- •1. Развитие математической модели нечеткой случайной величины для решения задач портфельного анализа.
- •1.1. Определение нечеткой случайной величины.
- •1.2. Определение числовых характеристик нечеткой случайной величины.
- •1.3. Расчет числовых характеристик нечетких случайных величин в классах параметризованных распределений.
- •1.4. Взвешенная сумма нечетких случайных величин.
- •1.5. Выводы по первой главе диссертации.
- •2. Постановки задач портфельного анализа в условиях нечетких случайных данных и методы их решения.
- •2.1. Доходность портфеля в условиях нечетких случайных данных.
- •2.2. Модели портфельного анализа в условиях нечетких случайных данных.
- •2.2.2. Модель максимизации возможности (необходимости) достижения нечеткого уровня ожидаемой доходности при фиксированном уровне риска.
- •2.2.3. Модель максимизации с заданной возможностью (необходимостью) ожидаемого дохода при фиксированном уровне возможного риска.
- •Теорема доказана.
- •2.2.4. Модель минимизации возможного риска при заданном уровне возможного дохода.
- •2.3. Обобщение двумерного портфеля на случай нечетких случайных данных.
- •2.3. Выводы по второй главе диссертации.
2.2.3. Модель максимизации с заданной возможностью (необходимостью) ожидаемого дохода при фиксированном уровне возможного риска.
, (2.3.1)
(2.3.2)
где ,есть четкое бинарное отношение:,k есть дополнительная уровневая переменная.
Рассмотрим модель (2.3.1)-(2.3.2) в случае , . Получаем.
, (2.3.3)
(2.3.4)
В данной модели -уровень возможности.
Теорема 2.3.1. Пусть характеризуются квазивогнутыми, полунепрерывными сверху распределениями с ограниченными носителями. Тогда задача (2.3.3)-(2.3.4) имеет эквивалентный детерминированный аналог:
, (2.3.5)
(2.3.6)
Доказательство.
Преобразуем первое ограничение системы (2.3.4). Имеем
,
на основании формулы представления [94] имеем
На основании обобщенной теоремы Вейерштрасса , на которых достигается супремумы (sup).
Нетрудно видеть, что получаемое неравенство
эквивалентно следующей системе неравенств:
Данные неравенства описывают -уровневые множества соответствующих нечетких величин. Эквивалентным образом эта система может быть записана в виде
где ,,есть правые и левые границы-уровневого множества соответствующих нечетких величин.
Следствием последней системы неравенств является следующее неравенство:
Оно может быть записано в виде двух неравенств:
В результате эквивалентная модель критерия принимает вид:
,
Нетрудно видеть, что при полученная модель критерия допускает эквивалентное представление:
.
Таким образом, задача (2.3.3)-(2.3.4) имеет следующий эквивалентный детерминированный аналог:
,
Теорема доказана.
Преобразуя выражение для дисперсии согласно известной формуле (теорема 1.4.1), а также принимая , получаем:
Если предположить, что параметры возможностного распределения являются независимыми случайными величинами, то
.
В результате наша задача сводится к следующей задаче математического программирования.
, (2.3.7)
(2.3.8)
Уточним модель (2.3.7)-(2.3.8) для некоторых классов распределений.
Пусть , тогда модель (2.3.7)-(2.3.8) будет преобразована следующим образом:
, (2.3.9)
(2.3.10)
Рассмотрим модель (2.3.1)-(2.3.2) в случае . Имеем.
, (2.3.11)
(2.3.12)
В данной модели есть уровень необходимости.
Теорема 2.3.1. Пусть характеризуются квазивогнутыми, полунепрерывными сверху распределениями с ограниченными носителями. Тогда задача (2.3.11)-(2.3.12) имеет эквивалентный детерминированный аналог:
, (2.3.13)
(2.3.14)
Доказательство.
Построим эквивалентный детерминированный аналог.
Действительно
.
Следовательно
.
Если является монотонной по нечетким параметрам и, тогда мы получаем следующее эквивалентное неравенство
.
Таким образом, имеем в конечном итоге следующую эквивалентную модель
где есть левая граница-уровневого множества нечеткой случайной величины, представляющей доходность инвестиционного портфеля.
Эквивалентная модель этого критерия может быть представлена в форме, не требующей использования уровневой переменной :
.
Окончательно имеем следующий эквивалентный детерминированный аналог
Теорема доказана.
Преобразуя выражение для дисперсии согласно известной формуле (теорема 1.4.1), а также принимая , получаем:
Если предположить, что параметры возможностного распределения являются независимыми случайными величинами, то
.
В результате наша задача сводится к следующей задаче математического программирования.
, (2.3.15)
(2.3.16)
Уточним модель (2.3.15)-(2.3.16) для некоторых классов распределений.
Пусть , тогда модель (2.3.15)-(2.3.16) будет преобразована следующим образом:
, (2.3.17)
(2.3.18)