Модель максимизации ожидаемого дохода при заданном уровне риска.
В соответствии с классическим подходом модель должна быть записана в следующей форме:
В данной модели Однако представленная модель является недостаточно корректной, так как ожидаемая доходность портфеля есть нечеткая величина (2.1). В связи с этим требуется введение дополнительного принципа принятия решений, уже в условиях нечетких данных [94]. Одним из них является переход к модальным значениям соответствующих нечетких величин. Его применение приводит к следующей модели:
где Согласно результатам, представленными в первой главе диссертации,
Если нечеткие случайные величины
Полученная задача (2.1.5)-(2.1.6) есть задача квадратичного программирования. Она может быть решена стандартными методами [8].
2.2.2. Модель максимизации возможности (необходимости) достижения нечеткого уровня ожидаемой доходности при фиксированном уровне риска. Следующий подход к решению задачи связан с ее рассмотрением в рамках модели нечеткого целевого программирования [59]. Его применение приводит к следующей модели:
где Рассмотрим сначала случай
Прежде чем доказать теорему, позволяющую построить детерминированный эквивалент модели (2.2.3)-(2.2.4), приведем необходимую для ее доказательства лемму [59]. Лемма 2.2.1. Пусть
Теперь мы готовы сформулировать и доказать следующую теорему. Теорема 2.2.1. Пусть в задаче (2.2.3)-(2.2.4) возможностные параметры
где Доказательство. На основании определения меры возможности преобразуем целевую функцию следующим образом:
С учетом полученной формулы и леммы 2.2.1 исходная задача эквивалентна следующей задаче математического программирования.
Путем введения дополнительной переменной С учетом модели ограничений (2.2.4) мы получаем утверждение теоремы. Теорема доказана. Полученная модель допускает сведение к сепарабельной задаче при некоторых дополнительных условиях. Действительно. Преобразуем ограничение Для этого воспользуемся следующим равенством:
Введем дополнительные переменные: Тогда наше ограничение примет следующий вид: Это есть сепарабельное ограничение. В результате наша задача (2.2.5)-(2.2.6) сводится к задаче математического программирования следующего вида.
Таким образом, мы получили детерминированный аналог для задачи максимизации возможности достижения нечеткого уровня ожидаемой доходности при фиксированном уровне риска. Далее, преобразуя выражение для дисперсии по уже известной формуле (теорема 1.4.1), а также принимая Если предположить, что параметры возможностного распределения являются независимыми случайными величинами, то
В результате наша задача (2.2.7)-(2.2.8) сводится к следующей сепарабельной задаче.
Уточним полученную модель (2.2.9)-(2.2.10) для некоторых классов распределений. Пусть
При ее построении мы учитываем вид распределений и то, что получающееся при этом неравенство эквивалентно двум неравенствам а неравенство эквивалентно следующим неравенствам Рассмотрим модель (2.2.1)-(2.2.2) в случае меры необходимости,
Докажем соответствующую теорему. Теорема 2.2.2. Пусть в задаче (2.2.13)-(2.2.14) возможностные параметры
Доказательство. Имеем.
Следовательно модель (2.2.13) эквивалентна
Если распределения и эквивалентная модель критерия имеет вид
Таким образом, модель (2.2.13)-(2.2.14) имеет следующий эквивалентный детерминированный аналог.
Теорема доказана. Далее, преобразуя выражение для дисперсии по уже известной формуле (теорема 1.4.1), а также принимая Если предположить, что параметры возможностного распределения являются независимыми случайными величинами, то
Тогда наша задача будет иметь следующий вид.
|