基于遗传算法的模糊决策树在软件估算中的研究

本文以软件估算为核心,运用模糊决策树和遗传算法,设计估算步骤,建立评估模型,利用历史数据对其中的因子参数进行校正调整,基于ID3算法的模糊决策树,确定遗传算法优化模糊决策树的α、β两个参数,进而对新项目进行估算,对提高软件可靠性提供了有效方法,值得参考。     

基于遗传算法的模糊决策树在软件估算中的研究

本文以软件估算为核心,运用模糊决策树和遗传算法,设计估算步骤,建立评估模型,利用历史数据对其中的因子参数进行校正调整,基于ID3算法的模糊决策树,确定遗传算法优化模糊决策树的α、β两个参数,进而对新项目进行估算,对提高软件可靠性提供了有效方法,值得参考。     

客户流失危机分析的决策树方法

叙述了客户流失的基本概念,分析客户流失危机产生的原因,指出了传统的客户流失危机分析方法存在的问题,在ID3算法的基础上,提出一种加权熵的概念,并对ID3算法进行改进,提出了一种基于决策树的客户流失危机分析方法,通过一个客户流失危机的分析实验对该模型进行了验证.实验结果表明该方法是可行的和有效的,为客户流失危机分析和预警提供了一种新的研究思路和分析方法.     

基于数据挖掘的内幕操纵行为甄别研究

本文以国内证券市场发生的内幕操纵股票为样本,以股票的超额收益、波动性、流动性以及贝塔系数等市场反应指标为研究变量,借鉴数据挖掘的思想,采纳Logistic模型、决策树模型和神经元网络模型对内幕操纵行为进行了甄别,并对模型的效果作了对比分析.     

利用上凸函数对决策树算法的改进

针对决策树分类方法的计算效率进行深入研究,根据信息增益计算的特点,引入了上凸函数的概念,用于提高决策树分类过程中信息增益的计算效率。利用我们所提出的“一致性定理”和“特殊一致性定理”,从理论上证明了利用上凸函数对信息增益计算进行改进后,构造的决策树与原决策树具有相同的分类准确率。同时我们通过对大数据集的实验,发现在相同规模的数据集下,改进后的决策树算法比原算法有更高的计算效率,并且这种计算效率的提高有随着数据集规模的增加而增加的趋势。     

数据挖掘技术在3G业务扩展中的研究与应用

本文运用数据挖掘技术中的分类决策树算法和快速聚类算法,对某省会城市联通公司的3G业务数据进行深入分析,研究并实现-个准确、实用的3G客户识别和客户细分的模型.在对模型进行评估的基础上,为精确发展优质3G客户提供了-个具体参考,同时对3G的资费策略提出-些参考意见.     

模糊决策树算法在软件估算中的数据处理应用研究

本文将通过某项目实例使用遗传算法和模糊决策树结合的方法进行软件估算。遗传算法优化的模糊决策树软件工作量估算模型是基于遗传算法优化的模糊决策树算法,输入的数据为原始化数据。使用Desharnais数据集,采用10-折交叉验证,对离散和连续型的样本数据使用函数求值。     

权证发行上市与到期效应实证研究

根据中国证券市场已上市的权证及其标的股票的数据,运用事件研究法中的市场模型进行分析,实证检验了权证的发行上市和到期对标的股票的影响.研究结果表明:权证上市公告日之前,由于套期保值效应、价格操纵效应和信息效应等原因,认购和认沽权证的标的股票都有正的非正常收益率;在权证上市公告日当天有非常显著的负的非正常收益率;而上市公告日后,认购权证的标的股票有弱负的价格效应,认沽权证的标的股票则有正的价格效应.权证到期时,对于标的股票价格的影响甚微.     

基于时间序列与机器算法的工商银行股票预测分析

股票市场在国家经济发展中发挥着重要作用,对于投资者来说,其有可能获得超额收益,也有可能遭受巨大损失。因此,如何合理地对股票未来发展作出预测,是投资者关心的问题。文章基于支持向量机、逻辑回归及BP神经网络3种机器学习算法建立分类预测模型,对工商银行股票下一个交易日的涨跌走势进行分析预测,并使用时间序列ARIMA模型进行预测,综合考虑训练模型,分析比较时间序列模型与机器学习对工商银行股票的预测能力。     

价格时滞、投机性需求与股票收益

本文旨在借助Hou和Moskovitz(2005)提出的反映市场摩擦的综合指标——价格时滞,考察不同市场摩擦对A股市场股票收益的影响特征及内在机理。研究发现,价格时滞越严重的股票未来收益越低,套利组合的收益高达每月1.36%。这不仅与美国股票市场的证据不同,而且难以被经典理论解释。本文从投机性需求角度对此提出了一种新的解释。价格时滞表明投资者对公共信息反应不足、过度依赖私有信息交易,这一行为会加剧投资者对股票估值的意见分歧,刺激投机性需求,放大股票中转售期权的价值,从而导致股价被高估。接着,本文证实价格时滞严重的股票具有较强的投机性特征,价格时滞对未来收益的预测性也主要源自股票的投机性特征。本文的研究表明,与美国市场不同,在中国股票市场,与投机性需求相关的市场摩擦对股票收益的影响要远大于与流动性、投资者认可度相关的市场摩擦。     

流动性风险与股票定价:来自我国股市的经验证据

基于本文构建的流动性风险调整的资产定价模型,实证显示,我国股票定价中包含显著的流动性风险溢价,而且这种风险补偿更为显著地出现在流动性较差或者说价格冲击弹性较高的股票上。而经典CAPM的价格风险敏感度beta却对我国股票回报率没有解释力。这说明流动性风险比单纯的市场价格风险在我国股票定价中起着更为重要的影响,在评估股票投资风险和风险溢价时仅考虑价格风险是远远不够的。另外,我国股市和国外一样存在对非流动性水平的收益补偿和"flight to liquidity"现象。     

涨跌幅限制与股票价格行为分析

对于股票在达到涨跌幅限制后价格如何变化的解释有两种假设:信息假设和过度反应 假设. 通过对1997 年到2000 年上海证券交易所股票在达到涨跌幅限制后隔夜期间与交易期 间的非正常收益进行检验,以揭示达到涨跌幅限制后股票的价格行为. 结果表明在达到涨跌幅 限制后的隔夜期间股票价格存在价格持续现象,而在交易期间存在价格反转现象. 这个结果一 方面说明了沪市存在着过度反应,另一方面也说明了上海证券交易所10 %的涨跌幅限制在限 制噪声交易者的过度反应有一定的作用.     

大数据环境下客户购买行为预测

大数据环境下,随着企业间的竞争加剧,企业越来越意识到客户购买行为预测的重要性。主要采用改进的决策树模型对客户购买行为进行预测,并通过对优化前后的效果对比分析,验证了改进后的算法在客户购买行为预测上的有效性和高效率。以Teradata软件为例,介绍了决策树模型在大数据背景下的应用,阐述了决策树模型在大数据情况下的用法和应该注意的问题。     

权证价格影响因素的实证研究——基于欧式权证视角

本文选择具有相对完整价格走势的十只权证,通过对影响权证价格的因素进行回归分析,得到剩余期限是影响权证价格的关键因素,行权价格、标的股票价格和波动率,对权证价格的影响不明显的结论,说明认购权证与标的股票脱离了关系。     

中国创业板IPO定价效率问题研究

本文通过考察对创业板股票的价值产生影响的因素,从中提取指标因子,在主成分分析基础上进行回归分析,并检验模型的拟合优度,以对考察所选样本的IPO发行价格和收盘价格对其内在价值的体现程度。实证结果表明,现行的发行价格和收盘价格并不能很好地反映股票的内在价值,而引入一个新价值变量市场风险变量作为自变量后,模型的回归结果更为显著。研究结果发现,在股票定价的过程中应该适当考虑市场风险因素。     

基于激励机制的指数化股票期权模型及其应用

股票期权的激励作用受到股市有效性的很大影响,股市的弱有效性使得经理层股票期权的收益发生扭曲。本文介绍了建立在基准指数基础上的指数化股票期权模型,分析了该模型的假设条件和约定价格的构造原理,并采用实例对指数化模型的定价效果进行了验证。     

上市公司管理层股票期权激励分析

股票期权是指企业授予某些对象可以在特定期间以一定价格购买一定数量企业股票的权利,期权的授予对象、数量、价格、行权条件、时间以及有效期都已确定。由于股权大都授予企业的经理层,所以又称为经理股票期权。股票期权交易出现于20世纪20年代,标准的股票期权合约于1973年由芝加哥期权交易所推出并正式挂牌交易。此后,在西方发达国家,逐渐发展为对经理人进行长期激励的制度。美国《商业周刊》曾经载文说:股票期权曾像魔法一般,刺激了美国20世纪90年代的经济繁荣,被称为“dot.com”革命推进剂。事实上,股票期权作为一种企业长期发展不可或缺…     

警惕股市"价值陷阱"

价值投资是以某一标度来测得股票的内在价值,并以此为标准与该股票的市价进行比较,进而推断出该股票的价格是被低估了还是高估了,我们说被低估了的股票就有一定的投资价值.     

中国权证市场认购权证的价格偏误研究

使用Black-Scholes模型对中国权证市场上发行的认购权证进行了研究。研究表明,总体上权证的市场价格高于其模型价格80.38%(历史波动率参数的B/S模型)和140.50%(E-GARCH波动率参数的B/S模型);另一方面,随着时间的推移,市场价格和模型价格之间的偏误有减小的趋势。此外,研究还发现,2006年底至今,部分认购权证的市场价格不仅低于其模型价格,而且低于其价格下限。这似乎违反了无套利原则,但中国市场交易机制的限制(股票卖空限制、股票T 1交易机制)使得这一现象得以较长时间存在。当权证的市场价格低于其价格下限时,在特定的情况下,套利交易可以进行。     

基于信息扩散原理运用人工神经网络识别股票级别

本文提出采用人工神经网络的方法对股票级别进行识别,以便辨识股票的优劣。首先建立股票识别的指标体系,对神经网络的训练样本中的各支股票的各项指标进行初步评级,然后用因素状态空间上信息扩散的方法对初步评级的结果进行优化处理,把处理后的结果作为神经网络训练样本的输入和输出因素,并利用BP算法进行网络训练,当计算达到要求的精度后即完成训练。经训练所得的神经网络即可用于识别股票级别。本文最后给出一个实例,具体说明运用信息扩散和人工神经网络的方法识别股票级别的过程,并对结果进行了分析讨论。采用本文所介绍的方法对股票级别进行识别,可以有效地减少主观因素及市场波动所带来的影响。