为解决以投资客户满意度为标准的投资组合问题,优化传统的收益优先的模式,本文对客户偏好修正的投资组合高阶群组角色指派问题进行了研究:在规避风险的同时,使客户的满意度尽可能的最大化,从而促进投资公司与客户之间的长期合作。基于风险控制的考虑,投资经理根据自己的经验和技术对一批客户同时进行操作。在实际的投资规划中,一个理财产品可以分配给多个不同的投资客户,而一个客户也可以选择多个理财产品,具体数量因投资客户的持有资金量而异。另一方面,由于影响客户满意度的不仅只有收益这类客观的因素,还有客户自身的性格和理财产品的风险、流动性、类型等其他原因,可以把这些原因归为客户对理财产品的主观偏好。为了完善满意度的量化指标,本文在传统的收益优先的投资组合模式下用客户偏好对目标进行修正,把理财产品影响投资客户满意度的多个因素抽象成主观偏好和客观收益两个维度进行处理,从计算机科学理论的模型与算法角度,合理有效地进行投资组合的优化,使客户群体整体满意度最大化,促使投资公司与客户之间达成可持续的合作。每个理财产品的预期收益率不同,每个客户的持有的可投资资金和其对理财产品的偏好评分也不同,投资经理需要负责一批客户的投资规划,将投资客户的资金合理投资地到各个理财产品中。全过程构成了客户、资金与理财产品构成的一种无意识协同,本文对这个过程进行了详细的分析和研究。主要内容分为以下三个部分:(1)使用角色协同理论(Role Base Collaboration,简称RBC)及其通用模型E-CARGO对投资组合规划进行知识表达,使用群组角色指派(Group Role Assignment,简称GRA,系E-CARGO的子模型)确定问题的主体要素,做具体形式化,并抽象出角色和代理,建立相关可量化的参数,在建模层次形式化该场景组合投资的一阶及高阶约束;(2)根据理财产品的预期收益率、客户-总投资额、客户-最小的购买产品种类数、客户-产品偏好评分等参数,形成主观与客观两个维度的评分指标,同时设置评估两个目标的最低阈值参数,形成预求目标的评估标准。对客户总投资额进行等比例缩小,使得整体计算可控。依据模型和各个指标,结合具体场景中的一阶和高阶约束,提出了高阶群组角色指派算法(简称HO-GMRA算法)。HO-GMRA算法核心是x-ILP(扩展整数线性规划)规划方法,可同时表示客观收益和主观客户偏好两个维度上的线性加权多目标规划。(3)在HO-GMRA算法基础上,本文使用IBM ILOG CPLEX线性规划工具进行求解与仿真实验,通过分析算法效用与效能,为实际场景的投资组合问题提供科学的建议。针对特殊需要处理的无解情况,利用计算得出的“伪交点”,即两个目标归一化之后值的近似交点,重新进行二次规划,保障问题求解。大规模仿真实验结果表明,论文所述方法运行快速且有效。可以在最大化总体投资客户满意度的基础上,灵活地适应每个主客观目标的需求,在不同的市场环境中可以获得不同的选择与求解,证明了方法的实用性。同时有效地挖掘了投资组合内部主体要素的协同关系,并清晰简练地进行建模与求解,为相关问题的模式化求解提供了思路。