投资组合管理中的Matlab遗传算法

我想尝试在投资组合管理中使用遗传算法，但我现在不知道主要功能和约束应该是什么样子

我有股票价格矩阵，权重向量和计算投资组合价格和投资组合回报/风险（std）比率的脚本。我想在MATLAB中使用遗传算法，这样可以测试不同的风险组合，并找到最优投资组合（最优-最高回报/风险（std）比率）

价格

-矩阵，其中列表示不同的股票，行表示日价格

w

-带权重的向量

[0.333,0.333,0.333]

计算投资组合绩效的脚本：

d = length(prices);    
n = numel(prices);

for j = 1:d
    temp = 0;
    for i = 1:n
        temp = temp + prices(j,i) * w(i);
    end
    ap(j) = temp;
end

port_performance = rr_ratio(ap); %calculates return/risk(std) ratio.

我需要找到权重的最佳组合，这样端口性能将具有最大值。GA函数应该是什么样子的，所以

sum（w）=1；

和

w>=0的每个元素

谢谢你
这是一个非常开放的问题。没有一种完美的方法可以将遗传算法应用于投资组合优化。通常，你会做如下操作：

随机生成大量满足约束条件的候选投资组合
根据你的“适合度指标”评估每个投资组合，该指标可能是风险/回报比率
从你的投资组合中选择一个子集来“复制”并杀死其余的。通常，你会根据表现选择前50%的投资组合
“培育”一些新的投资组合。你可以通过无性繁殖（即克隆你的旧投资组合）或有性繁殖（成对挑选旧投资组合，并以某种方式组合它们以生成新投资组合）来做到这一点
以较小的突变率（比如p=0.01）将突变引入投资组合。例如，你可以随机地将一些权重向上/向下移动，或者随机地将权重交换给两个不同的股票
你现在有了新的投资组合，你可以重新开始
首先生成随机投资组合，使每个
w（i）>=0
和
sum（w）=1

>> w = rand(numPortfolios, numStocks);
>> w = bsxfun(@rdivide, w, sum(w,2));

现在，
w
的每一行都是投资组合权重的候选集

要培育两个投资组合，你可以取平均值

>> wNew = 0.5 * (w1 + w2);

或者您可以从每个投资组合中随机选择元素，然后重新规范化以确保权重总和为1

>> wNew = zeros(1, numStocks);
>> x = rand(1, numStocks) < 0.5;
>> wNew( x) = w1(x);
>> wNew(~x) = w2(x);
>> wNew = wNew / sum(wNew);

>wNew=0（1，numStocks）；
>>x=兰特（1，单位）<0.5；
>>wNew（x）=w1（x）；
>>wNew（~x）=w2（x）；
>>wNew=wNew/总和（wNew）；

你也可以考虑看一下。
你可以保存一些代码行，只写<代码> AP =价格*w′/代码>