質量發生變化，表明在決策表中，屬性集合｛C₁,C₃｝不可同時消除。這里，我們保留能力風險C₁，得到約簡｛C₁,C₂,C₄,C₅｝，依次消除C₂、C₄和C₅，得到以下等價類：

U/（C-C₃-C₂）={{1,3,4,7,8,9,10},{2},{3,4,5,7,8,9,10},{4,5,6,7,8,9,10}}

U/（C-C₃-C₄）={{1,2,7,8,9,10},{2,3,5,7,8},{3,4,5,7,8,9,10},{6}}

U/（C-C₃-C₅）={{1,3,4,6,7,8,9,10},{2},{3,4,5,7,8,9,10}｝

根據式4.37，得到各風險要素重要性：

國外油氣與礦產資源利用風險評價與決策支持技術

進行歸一化處理，得到決策者的風險偏好為：

和

。在此條件下，利用多目標規劃，取K₁=K₂=0.5，應用LINGO 軟體求解，得到投資收益率最大的項目組合為1,2,3,4,5,7,9。當K₁=0.8,K₂=0.2時，投資收益率最大的項目組合為1,2,3,4,6和7。

4.6.3.2 主要結論

本節考慮了在多風險因素影響下，海外油氣勘探開發項目投資組合選擇的問題。分析了海外油氣勘探開發項目中所面臨的多種風險，包括能力風險、地質與技術風險、財務風險、環境風險和政治風險。從對這5種風險的評估出發，決策者根據自身情況，對將要投資的項目的風險當量進行評估，建立了海外油氣勘探開發項目的多風險決策表，利用變精度粗集具有容錯能力的優勢，對決策表進行處理，消除可能存在的分類誤差，得到投資者對各風險要素的風險偏好，構建投資組合收益率最大化的目標函數，求得最優的投資組合，是一種考慮風險偏好和分類誤差的新方法，解決了現行項目研究中，僅考慮NPV收益，而對風險難以有效度量的問題，適合於處理風險多樣性的海外油氣勘探開發項目投資決策。

❷ 利用lingo如何做排列組合問題

先求出要去的5個地點到所有20個地點的最短路徑
餘下的就是一個01規劃問題，可以用Lingo求解
xij = 0 表示第j個人不去第i個地點
xij = 1 表示第j個人去第i個地點

目標函數：∑(i=1..5)∑(j=1..20)Aij * xij

約束條件：∑(i=1..5)xij = 1 (j = 1..20)
∑(j=1..20)xij = 1 (i = 1..5)
xij = 0 or 1 (i = 1..5, j = 1..20)

❸ 利用lingo怎麼怎麼計算出股票投資收益最大化

LINGO模型和數學模型的表達方式非常接近，適合於初學者。當然這並不是說LINGO軟體功能不強大，恰恰相反，LINGO功能足夠強大，只要你學的夠深入，夠精通。

學習LINGO最好能有一點運籌學的基礎。當然，你也可以一邊學運籌學，一邊學習如何用LINGO解決實際問題，這樣最好了。

學習建模軟體的核心是要把數學模型轉換成建模軟體對應的語言。相當於翻譯。只要翻譯正確，建模軟體會替你選擇演算法進行計算，得出結果。但學習和參加數學建模，最關鍵的是你要有建立模型的能力。所以應該在運用建模軟體的過程中不斷積累建模的技巧和經驗，不斷提高建模的能力。

❹ 用lingo11破解版求解最優投資決策問題時為什麼得到的不是最優解

全局優化和局部優化結果有可能不同

❺ 用Lingo或lindo做，求程序答案

自己看看教程就懂了 lingo每句後面都要加分號 lindo不要加分號 另外lindo 有st lindo乘號不用寫 但是能直接做的東西少於lingo的能力

具體要你自己去看自己去寫 光問有什麼不同沒什麼意義
LINDO是一種專門用於求解數學規劃問題的軟體包。由於LINDO執行速度很快、易於方便輸入、求解和分析數學規劃問題。因此在數學、科研和工業界得到廣泛應用。LINDO主要用於解線性規劃、非線性規劃、二次規劃和整數規劃等問題。也可以用於一些非線性和線性方程組的求解以及代數方程求根等。LINDO中包含了一種建模語言和許多常用的數學函數（包括大量概論函數），可供使用者建立規劃問題時調用。
LINDO 6.1是求解線性、整數和二個規劃問題的多功能工具。LINDO 6.1互動的環境可以讓你容易得建立和求解最佳化問題，或者你可以將LINDO的最佳化引擎掛在您己開發的程序內。而另一方面，LINDO也可以用來解決一些復雜的二次線性整數規劃方面的實際問題。如在大型的機器上，LINDO被用來解決一些擁有超過50,000各約束條件和200,000萬個變數的大規模復雜問題
LINGO則用於求解非線性規劃（NLP—NON—LINEAR PROGRAMMING）和二次規則（QP—QUARATIC PROGRAMING）其中LINGO 6.0學生版最多可版最多達300個變數和150個約束的規則問題，其標准版的求解能力亦再10^4量級以上。雖然LINDO和LINGO不能直接求解目標規劃問題,但用序貫式演算法可分解成一個個LINDO和LINGO能解決的規劃問題。

運用LINDO軟體編寫下列程序並運行. 【實驗步驟】. （1）在模型窗口中輸入一個LP .... 使用Lingo軟體編製程序基於產大於銷的不平衡模型，即 則運輸問題的數學模型為： .... 的自然形式（數學形式）非常相似，幾乎沒有什麼差別，因此幾乎不需要專門學習就可以掌握。 ... 在Lindo中有一些可幫助尋找錯誤的功能，其中之一就是菜單命令「Report ...
結果：x＝20；y＝20； 利潤100

lingo程序：
!設生產甲x台，生產議y台;
!目標函數;
max=3*x+2*y;
!約束條件;
!原料;
2*x+3*y<=100;
!工時;
4*x+2*y<=120;
!台數;
x>=5;y>=10;

運行結果：
Global optimal solution found.
Objective value: 100.0000
Total solver iterations: 2

Variable Value Reced Cost
X 20.00000 0.000000
Y 20.00000 0.000000

Row Slack or Surplus Dual Price
1 100.0000 1.000000
2 0.000000 0.2500000
3 0.000000 0.6250000
4 15.00000 0.000000
5 10.00000 0.000000

靈敏度分析結果：
Ranges in which the basis is unchanged:

Objective Coefficient Ranges
Current Allowable Allowable
Variable Coefficient Increase Decrease
X 3.000000 1.000000 1.666667
Y 2.000000 2.500000 0.5000000

Righthand Side Ranges
Row Current Allowable Allowable
RHS Increase Decrease
2 100.0000 60.00000 20.00000
3 120.0000 40.00000 40.00000
4 5.000000 15.00000 INFINITY
5 10.00000 10.00000 INFINITY
結果分析就自己看著分析吧，上面都有了！
前言
第1章引言
§1.1優化模型的基本概念
§1.1.1優化模型的一般形式
§1.1.2可行解與最優解
§1.1.3優化模型的基本類型
§1.2優化問題的建模實例
§1.2.1線性規劃模型
§1.2.2二次規劃模型
§1.2.3非線性規劃模型
§1.2.4整數規劃模型
§1.2.5其它優化模型
§1.3LINDO/LINGO 軟體簡介
§1.3.1LINDO/LINGO軟體的基本功能
§1.3.2LINDO/LINGO軟體的求解過程
§1.3.3建立LINDO/LINGO優化模型需要注意的幾個基本問題
習題一
第2章LINDO軟體的基本使用方法
§2.1LINDO入門
§2.1.1LINDO軟體的安裝過程
§2.1.2編寫一個簡單的LINDO程序
§2.1.3一些注意事項
§2.2敏感性分析
§2.3整數線性規劃的求解
§2.4* 二次規劃的求解
§2.5LINDO的主要菜單命令
§2.6* LINDO命令窗口
§2.7* LINDO命令腳本文件
§2.8* 附錄：MPS格式數據文件
習題二
第3章LINGO軟體的基本使用方法
§3.1LINGO入門
§3.1.1LINGO軟體的安裝過程和主要特色
§3.1.2在LINGO中使用LINDO模型
§3.1.3編寫一個簡單的LINGO程序
§3.2在LINGO中使用集合
§3.2.1集合的基本用法和LINGO模型的基本要素
§3.2.2基本集合與派生集合
§3.2.3稠密集合與稀疏集合
§3.2.4集合的使用小結
§3.3運算符和函數
§3.3.1運算符及其優先順序
§3.3.2基本的數學函數
§3.3.3集合循環函數
§3.3.4集合操作函數
§3.3.5變數定界函數
§3.3.6財務會計函數
§3.3.7概率論中的相關函數
§3.3.8文件輸入輸出函數
§3.3.9結果報告函數
§3.3.10其他函數
§3.4LINGO的主要菜單命令
§3.4.1文件(File)主菜單
§3.4.2編輯（Edit）主菜單
§3.4.3LINGO系統（LINGO）主菜單
§3.5LINGO命令窗口
習題三
第4章* LINGO軟體與外部文件的介面
§4.1通過WINDOWS剪貼板傳遞數據
§4.1.1粘貼命令的用法
§4.1.2特殊粘貼命令的用法
§4.2通過文本文件傳遞數據
§4.2.1通過文本文件輸入數據
§4.2.2通過文本文件輸出數據
§4.3通過電子表格文件傳遞數據
§4.3.1在LINGO中使用電子表格文件的數據
§4.3.2將LINGO模型嵌入、鏈接到電子表格文件中
§4.4LINGO命令腳本文件
§4.5附錄：LINGO出錯信息
習題四
第5章生產與服務運作管理中的優化問題
5.1生產與銷售計劃問題
§5.1.1問題實例
§5.1.2建立模型
§5.1.3求解模型
§5.2有瓶頸設備的多級生產計劃問題
§5.2.1問題實例
§5.2.2建立模型
§5.2.3求解模型
§5.3下料問題
§5.3.1鋼管下料問題
§5.3.2易拉罐下料問題
§5.4面試順序與消防車調度問題
§5.4.1面試順序問題
§5.4.2消防車調度問題
§5.5飛機定位和飛行計劃問題
§5.5.1飛機的精確定位問題
§5.5.2飛行計劃問題
習題五
第六章 經濟與金融中的優化問題
§6.1 經濟均衡問題及其應用
§6.1.1單一生產商、單一消費者的情形
§6.1.2兩個生產商、兩個消費者的情形
§6.1.3拍賣與投標問題
§6.1.4交通流均衡問題
§6.2 投資組合問題
§6.2.1基本的投資組合模型
§6.2.2存在無風險資產時的投資組合模型
§6.2.3考慮交易成本的投資組合模型
§6.2.4利用股票指數簡化投資組合模型
6.2.5其他目標下的投資組合模型
§6.3 市場營銷問題
§6.3.1新產品的市場預測
§6.3.2產品屬性的效用函數
§6.3.3機票的銷售策略
習題六

第十二章數學建模競賽中的部分優化問題
§12．1 一個飛行管理問題
§12.1.1問題描述
§12.1.2模型1及求解
§12.1.3模型2及求解
§12．2鋼管訂購和運輸
§12.2.1問題描述
§12.2.2運費矩陣的計算模型
§12.2.3運輸量計算模型及求解
§12．3露天礦生產的車輛安排
§12.3.1問題描述
§12.3.2運輸計劃模型及求解
§12．4 空洞探測
§12.4.1問題描述
§12.4.2優化模型及求解
習題十二

你去這個網頁看看吧http:// f a c u l ty . m a t h .tsi n g hu a.ed u.cn/~j lin do/lindo-con tents.h tm

❻ lingo投資問題

1
max = 1.1*a5+1.25*b4+1.4*c+1.55*d+1.1*a4+1.25*b3+1.1*a3+1.25*b2+1.1*a2+1.25*b1+1.1*a1+(200-a1-b1)-(a2+b2+d)-(a3+b3+c)-(a4+b4);
a1+b1

❼ lingo求最優投資組合

沒有可行解，

MODEL:
SETS:
SEC/1..5/:RETURN,WEIGHT;
LINK(SEC,SEC):COV;
ENDSETS
DATA:
RETURN=0.0275,0.0510,0.0526,0.0455,0.2467;
COV=
0.187 0.236 0.110 -0.020 -7.243
0.236 1.036 0.789 0.624 -43.903
0.110 0.789 1.333 1.085 -46.298
-0.020 0.624 1.085 2.101 -30.715
-7.243 -43.903 -46.298 -30.715 3837.690;
ENDDATA
@SUM(LINK(I,J):WEIGHT(I)*WEIGHT(J)*COV(I,J))<0.01;
@SUM(SEC(I)|I#EQ#1:WEIGHT(I))>0.1;
@SUM(SEC(I)|I#LE#2:WEIGHT(I))>0.5;
@SUM(SEC(I)|(I#GE#3) #AND# (I#LE#4):WEIGHT(I))<0.1;
@SUM(SEC(I)|I#EQ#5:WEIGHT(I))<0.2;
MAX=@SUM(SEC(I):WEIGHT(I)*RETURN(I));
END

❽ lingo 投資組合問題

觀察下a*x*r-(1-a)*x*q=x*(a*r-(1-a)*q);
當a=0,a*r-(1-a)*q=-q;
當a=1,a*r-(1-a)*q=r;
那麼0<=a<=1,則有-q(i)<=a*r(i)-(1-a)*q(i)<=r(i);
我們由不同的i對a*r(i)-(1-a)*q(i)=m(i)的大小排序，假設對輸入的a,存在
m(1),m(2)……m(10)，這10個值裡面最大的是m(k),1<=k<=10,則要使@sum(stocks:a*x*r-(1-a)*x*q)=@sum(stocks:x(a*r-(1-a)*q))最大，而@sum(stocks:x)=M,假設M存在分量dx,那麼應該盡量把dx分配到x(k)上去，即dx(a*r(k)-(1-a)*q(k)),比分配到其他x(j)有效，即比dx(a*r(j)-(1-a)*q(j))增加的多，所以最終結果是將M=1全部分配到x(k)上。
隨著改變a來調節m(k)最大值出現的位置，x(k)=1將取不同的k值。例如：
model:
sets:
stocks/1..10/:x,q,r;
endsets
data:
M=1;
a=?; r=0.389776165,0.097561267,0.023470243,0.281206808,0.390689223,1.081013575,0.048511427,0.062998466,0.068605725,0.068982759;
q=0.161831268,0.14801282,0.127808518,0.13004923,0.19365783,0.255347072,0.120788376,0.151881205,0.167771785,0.198562765;
enddata
[obj] max=@sum(stocks:a*x*r-(1-a)*x*q);
@sum(stocks:x)=M;
@for(stocks:@bnd(0,x,1));
@bnd(0,a,1);
end
輸入0.01，結果：x(7)=1;
輸入0.1，結果：x(4)=1;
輸入0.2，結果：x(6)=1;
希望我的分析對你有所幫助！

❾ 【大神求解】建立組合股票投資的均值—方差模型，用LINGO求解，輸入程序後，程序哪錯了，出來答案不對啊

看不懂啊看不懂。

❿ 證券投資lingo程序

想達到的目標不明確，比如他是想在多少年後獲得最大收益？要求的年限不同，投資方案也不同