基于小波的我国经济周期波动的分析与预测

通常对经济周期波动的研究只是在时域或频域上进行,而我们利用时间窗和频率窗都可改变的时频局部化的小波分析对1991年以来的我国经济周期波动进行分析。结果表明:我国1991—1994年的经济周期波动剧烈,经济大起大落;1995—2004年的周期波动存在长短期波动叠加的现象,波动幅度明显减缓;2005—2008年的周期波动的波形简单,总体振幅与上一阶段相近。我们还利用小波分析对我国2009年1季度至4季度的GDP增长率进行了预测。     

中国股票市场多重分形游走及其预测

股票价格波动规律的研究是预测的基础,多重分形过程是迄今为止最为符合价格波动特性的模型。本文验证了中国股票市场的多重分形游走,并根据多重分形过程的局部尺度特性和多尺度相关性建立了小波和神经网络相结合的股票价格预测模型。实证研究结果表明,本文模型预测精度较由其他模型得到的预测精度明显提高。     

基于小波网络的经济时间序列预测模型

本文在小波网络的基础上,利用经济类时间序列的特点,建立通用的经济预测小波网络模型.该网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法获得.并利用此模型对我国工业发电量加以预测.实际预测结果表明了该模型的先进性和可行性.     

譜分析和滤波兼容的模拟系統

本文利用序列的双重性原理对移动傅立叶变换作了深入的研究.根据频率采样理论,将模拟系统的传递函数H(ω)分解为若干子系统之和,并画出其结构框图,这个系统可以用来测量模拟信号的移动离散谱,也可用作低通、带通或梳状滤波器.最后还给出实现该系统的具体方框图.     

一类模式系统的观控性

具有共轭复数重特征值的系统（Ａ，Ｂ，Ｃ）经状态变换为模式系统（Ｍ，Ｂ～，Ｃ～）且公式地写出ｅＭｔ。在此基础上，导出了系统的观控性判据，从而有效地避免了不必要地把系统化为对角型或Ｊｏｒｄａｎ标准型来决定观控性。且暗示出一种把系统（Ａ，Ｂ，Ｃ），特别是无论特征值相同或相重与否，也无论同一个特征值组成多个Ｊｏｒｄａｎ块与否的对角型或Ｊｏｒｄａｎ标准型状态变换为模式系统（Ｍ，Ｂ～，Ｃ～的方法     

“按劳分配”评议

马克思关于未来共产主义社会初级阶段实行按劳分配原则的设想有其特定的前提和内涵;至今没有哪个国家具备这种前提条件;我国至今实行的按劳分配实际上不是也不可能是马克思设想的那种原则;应当从我国正在进行的社会主义市场经济改革和社会经济发展的实际水平出发来确定正确的分配原则。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

浅谈求解逆矩阵的方法

在线性代数的教学中,逆矩阵是一个非常重要的内容。本文介绍了利用初等变换的方法来求逆矩阵,运用分块矩阵的思想来求解、证明逆矩阵的方法,对于培养学生思维品质和提高学生解题能力,会起到积极作用。     

拓宽广播体操队形变换的创编与研究

分析创编的广播操队形变换的特点与优势;比较新编<青春的活力>广播操和传统"棋盘式"广播操变换图样的差异;论证广播探队形变换创编后的按图形站住法和字体站位法,其变换图样对第二套全国中小学生(幼儿)系列广播操<青春的活力>、<时代在召唤>、<初升的太阳>和<雏鹰起飞>等队形队列的变换也是可行的,并提出编排设计队形时应注意的几个问题.主要运用文献资料法、调查访问法和比较分析法来进行研究.     

股指期货信息内含股价变动信息的挖掘 ――小波框架与支持向量回归的金融建模应用

 内容提要：中国股指期货的推出指日可待，交易者多了一种投资工具的同时也带来了新的风险。建立准确的金融时间序列预测模型是逐利及避险的方法之一，一直是学者专家研究的热点。本研究结合小波转换与支持向量回归，提出一个二阶段时间序列预测模型。先以离散小波框架将预测变量分解成不同尺度的多个子序列，揭示隐藏在预测变量内的信息，再以支持向量回归为工具，以这些子序列为预测变量建构SVR模型。本研究以日经225指数开盘价为预测目标，以期货开盘价为预测变量对模型进行实证研究，结果显示，该模型的预测绩效比单纯SVR模型及随机漫步模型好。未来可尝试以不同的基底函数作进一步研究。