基于条件风险价值的投资组合优化模型--
合集下载
- 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)。
［ ?］ 7E+ （ KE:<G EN HRJD） 已经成为最重要并被广泛接受的风险度量工具之一， 根据 (9HR9Q 的权威定义 ，
7E+ 为 “ 对于给定的一定置信区间在一个持有期内的最坏预期损失” ， P7E+ （ P9QXRNR9QE: 7E:<G EN +RJD ） 被 称为平均超额亏损， 平均亏空， 尾部 7E+ 为损失超过 7E+ 时的条件期望; 7E+ 在风险控制领域的广泛使 用， 与它的简单、 直观和容易理解有关; 虽然 7E+ 是一种非常流行的风险衡量方法， 但是它自身却存在一 些数学上的缺陷， 比如不具有可加减性 （ J<OEXXRNRKRNI） ， 例如一个具有两只股票的投资组合的 7E+， 不等于 两只股票的 7E+ 之和， 而是比这两只股票的 7E+ 之和要大; 假如证券收益率不是服从正态分布的话， 那么 7E+ 是比较难于估算的， 而且 7E+ 是非凸的， 更增加了计算的难度; 作为在 7E+ 基础上改进的一种风险度
［ !］ 而经典的有卖空约束的 4& 模型 为：
)*+, （ *+ !）! 1 $!， ./ 0/ , !1 + （ "）! #； !1 # ’ "； )" ! 2， , " ’ "， 3， …， *# 其中 $ 为 * 5 * 的协方差阵 6
!" 实证研究
, , 研究对象： 选择沪、 深市的 7 只股票 （ 深万科， 王府井， 天鹅股份， 深康佳， 深发展， 华联超市） / 时间跨度： "888 年 9 月 3: 日至 3222 年 "3 月 38 日/ 日数据共有 $:: 个数据， 数据缺失值用其平均值 来代替， 剔除 ;<= 效应的影响， 选择的数据样本期初 "888 年 9 月 3: 日离最迟上市的公司王府井 （ 于 "88! 年 9 月 7 日上市） 相距甚远， 故数据样本不含有新股刚上市三个月之内的时间段/ 选取原则： 公司上市时间比较早， 业绩比较稳定， 每只股票所处的行业尽可能的各不相同， 并且在所处 的行业中有较大影响/ 数据来源： 国泰安信息技术有限公司与香港理工大学中国会计与金融研究中心所开发的中国股票市 场研究数据库 （ %>4?( @?1?A?>B ） / 其中收益率为考虑现金红利的日个股回报率， 其计算公式为： , *， - ’ （ 1 *， . *， - " % / *， - % 0 *， -） - % 2 *， $ "， . *， - $ " % 1 *， - 0 *， - 3 *， -
9 …， ! "（ !8 ， !4 ， ! ! ），
该收益向量为一个随机变量#
9 投资者有投资权重向量 ! : （ $8 ， $4 ， …， $! ） ， $ % !; ， % : 8， 4， …， !， 表示有卖空约束； "$% : 8， "$% : 8， % :8 % :8 ! !
% : 8， 4， …， !， 表示无卖空约束# 设定向量
西# 南# 交# 通# 大# 学# 学# 报 第 !" 卷# 第 $ 期 # # # # # # # # # %&&$ 年 ’ 月 ()*+,-. )/ 0)*123401 (5-)1),6 *,574+0518
&%B’>%@%$ （ %&&$ ） &$>&B??>&B # # 文章编号：
# # #
表 ", 基本的统计分析 1’D/ ", @F.GH*I0*JF .0’0*.0*G. 股票 日收益率均值 K L 标准差 K L 88L 置信区间的日正态 &’( K L 样本大小 K 深万科 2/ "7$ $: $/ 232 M2 M/ 77! 3: $:: 王府井 2/ "7" 77 3/ !!7 M: M/ !$: $$ $:: 天鹅股份 2/ 3!! 92 $/ $"7 99 :/ :8 "!" $:: 深康佳 2/ 2!! 9$ 3/ 9:8 82 M/ 2$8 7! $:: 深发展 2/ 23$ :9 3/ $73 "2 7/ M27 3M $:: 华联超市 2/ $$3 :M $/ "$2 M2 8/ 929 !7 $::
其中： . *， 2 *， / *， - 为股票 * 在 - 日的收盘价； - 为股票 * 在 - 日为除权日时的每股现金分红； - 为股票 * 在 - 日 为除权日的每股红股数； 0 *， 3 *， - 为股票 * 在 - 日为除权日时的每股配股数； - 为股票 * 在 - 日为除权日时的 每股配股价； 1 *， - 为股票 * 在 - 日为除权日时的每股拆细数； 用 4’0C’D 语言编程优化所得到的结果见表 " E $ # 根据优化所得到的结果用 ><>> 软件作散点图/ 图 " 和图 3 的横轴分别为 %&’( 和 >@， 表示风险， 单 位4 ； 纵轴表示收益率， 单位4 #
收稿日期： %&&%>&">&%
万方数据 作者简介： 黄向阳 （ ?"@’ A ） ， 男， 硕士研究生;
C84
西! 南 ! 交 ! 通 ! 大 ! 学 ! 学 ! 报和 %&’ 非常相似， 但是 $%&’ 与 %&’ 相比有其优越性， 它具有可加减性， 而且是凸性
［ 8］
（8） # （4）
{
}
{
}
（"）
假设最佳投资组合一定可以从历史或历史模拟收益率向量 !8 ， …， 3 为历 !4 ， !（ 3 在此用历史收益率， 9 万方数据 史数据个数） 中找到， 即假定投资组合期末收益变量 & 有 3 种可能， & % : $ !% ， % : 8， 4， …， 3， 假定每个的
$
,( 6( !
!9 ’ （ !）! "； !9 " " 8；
$% ! ;# ! ! 在观察期末投资组合的收益 & 是一个随机变量， 假设分布函数 ) 依赖于 !， ) （ *） " +｛& # *｝ " +｛! 9 ! # *｝ # ! ! 投资组合在置信度水平 ! 的分位数为 ,（ ｛*： ) （ * ） - #｝ # # & ） " =>2 不超过置信度水平 ! 的分位数的条件期望收益为 .（ （ & & / ,（ ） # # &） " ’ # &） ! ! 根据条件 %&’ 和 $%&’ 的定义， 置信度水平为 （ 8 ? #） 的收益率 %&’ 为 0 %&’， @ 8 1（ # & ） " 8 1 ,（ # &） ! ! 置信度水平为 （ 8 ? #） 的收益率 $%&’ 为 0 $%&’， @ 8 1（ # & ） " 8 1 .（ # &） 很明显恒有 .（ ， .（ 有很重要的特性， 它在优化时有很重要的作用 #,（ # &） # &） # &） 8 1 .（ ’ ［ & 1 $］ ： $$# ， # & ） " ,AB $ 1 # 或者写为 8 1 1 .（ ’ ［ & 1 $］ ： $$# # # & ） " =>2 1 $ 2 # ? 其中函数 ［ ・］ : ? <=> （ ・， ;） #
［ 4， "］ 的， 用 $%&’ 度量风险在计算上相对简单( 本文将采用由 )*&+&,-. 和 ’/01&2-33&* 提出的一种算法 ， 应用
把组合优化模型转变为一个大型的线性规划问题， 这样即可用 5&63&7 软件提供的大 模拟法来估计 $%&’， 型线性规划算法进行求解(
!" 模" 型
! ! 假设有限个证券头寸 !， 在给定的时间内 （ 一天， 一星期， 一个月或一年） 其收益为
9 " "（ 8 ， 8， …， 8） ， !
可把投资预算限制"$ % : 8 写为 ! 9 " : 8 # 投资组合在观察期末的收益为
% :8 !
& " !9 ! " 投资组合的期望收益为
$% !% ； " % "8
’ （ &） " ’ （ ! 9 !） " ! 9 ’ （ !） # ! ! 假设 # 代表风险度量， 可以是标准差， %&’ 或 $%&’， 对于给定的最小的期望收益 "， 求解优化问题就 ： 归结为求解以下方程 （ ! 为优化中包括的优化变量） <=> ! （ => !）( （ ! 9 !） ，
!"#$% &’()*+,()* ， -!.$ &/0+1/(， 2#$% !/’+,(3
（ 5QJNRN<NG 9F S<EQNRNENRKG 4C9Q9TRCJ，6<EQ=UV9< *QRKGHJRNI，6<EQ=UV9< B?&$&B ，PVRQE）
9:2$#,;$ ：WEJGX 9Q EQ E:=9HRNVT YH9Y9JGX OI + 1 +9CDEFG::GH EQX 0 *HIEJGK ，E Y9HNF9:R9 9YNRTRUENR9Q T9XG:，TGEQ>C9QXRNR9QE: KE:<G>EN>HRJD T9XG:，ZEJ JGN <Y; 1VRJ T9XG: TGEJ<HGJ HRJD ZRNV C9QXRNR9QE: KE:<G>EN>HRJD（ P7E+）RQJNGEX 9F JNEQXEHX XGKRENR9Q; 5N ZEJ 9YNRTRUGX OI <JRQ= MEN:EO J9FNZEHG EQX CV99JRQ= JR[ JN9CDJ RQ 0VEQ=VER EQX 0VGQUVGQ JN9CD TEHDGNJ RQ PVRQE EJ E Y9HNF9:R9 ，EQX GFFRCRGQN FH9QNRGH EQX RQKGJNTGQN YH9Y9HNR9Q 9F NVG Y9HNF9:R9 ZGHG 9ONERQGX; WI C9TYEHRQ= NVGT ZRNV NVG 9QGJ 9ONERQGX <JRQ= NVG NHEXRNR9QE: TGEQ>KEHREQCG （ M7 ） T9XG:， NVG HGJ<:N RQXRCENGJ NVEN NVG GFFRCRGQN FH9QNRGHJ =ERQGX OI NVG NZ9 T9XG:J EHG E:T9JN RXGQNRCE: EQX E:J9 C:9JG N9 9KGHJGEJ HGJGEHCV HGJ<:NJ，O<N NVGHG RJ E XRFFGHGQCG OGNZGGQ NVG 9YNRTE: RQKGJNTGQN YH9Y9HNR9QJ OEJGX 9Q NVG TGEQ>P7E+ T9XG: EQX NVG M7 T9XG:; <0= >"#/2：9YNRTRUENR9Q；TGEQ>KEHREQCG（ M7 ）T9XG:；KE:<G>EN>HRJD（ 7E+ ） ；C9QXRNR9QE: KE:<G>EN> HRJD（ P7E+） ；GFFRCRGQN FH9QNRGH # # 近年来， 金融市场的波动日益加剧， 一些金融危机事件接连发生， 这对风险度量和管理提出了挑战， 如 何精确度量风险是其关键;
1 ! $ ! "& $ ( & # 2 ； (& ! 2， , & ’ "， 3， …， !； 1 " ’（ (" ， (3 ， …， (! ） ；
题表示为如下的一个线性规划问题#
[
!
]
! 1 ! ! #； !1 # ’ "； )" ! 2， , " ’ "， 3， …， *# 其中： ( & 为中间控制变量#
79:; !"# ,9; $ -<=; %&&$
基于条件风险价值的投资组合优化模型
黄向阳， # 陈学华， # 杨辉耀
（ 广州大学数量经济研究所， 广东 广州 B?&$&B ） 摘# 要： 采用 + 1 +9CDEFG::EH 和 0 *HIEJGK 的一种优化算法， 构造了一个以条件风险价值代替标准差度量风险的 投资组合优化模型; 选择沪、 深股市 L 种股票构成一个投资组合， 用 MEN:EO 软体对模型进行优化计算， 得到了该 投资组合的有效前沿和投资权重， 并与用传统的均值方差模型的计算结果进行了比较; 结果表明， 这 % 个模型优 化得到的有效前沿非常相近， 与国外研究获得的有效前沿图形也非常相似， 但这 % 个模型优化得到的投资权重 却有较大差异;
第! 期 概率均为
黄向阳等： 基于条件风险价值的投资组合优化模型
9"$
" " ! ， 于是 ! # "" " 为平均收益向量# 根据前面的式 （"） 和 （$） ， 可把有卖空约束的 %&’( 优化问 ! ! " #" )*+, （ *+ !，! ’+- "） $ ! % " " ( & ， "! & ’ " ./ 0/ ,
华博文案，原创高效， 提供毕业论文一站式服务 中图分类号： /’!&; B"# # 文献标识码： 联系QQ：3089751495 !"#$%"&’" ()$’*’+,$’"- ."/0& 1,20/ "- 3"-/’$’"-,& 4,&506,$67’28
关键词： 优化； M7； 7E+； P7E+； 有效前沿
7E+ 为 “ 对于给定的一定置信区间在一个持有期内的最坏预期损失” ， P7E+ （ P9QXRNR9QE: 7E:<G EN +RJD ） 被 称为平均超额亏损， 平均亏空， 尾部 7E+ 为损失超过 7E+ 时的条件期望; 7E+ 在风险控制领域的广泛使 用， 与它的简单、 直观和容易理解有关; 虽然 7E+ 是一种非常流行的风险衡量方法， 但是它自身却存在一 些数学上的缺陷， 比如不具有可加减性 （ J<OEXXRNRKRNI） ， 例如一个具有两只股票的投资组合的 7E+， 不等于 两只股票的 7E+ 之和， 而是比这两只股票的 7E+ 之和要大; 假如证券收益率不是服从正态分布的话， 那么 7E+ 是比较难于估算的， 而且 7E+ 是非凸的， 更增加了计算的难度; 作为在 7E+ 基础上改进的一种风险度
［ !］ 而经典的有卖空约束的 4& 模型 为：
)*+, （ *+ !）! 1 $!， ./ 0/ , !1 + （ "）! #； !1 # ’ "； )" ! 2， , " ’ "， 3， …， *# 其中 $ 为 * 5 * 的协方差阵 6
!" 实证研究
, , 研究对象： 选择沪、 深市的 7 只股票 （ 深万科， 王府井， 天鹅股份， 深康佳， 深发展， 华联超市） / 时间跨度： "888 年 9 月 3: 日至 3222 年 "3 月 38 日/ 日数据共有 $:: 个数据， 数据缺失值用其平均值 来代替， 剔除 ;<= 效应的影响， 选择的数据样本期初 "888 年 9 月 3: 日离最迟上市的公司王府井 （ 于 "88! 年 9 月 7 日上市） 相距甚远， 故数据样本不含有新股刚上市三个月之内的时间段/ 选取原则： 公司上市时间比较早， 业绩比较稳定， 每只股票所处的行业尽可能的各不相同， 并且在所处 的行业中有较大影响/ 数据来源： 国泰安信息技术有限公司与香港理工大学中国会计与金融研究中心所开发的中国股票市 场研究数据库 （ %>4?( @?1?A?>B ） / 其中收益率为考虑现金红利的日个股回报率， 其计算公式为： , *， - ’ （ 1 *， . *， - " % / *， - % 0 *， -） - % 2 *， $ "， . *， - $ " % 1 *， - 0 *， - 3 *， -
9 …， ! "（ !8 ， !4 ， ! ! ），
该收益向量为一个随机变量#
9 投资者有投资权重向量 ! : （ $8 ， $4 ， …， $! ） ， $ % !; ， % : 8， 4， …， !， 表示有卖空约束； "$% : 8， "$% : 8， % :8 % :8 ! !
% : 8， 4， …， !， 表示无卖空约束# 设定向量
西# 南# 交# 通# 大# 学# 学# 报 第 !" 卷# 第 $ 期 # # # # # # # # # %&&$ 年 ’ 月 ()*+,-. )/ 0)*123401 (5-)1),6 *,574+0518
&%B’>%@%$ （ %&&$ ） &$>&B??>&B # # 文章编号：
# # #
表 ", 基本的统计分析 1’D/ ", @F.GH*I0*JF .0’0*.0*G. 股票 日收益率均值 K L 标准差 K L 88L 置信区间的日正态 &’( K L 样本大小 K 深万科 2/ "7$ $: $/ 232 M2 M/ 77! 3: $:: 王府井 2/ "7" 77 3/ !!7 M: M/ !$: $$ $:: 天鹅股份 2/ 3!! 92 $/ $"7 99 :/ :8 "!" $:: 深康佳 2/ 2!! 9$ 3/ 9:8 82 M/ 2$8 7! $:: 深发展 2/ 23$ :9 3/ $73 "2 7/ M27 3M $:: 华联超市 2/ $$3 :M $/ "$2 M2 8/ 929 !7 $::
其中： . *， 2 *， / *， - 为股票 * 在 - 日的收盘价； - 为股票 * 在 - 日为除权日时的每股现金分红； - 为股票 * 在 - 日 为除权日的每股红股数； 0 *， 3 *， - 为股票 * 在 - 日为除权日时的每股配股数； - 为股票 * 在 - 日为除权日时的 每股配股价； 1 *， - 为股票 * 在 - 日为除权日时的每股拆细数； 用 4’0C’D 语言编程优化所得到的结果见表 " E $ # 根据优化所得到的结果用 ><>> 软件作散点图/ 图 " 和图 3 的横轴分别为 %&’( 和 >@， 表示风险， 单 位4 ； 纵轴表示收益率， 单位4 #
收稿日期： %&&%>&">&%
万方数据 作者简介： 黄向阳 （ ?"@’ A ） ， 男， 硕士研究生;
C84
西! 南 ! 交 ! 通 ! 大 ! 学 ! 学 ! 报和 %&’ 非常相似， 但是 $%&’ 与 %&’ 相比有其优越性， 它具有可加减性， 而且是凸性
［ 8］
（8） # （4）
{
}
{
}
（"）
假设最佳投资组合一定可以从历史或历史模拟收益率向量 !8 ， …， 3 为历 !4 ， !（ 3 在此用历史收益率， 9 万方数据 史数据个数） 中找到， 即假定投资组合期末收益变量 & 有 3 种可能， & % : $ !% ， % : 8， 4， …， 3， 假定每个的
$
,( 6( !
!9 ’ （ !）! "； !9 " " 8；
$% ! ;# ! ! 在观察期末投资组合的收益 & 是一个随机变量， 假设分布函数 ) 依赖于 !， ) （ *） " +｛& # *｝ " +｛! 9 ! # *｝ # ! ! 投资组合在置信度水平 ! 的分位数为 ,（ ｛*： ) （ * ） - #｝ # # & ） " =>2 不超过置信度水平 ! 的分位数的条件期望收益为 .（ （ & & / ,（ ） # # &） " ’ # &） ! ! 根据条件 %&’ 和 $%&’ 的定义， 置信度水平为 （ 8 ? #） 的收益率 %&’ 为 0 %&’， @ 8 1（ # & ） " 8 1 ,（ # &） ! ! 置信度水平为 （ 8 ? #） 的收益率 $%&’ 为 0 $%&’， @ 8 1（ # & ） " 8 1 .（ # &） 很明显恒有 .（ ， .（ 有很重要的特性， 它在优化时有很重要的作用 #,（ # &） # &） # &） 8 1 .（ ’ ［ & 1 $］ ： $$# ， # & ） " ,AB $ 1 # 或者写为 8 1 1 .（ ’ ［ & 1 $］ ： $$# # # & ） " =>2 1 $ 2 # ? 其中函数 ［ ・］ : ? <=> （ ・， ;） #
［ 4， "］ 的， 用 $%&’ 度量风险在计算上相对简单( 本文将采用由 )*&+&,-. 和 ’/01&2-33&* 提出的一种算法 ， 应用
把组合优化模型转变为一个大型的线性规划问题， 这样即可用 5&63&7 软件提供的大 模拟法来估计 $%&’， 型线性规划算法进行求解(
!" 模" 型
! ! 假设有限个证券头寸 !， 在给定的时间内 （ 一天， 一星期， 一个月或一年） 其收益为
9 " "（ 8 ， 8， …， 8） ， !
可把投资预算限制"$ % : 8 写为 ! 9 " : 8 # 投资组合在观察期末的收益为
% :8 !
& " !9 ! " 投资组合的期望收益为
$% !% ； " % "8
’ （ &） " ’ （ ! 9 !） " ! 9 ’ （ !） # ! ! 假设 # 代表风险度量， 可以是标准差， %&’ 或 $%&’， 对于给定的最小的期望收益 "， 求解优化问题就 ： 归结为求解以下方程 （ ! 为优化中包括的优化变量） <=> ! （ => !）( （ ! 9 !） ，
!"#$% &’()*+,()* ， -!.$ &/0+1/(， 2#$% !/’+,(3
（ 5QJNRN<NG 9F S<EQNRNENRKG 4C9Q9TRCJ，6<EQ=UV9< *QRKGHJRNI，6<EQ=UV9< B?&$&B ，PVRQE）
9:2$#,;$ ：WEJGX 9Q EQ E:=9HRNVT YH9Y9JGX OI + 1 +9CDEFG::GH EQX 0 *HIEJGK ，E Y9HNF9:R9 9YNRTRUENR9Q T9XG:，TGEQ>C9QXRNR9QE: KE:<G>EN>HRJD T9XG:，ZEJ JGN <Y; 1VRJ T9XG: TGEJ<HGJ HRJD ZRNV C9QXRNR9QE: KE:<G>EN>HRJD（ P7E+）RQJNGEX 9F JNEQXEHX XGKRENR9Q; 5N ZEJ 9YNRTRUGX OI <JRQ= MEN:EO J9FNZEHG EQX CV99JRQ= JR[ JN9CDJ RQ 0VEQ=VER EQX 0VGQUVGQ JN9CD TEHDGNJ RQ PVRQE EJ E Y9HNF9:R9 ，EQX GFFRCRGQN FH9QNRGH EQX RQKGJNTGQN YH9Y9HNR9Q 9F NVG Y9HNF9:R9 ZGHG 9ONERQGX; WI C9TYEHRQ= NVGT ZRNV NVG 9QGJ 9ONERQGX <JRQ= NVG NHEXRNR9QE: TGEQ>KEHREQCG （ M7 ） T9XG:， NVG HGJ<:N RQXRCENGJ NVEN NVG GFFRCRGQN FH9QNRGHJ =ERQGX OI NVG NZ9 T9XG:J EHG E:T9JN RXGQNRCE: EQX E:J9 C:9JG N9 9KGHJGEJ HGJGEHCV HGJ<:NJ，O<N NVGHG RJ E XRFFGHGQCG OGNZGGQ NVG 9YNRTE: RQKGJNTGQN YH9Y9HNR9QJ OEJGX 9Q NVG TGEQ>P7E+ T9XG: EQX NVG M7 T9XG:; <0= >"#/2：9YNRTRUENR9Q；TGEQ>KEHREQCG（ M7 ）T9XG:；KE:<G>EN>HRJD（ 7E+ ） ；C9QXRNR9QE: KE:<G>EN> HRJD（ P7E+） ；GFFRCRGQN FH9QNRGH # # 近年来， 金融市场的波动日益加剧， 一些金融危机事件接连发生， 这对风险度量和管理提出了挑战， 如 何精确度量风险是其关键;
1 ! $ ! "& $ ( & # 2 ； (& ! 2， , & ’ "， 3， …， !； 1 " ’（ (" ， (3 ， …， (! ） ；
题表示为如下的一个线性规划问题#
[
!
]
! 1 ! ! #； !1 # ’ "； )" ! 2， , " ’ "， 3， …， *# 其中： ( & 为中间控制变量#
79:; !"# ,9; $ -<=; %&&$
基于条件风险价值的投资组合优化模型
黄向阳， # 陈学华， # 杨辉耀
（ 广州大学数量经济研究所， 广东 广州 B?&$&B ） 摘# 要： 采用 + 1 +9CDEFG::EH 和 0 *HIEJGK 的一种优化算法， 构造了一个以条件风险价值代替标准差度量风险的 投资组合优化模型; 选择沪、 深股市 L 种股票构成一个投资组合， 用 MEN:EO 软体对模型进行优化计算， 得到了该 投资组合的有效前沿和投资权重， 并与用传统的均值方差模型的计算结果进行了比较; 结果表明， 这 % 个模型优 化得到的有效前沿非常相近， 与国外研究获得的有效前沿图形也非常相似， 但这 % 个模型优化得到的投资权重 却有较大差异;
第! 期 概率均为
黄向阳等： 基于条件风险价值的投资组合优化模型
9"$
" " ! ， 于是 ! # "" " 为平均收益向量# 根据前面的式 （"） 和 （$） ， 可把有卖空约束的 %&’( 优化问 ! ! " #" )*+, （ *+ !，! ’+- "） $ ! % " " ( & ， "! & ’ " ./ 0/ ,
华博文案，原创高效， 提供毕业论文一站式服务 中图分类号： /’!&; B"# # 文献标识码： 联系QQ：3089751495 !"#$%"&’" ()$’*’+,$’"- ."/0& 1,20/ "- 3"-/’$’"-,& 4,&506,$67’28
关键词： 优化； M7； 7E+； P7E+； 有效前沿