基于改进R/S法的中国股票指数长记忆性分析

针对中国股市的长记忆性问题,本文在比较各种长记忆检验方法的基础上,采用改进的分析方法来检验我国股市的日收益率的长记忆性。结果表明,我国沪深两市的日收益率序列均有长记忆性,并且深市的长记忆程度比上证长记忆程度强。     

社会经济信息失真的技术分析

社会经济信息是信息的使用者依据该信息对事物做出判断或进行决策的材料,它具有引导信息的使用者做出判断和理解的功能,具有供决策的参考功能和依据功能,其基本特征是数量性.     

灰色综合聚类评估模型的研究

一、问题的提出 灰色系统理论自1982年邓聚龙教授创立以来得到了迅速发展,灰色聚类评估分析一直是灰色系统理论讨论较多的灰色技术之一.邓聚龙教授创立的变权聚类方法,刘思峰教授提出了定权灰色聚类评估分析,肖新平提出了灰色最优聚类,许秀莉讨论了灰色聚类分析的改进措施,刘思峰还提出了基于三角白化权函数的灰色聚类评估,以上讨论从不同的方面对灰色聚类评估分析进行了研究,以上各种灰色聚类评估分析的方法,最后的集结方法都是对灰色聚类系数向量的分量的大小进行比较来判定聚类对象属于某一灰类,而在实际中,往往会遇到灰色聚类系数无显著性差异,当聚类系数无显著性差异时,以上学者的研究方法就无法判定聚类对象应属于何灰类.     

基于满秩灰损益值矩阵的灰矩阵博弈的矩阵法求解研究

以经典数学理论和思想发展起来的博弈理论对经济学、社会学等众多领域和学科产生了深远的影响,然而当博弈环境面临有限理性、有限知识和小样本、贫信息等不确定性条件,博弈的损益值只能用灰数进行描述时,经典博弈理论将一筹莫展.灰矩阵博弈的高效率的求解问题是该领域理论研究和实用中的必须解决的关键问题.在文献7的研究基础之上,本文深人地研究了基于满秩灰损益值矩阵的灰矩阵博弈的矩阵法求解问题.在基于灰混合策略的灰矩阵博弈模型的求解过程中,灰矩阵法是一种较为简便而有效的求解方法.本文定义了灰矩阵博弈的局中人1和局中人2灰满秩损益值扩充方阵的概念,并且证明了若这些灰满秩扩充方阵的逆阵的最后一行和最右边一列满足非负性的条件,那么,这些灰逆阵的最后一行和最右边一列的灰元素值就分别对应着局中人1和2的最优灰博弈策略及其最优灰博弈值.在此基础上,我们进一步地研究了基于局中人1和2的共同灰满秩扩充方阵的问题,并且证明了若该共同灰满秩扩充方阵的逆阵的最后一行和最右边一列(不包括最右下角的灰元素)满足非负性的条件,那么,该灰逆阵的最后一行和最右边一列的灰元素值就分别对应着局中人1和2的最优灰博弈策略及其最优灰博弈值.     

区间数互补判断矩阵的一致性及其排序研究

由于目前国内外文献对区间数互补判断矩阵的性质研究较少,从而使得对排序方法的相关研究缺乏理论依据.针对这些缺陷,本文研究了区间数互补判断矩阵的性质及其排序方法问题.根据区间数互补判断矩阵的定义,给出了区间数互补判断矩阵的一致性、严格强传递性与弱传递性等定义,并研究了一致性判断矩阵的性质,并说明这些性质更符合人们的思维特征.在一致性性质的基础上建立了区间数互补判断矩阵排序的非线性规划模型,算例分析表明该方法是有效可行的.     

关于弱化缓冲算子的研究

通过对缓冲算子的研究,构造了几何平均弱化缓冲算子GAWBO、加权平均弱化缓冲算子WAWBO、加权几何平均弱化缓冲算子WGAWBO等若干个具有普遍意义的实用弱化算子,并研究了其特性及各种弱化缓冲算子之间的内在关系,从而使序列前一部分增长(衰减)速度过快,而后一部分增长(衰减)速度过缓的冲击扰动系统数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题得到有效解决。     

一种基于区间数判断矩阵的群决策新方法

针对基于区间数判断矩阵的群决策问题,提出了一种群决策新方法.借助于集值统计原理,构造了与区间数判断矩阵群信息等价的具有一定可靠度的确定数判断矩阵,建立了计算这类群信息集结值可靠度的模型,运用和积法对所得新判断矩阵进行处理,得到了一种简便的方案排序方法.最后,通过一个算例验证了该方法的有效性和实用性.     

基于灰色系统建模技术的人体疾病早期预测预警研究

传统健康体检主要通过对单次体检指标进行横向比较和静态分析,忽略个体差异,纯粹从指标高低来判断体检者健康状况与身体状态,难以及时发现体检者可能存在的疾病隐患。由于个体体检指标具有样本量小、信息不确定、数据类型异构、影响因素构成复杂等特征,传统以大样本为基础的数学模型均难以适应此类小数据系统的建模要求。为此,通过建立适用于人体主要指标趋势预测的灰色系统模型（简称HIGM（1,1）模型）,实现对人体主要健康指标的动态建模与趋势分析,从而可以掌握体检者未来一段时间身体指标的变化趋势及可能存在的疾病隐患。研究成果对提升体检效果、强化体检意义,促进灰色理论与现实问题的有效对接等方面,均具有积极意义。     

基于灰色关联度的小样本预测模型

针对传统灰色预测模型无法处理以及难以寻找统计规律的小样本数据，通过对序列之间灰色关联度物理含义的分析，挖掘序列内部以及序列之间的数据变化规律，并在此基础上构建了一种新的灰色预测模型；应用该模型对中国2008年度的GDP进行预测，预测结果验证了该模型的有效性及实用性；该模型的提出为小样本数据提供了一种新的预测方法。     

以x(1)(n)为初始条件的GM模型

自1982年灰色系统理论创立以来,关于GM模型的研究,都是以序列X(1)的第一个分量作为灰色微分模型的初始条件进行建模的,这样造成对新信息利用不够充分。根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以提高灰色建模的功效。因此本文在建立灰色模型时,把X(1)的第n个分量作为灰色微分模型的初始条件,对GM模型进行了改进,从而使所建模型的预测精度大为提高。最后,通过实例验证了所建模型的实用性与可靠性。