基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

基于离散信用风险的投资项目估值模型构建

经济社会的发展在追逐其增长速度的同时常伴随一定的社会风险，政府投资项目必须考虑这种项目投资的不确定性。文章以可转换债券投资为考察对象，将投资项目信用风险纳入政府投资的决策中，借鉴期权定价模型与债券定价模型，考察投资项目的估值模型，并给出求解的边界条件，为政府投融资决策提供理论指导。     

基于模糊层次分析法的投行股票估值模型选择

文章通过模糊层次分析法对众多的股票估值模型进行选择研究,通过对模型中使用的财务指标建立指标体系,并根据专家意见对指标赋予不同的权重从而实现对股票估值模型的优劣排序,为投资银行在进行股权投资时选择股票估值模型提供决策支持。     

基于深度学习LSTM神经网络的全球股票指数预测研究

作为深度学习技术的经典模型之一，长短期记忆（LSTM）神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术，本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究，结果发现：①LSTM神经网络具有很强的泛化能力，对全部指数不同期限的预测效果均很稳定；②LSTM神经网络具有优秀的预测精度，相比三种对照模型（SVR，MLP和ARIMA），其对全部指数的平均预测精度在不同期限上均有提升；③LSTM神经网络能够有效控制误差波动，其对全部指数的平均预测稳定度相比三种对照模型在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势，其未来在金融预测中将有广阔的应用前景。     

“双碳”目标下绿色双层投资组合研究

在绿色投资日益盛行和金融机构积极推进“双碳”目标的背景下，越来越多的投资者在估值、产品和策略中考虑ESG因素。随着ESG投资理念的深入，如何在投资组合中合理纳入ESG因素成为学界的研究热点。本文从预期效用理论出发，针对效用函数中风险厌恶系数和ESG偏好系数的估计困难以及投资组合规模缺乏限制等现实问题，提出了绿色双层投资组合模型。其中上层规划是决策效用函数系数的稀疏优化问题，下层规划是构建绿色投资组合的二次优化问题。在求解层面，针对不同约束情形，利用下层问题的最优性条件将双层规划问题转化为混合整数二次规划。研究结果表明：第一，通过模拟真实市场环境验证了模型的数值有效性，针对不同偏好的基准指数，模型可以准确估计隐含的参数水平；第二，通过验证2015—2021年间编制ESG100指数和上证50指数的341个投资组合，研究发现金融市场上的绿色指数隐含正向的ESG偏好，绿色指数相比于收益更加偏好资产的绿色属性；第三，以上证50和ESG100指数为基准构造的静态和动态投资组合在2015—2021年间不仅较好地实现了对基准的追踪，更获得了稳定的超额收益，从夏普比率，信息比率以及Omega比率等指标来...     

高新技术项目投资风险的评价模型

粗糙集具有强大的数值分析能力,而BP神经网络具有准确地逼近收敛能力,所以将粗糙集和BP神经网络串行结合,建立一种基于粗糙集-BP神经网络的高新技术项目投资风险评价模型。把粗糙集作为模型的前置系统进行属性约简,消除样本冗余,减少BP神经网络输入维数和隐含层神经元权值连接的个数,从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。最后,仿真研究表明运用该混合模型能取得较满意的结果。     

知识密集型企业资本结构的优化方法

随着我国社会主义市场经济体制已逐步完善,知识密集型企业获得了更大的发展空间,其筹资渠道也变得更加多样.资本结构的调整优化不仅能够提高企业利润,而且还能够有效控制风险,知识密集型企业资本结构优化是一个非常有价值的理论问题.基于结构化神经网络对知识密集型企业资本结构优化问题进行建模,同时采用改进遗传算法对结构化神经网络模型进行优化求解.实验结果表明:所建结构化神经网络、所提改进遗传算法都是可行的、有效的.     

基于双无关问题的敏感性问题随机化回答模型

研究数量特征敏感性问题的抽样调查,设计了双无关问题双样本随机化回答模型,给出了总体均值的无偏估计、估计量的方差,并得出新的模型具有较好的精度。     

基于BP神经网络的江苏用电量预测模型研究

本文应用贝叶斯正则化算法优化BP神经网络,通过多维经济数据(国内生产总值、固定资产投资总额、人均收入)与用电量的相关分析,来确定网络的拓扑结构,建立用电量的人工神经网络模型.用从江苏统计年鉴和江苏省电力局取得的17年数据为输入、用电量为输出来训练建立好的BP神经网络,经仿真表明该神经网络能很好地解决用电量多影响因素之间的不确定性和非线性,模型的预测精度较高,对合理的制定用电计划不仅有一定的理论意义,更具有巨大的实用价值.     

暴跌来临如何应对

在当前剧烈动荡的大环境下，投资者可重点关注估值、股息收益率指标来进行投资，除此之外，安全资产也可以纳入考虑范围。     

暴跌来临如何应对

在当前剧烈动荡的大环境下，投资者可重点关注估值、股息收益率指标来进行投资，除此之外，安全资产也可以纳入考虑范围。     

综合模糊认知图与BP神经网络的建模方法新探

文章介绍了模糊认知图的基本原理、推理机制及非线性赫布学习算法,然后综合考虑BP神经网络与基于非线性赫布学习算法的模糊认知图,提出了一个新的建模方案,并以股市股价预测问题为例对其进行了检验。研究结果表明:模糊认知图与BP神经网络方法的结合,不仅弥补了传统神经网络模型不具有解释性的缺陷,而且提高了模型的学习效率。     

基于混沌PSO优化BP神经网络的碳价预测

随着全国碳排放权交易市场的启动,碳价的预测对碳市场参与者的风险管理具有重要意义。针对BP神经网络收敛速度慢、容易陷入局部极值的弊端,结合混沌的遍历性,构建基于混沌粒子群(CPSO)算法优化BP神经网络的碳价预测模型:利用Elastic Net方法降维,筛选出碳价的主要影响因素;再用CPSO优化BP神经网络的初始权值和阈值训练模型并预测碳价,结果表明:CPSO-BP碳价预测模型的精度和稳定性明显优于传统BP神经网络、粒子群优化的BP神经网络以及果蝇算法优化的BP神经网络。     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

基于数据变换和背景值优化的GM(1,1)模型

文章为了提高GM(1,1)模型的预测精度,提出一种基于数据变换和背景值优化的GM(1,1)模型.考虑通过弱化缓冲算子得到原始数据序列的缓冲序列,并对缓冲序列进行对数变换,而后对GM(1,1)模型的背景值进行优化.实例结果表明新建GM(1,1)模型降低了误差,提高了预测精度.     

商业银行法人客户信用风险甄别的定量研究

针对商业银行法人客户信用风险甄别问题,采用距离判别法,利用40家上市企业连续两年的财务数据建立了甄别模型,并用该模型对上市公司进行甄别,并将甄别结果与真实情况进行比较,模型对高风险企业的甄别正确率1999—2000年分别为82．5％和90％。与现有的基于神经网络甄别方法比较,此方法效果明显优于后者。     

基于回归神经网络的长期电力负荷组合预测模型研究

本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。     

基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系,充分体现统计调查数据和网络搜索数据的优势,利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势,提出了融合混频数据和深度学习的宏观经济预测方法。首先,考虑到政府统计调查数据与经济波动的强相关性,选取政府投资统计月度指标合成投资统计指数;然后,结合网络搜索数据的时效性和高频性,选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数;最后,构建多源混频数据长短期记忆神经网络模型（MM-LSTM）,利用中国2011—2022年的相关数据进行实证研究,并考察模型的精度与时效性。结果表明,投资相关指标与中国GDP增长率之间存在正向关系;网络搜索数据的加入有助于提升宏观经济预测的精度;MM-LSTM模型提高了短期和中期的预测精度,具备提前预测能力,可为相关部门提供决策依据。     

区间型贝叶斯风险决策模型及其应用

对于不确定型问题,采用区间数进行估值比单一值更符合客观实际.文章运用区间数理论对传统的贝叶斯模型进行改进,将经典贝叶斯中的后果值由实数改进为区间估值,并通过可能度理论对区间数进行排序,解决了基于区间数的不确定信息的贝叶斯风险决策问题.将此理论运用于企业项目投资风险决策问题中,得到了客观可行结果.     

中国经济内外失衡的相关性分析

文章在“双缺口”模型理论基础上,运用VAR模型对我国改革开放以来内部失衡和外部失衡之间的相关关系进行了实证研究.研究结果表明,内部失衡对我国经济总体失衡有很强的冲击作用,前期的内部失衡加剧了当期内外经济失衡；外部失衡对经济总体失衡具有负向效应,但影响力度较之前者要小,显著性也较差.从而得出当期中国经济内外失衡的产生更大程度上取决于内部经济的失衡,尤其是储蓄、投资、消费结构的失衡.