基于小波包和神经网络的股票价格预测模型

股票价格是大量因素影响的综合结果,波动规律异常复杂,即使是神经网络这样强大的非线性预测工具也不堪胜任对其的准确预测。本文利用小波包理论将价格波动序列最优地分解为一系列规律较易掌握的子波动,对原始价格波动的预测也就分成神经网络对各子波动的预测。实证研究结果表明,这种小波包和神经网络相结合的股票价格预测模型预测精度明显高于小波和神经网络相结合以及直接利用价格波动预测的同类神经网络模型。     

基于近邻互信息的SVM-GARCH股票价格预测模型研究

为了克服传统线性模型分析处理收益率数据非线性因素的不足,本文提出一种新的基于近邻互信息特征选择的SVM-GARCH预测模型。该模型利用SVM处理高维非线性数据的优势,不仅包含了股指序列自身的历史数据信息,而且通过近邻互信息的方式融合了与目标股指数据关系密切的周边证券市场的相关变化信息。仿真实验结果表明,该模型在时序数据除噪、趋势判别以及预测的精确度等方面均优于传统的ARMA-GARCH模型。     

基于LS-SVM的区域创新能力预测模型

在经济全球化背景下,区域经济发展备受世人关注.区域创新能力是区域竞争力的核心要素.区域创新能力研究对于区域经济发展具有重大的现实意义,其中区域创新能力测评研究是一个重要内容.但是,现有的区域创新能力测评方法存在许多不足,导致预测误差较大.本文基于LS-SVM对62个省级区域样本进行学习训练,构建了区域创新预测模型,并对31个区域样本进行测试,测试结果均方根误差为O.45,结果令人满意,训练学习时间短,效率高,有效克服了层次分析方法、人工神经网络方法的不足,提高了测评准确性,说明LS-SVM在区域创新能力方面是一种有潜力的预测方法.     

基于BP网络的股票预测模型分析

股票市场是一个不稳定的非线性的动态变化系统。股票的价格受多种因素的影响,呈现出非线性的变化规律。在股票价格的预测模型中,BP神经网络具有一定的优越性。它具有很强的学习能力、自适应能力,可以无限地逼近非线性函数。本文通过实例,证实了利用BP神经网络可以对股票进行短期的预测,具有较强的网络泛化能力。     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

基于会计信息和股票价格建立多元线性回归股票估价模型

从上世纪90年代以来我国A股市场成立已经走过了20多年的风风雨雨,交易所开户总数从1991年的36.96万户增加到了2010年的1.4亿户,虽然我们的证券市场取得了一定的发展,但依然是一个很年轻的市场,股市市场出现暴涨暴跌易受庄家操控等四方发达国家早期也曾经历过的情况,2006年股市疯狂上涨,2008年又一落千丈,这与资金的炒作和抽逃不无关系,正如巴菲特所说,只有在退潮是才知道谁在裸泳一样,只有在股市泡沫破灭后才能发现股票的正真价值。     

基于客户流失预测的特征选择

特征选择是数据预处理的一个重要手段,本文介绍了特征选择的几种常用方法：过滤法,封装法及这两种方法的混合,最后结合客户流失预测这个特定的问题提出适当的方法。     

基于斯坦规则和误差校正的组合预测模型

研究了基于斯坦规则估计和误差校正机制的组合预测方法和模型设定 .应用表明 ,利用斯坦规则结合非样本信息可以改善组合预测性能 ,采用误差校正形式的组合预测模型较之其它形式的组合预测模型具有更高的外推预测精度 ,建议的误差校正形式具有更高的精度和更广的适用性     

基于失信因子的软件缺陷预测模型

软件缺陷是衡量软件项目可靠性的重要指标,缺陷的预测技术也是软件质量度量的核心问题。在软件缺陷产生及生长过程机理分析的基础上,将缺陷分为潜藏、被发现和被修复三种状态,建立了在失信因子和约束因子的共同作用下,缺陷状态动态转移的微分方程模型,并对其平衡点的稳定性及失信因子的边界条件进行了分析。同时,对NASA中一个软件项目进行实证分析,利用软件测试及缺陷的修复记录对系统中潜藏的缺陷进行预测,结果表明模型的合理性。     

基于向量夹角余弦的组合预测模型的性质研究

基于向量夹角余弦的组合预测是一种相关性的组合预测模型,它是研究组合预测方法的一个新途经.针对基于向量夹角余弦准则下组合预测模型,研究它的基本结构特征.首先提出新的优性组合预测、预测方法优超、冗余度等概念.然后探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并给出冗余信息的判定定理.最后进行实例分析,表明该方法有较大的实际应用价值.     

基于聚类分析和SPSS在股票投资价值中的应用——关于采掘业中煤炭采选业板块的研究

改革开放三十年来,市场经济得到了巨大的发展,股票市场有了很大的进步和变化。随着这次金融危机的影响,各个市场都有很大的萎缩,首先表现在股票市场上,各大股票股价大跌,上证直逼两千点,人们都纷纷收回投资,不敢投资,也没有一个比较有信心的板块。基于这种情况下,本文就其中采掘业下煤炭采选业板块20只股票,通过多元统计下聚类分析并用SPSS统计软件来分类并分析他们的市场价值以及盈利和成长能力。希望本文的研究能给股民们一个选股的建议,正确理财。     

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.     

基于CART和自适应Boosting算法的移动通信企业客户流失预测模型

客户流失问题一直以来都受到企业的重视,如何有效预测流失客户是一个重要课题。本文通过对某通信企业原始数据进行严格的数据预处理,以及利用直方图检验和卡方检验相结合的方法对模型变量进行筛选,同时采用抽样的方法选取出模型的训练样本和测试样本,并利用分类回归树算法和自适应Boosting算法生成相应的强分类器模型,仿真实验结果表明本文使用的模型在预测该通信企业的离网客户中具有较高的准确性,从模型的ROC曲线可知,该模型是一个比较理想的分类模型。另外,本文通过与其他两个模型的预测结果进行比较发现本文的集成模型具有更好的预测性能。     

基于边坡稳定的各种极限平衡条分法的探讨

边坡稳定性定量计算是边坡稳定分析的一个重要步骤。目前,极限平衡法在边坡稳定性分析中得到广泛应用,由于对多余变量假定的不同而构成了不同的极限平衡条分法。通过对传统各种条分法假设条件的比较、探讨各种条分法的异同点。对各种条分法的计算精度以及其局限性进行分析。     

基于灰色预测模型的广西物流需求预测

本文运用灰色GM(1,1)预测模型理论,根据统计数据建立了物流需求量模型并对广西未来几年物流需求规模进行了预测,在一定程度上能够为广西物流业发展提供定量依据。预测结果表明广西物流需求呈稳定增长的态势。     

基于自组织算法的改进型GAANN预测模型

在传统的基于GA算法人工神经网络的基础上作了改进,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构。针对复杂系统建模输入节点难以确定的问题,提出将其与自组织理论相结合,首先使用GMDH方法获得神经网络的初始化节点,然后使用训练好的神经网络模型进行预测。最后,将由此建立的预测模型应用于国家粮食产量预测,取得了令人满意的效果。     

基于误差校正的灰色神经网络股票收益率预测

在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题。由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的。本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路。首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正。文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性。     

基于Matlab的BP神经网络煤炭需求预测模型

煤炭是中国的基础能源,支撑着国民经济的高速发展。在未来的一段时期,煤炭的基础能源地位不会改变。要合理利用煤炭资源,保证我国经济的健康发展,煤炭需求的预测必不可少。近年来煤炭需求的预测存在一定的不足,精度较低。本文基于Matlab技术的双隐层BP神经网络对煤炭需求进行模拟分析,通过实际数据检验和实证分析,预测了未来五年的煤炭需求量。     

基于可变区间权重的中期用电量半参数预测模型

由于数据变化规律的多样性,中期电力负荷的波动有着不同于短期、长期负荷的特点。基于电力系统复杂性的研究视角,重点讨论了中期负荷预测过程中模型的不确定性、参数的时变特性以及负荷波动的周期性规律。根据中期负荷的数据特性,建立了基于非参数修匀的半参数模型,定义了函数区间的划分粒度以及模型权重的求解方法,提出了基于可变区间权重的动态预测方法,给出了基于经验模态分解和波动能量分析的噪声序列提取、检验方法。试验研究结果表明,气候因素对用电消耗的影响最大,经济因素次之;从选取的指标来看,不同时期的影响因素对于模型的解释能力是时变的;所提方法能够对电力负荷进行精确的多粒度、多维度分析,进而掌握其局部变化规律,可有效用于电力系统中期负荷预测。     

基于资本市场信息的上市公司财务危机动态预测模型研究

预测上市公司财务危机是投资者、债权人及证券市场监管机构所广泛关注的课题。本文运用期权定价理论,以企业“资不抵债”作为上市公司陷入财务危机的标志,利用资本市场的信息指标———股价建立起上市公司动态财务危机预测模型,克服了统计预测方法利用财务报表信息预测的时期性和滞后性的缺陷。