基于漂移度的动态组合评价方法研究

为了解决多种动态评价方法评价结论非一致性问题,提出动态组合评价方法。以相容动态评价方法集为基础对不同动态评价方法的漂移性进行测度研究,提出了基于漂移度的动态组合评价方法。最后用一个实例说明本研究实际应用上的有效性。基于漂移度的动态组合评价方法对解决多种动态评价方法评价结论非一致性问题提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

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     

基于相关系数的钢材需求量组合预测

近年来我国钢材消费量和产量大幅提升,在1997～2006年的10年里分别增长了308%和367%,虽然同期内国内铁矿石产量也增加了119%,但仍无法满足钢铁工业的需求,对外依存度从28.5%提升到51.8%。在对钢材以及铁矿石消费量的预测实践中,由于不同的预测方法能够提供不同的有用信息,其预测精度往往也存在差异,为了分散预测的风险,文章采用基于相关系数的组合预测方法对我国未来的成品钢材需求量进行预测,并对预测结果进行了深入分析。结果表明,基于相关系数的组合预测模型在预测准确性和适应性方面均能得到一定改善,能很好地对钢材需求量进行科学、有效的预测。     

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.     

我国黄金期货价格波动率预测研究：来自模型缩减方法的新证据

黄金作为重要的避险资产,对其价格波动的定量描述和预测对于各类投资者的风险管理决策意义重大。基于标准回归预测模型,采用主成分分析、组合预测和两种主流的模型缩减方法(Elastic net 和Lasso)构建新的波动率预测模型,探究哪种方法能够更有效地利用多个预测因子信息。进一步,运用模型信度集合(model confidence set,MCS)、样本外R2和方向测试(Direction-of-Change,DoC)三种评价方法检验新模型的样本外预测精度。实证结果显示：不论是基于哪一种评价方法,相比其它竞争模型,两种缩减模型的样本外预测精度均为最优,可以为我国黄金期货价格的波动率预测提供可靠保障。     

基于两阶段优化算法的神经网络预测模型

采用基于两阶段优化算法(multi-stage optimization approach,MSOA)的GA人工神经网络,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,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.     

基于PLS的变权重组合预测方法

在目前研究较多的组合预测模型中加权系数是不变的.事实上,假定加权系数为常数,组合预测模型并不能很好地反映预测方法的有效性.基于以上事实,本文提出基于PLS的变权重组合预测方法,利用偏最小二乘回归方法求得组合预测的权重函数.最后通过实例分析验证了方法的有效性.     

基于修剪平均的神经网络集成时序预测方法

由于复杂时序存在结构性断点和异常值等问题，往往导致预测模型训练效果不佳，并可能出现极端预测值的情况。为此，本文提出了基于修剪平均的神经网络集成预测方法。该方法首先从训练数据中生成多组训练集，然后分别训练多个神经网络预测模型，最后将多个神经网络的预测结果使用修剪平均策略进行集成。相较于简单平均策略而言，修剪平均策略不容易受到极值的影响，能够使集成模型获得鲁棒性强的预测效果。在实证研究中，本文构造了两种神经网络集成预测模型，分别为基于修剪平均的自举神经网络集成模型(Trimmed Average based Bootstrap Neural Network Ensemble, TA-BNNE)和基于修剪平均的蒙特卡洛神经网络集成模型(Trimmed Average based Monte Carlo Neural Network Ensemble, TA-MCNNE)，并采用这两种模型对NN3竞赛数据集进行预测，结果表明在常规和复杂数据集上，修剪平均策略比简单平均策略具有更好的预测精度。此外，本文将所提出的集成模型与NN3的前十名模型进行比较，发现两种模型在全部数据集上均超过了第6名，在复杂数据集上的表现均超过了第1名，进一步验证本文所提方法的有效性。     

结构突变下的高维汇率资产时变投资组合预测研究

金融市场存在结构突变现象是发生金融风险传染的关键所在,而风险传染又是投资组合研究中亟需解决的难点。本文以9种国际主要货币对美元汇率为研究对象,先构建隐马尔科夫模型来对汇率资产进行结构突变预测,并基于结构突变刻画的结果,构建动态R-Vine Copula模型来预测汇率资产的风险传染关系;最后,基于结构突变与风险传染的研究结果,筛选出适合的组合汇率资产,构建时变投资组合预测模型。实证结果表明：HMM模型能够有效地刻画出汇率资产中的结构突变;动态R-Vine Copula模型能够更加有效地刻画出汇率资产间的风险传染关系;基于结构突变与风险传染关系下的动态投资组合预测模型,具有降低投资组合风险与提升投资组合预测收益的优越性,能够为金融风险管理和投资组合研究提供模型参考。     

一类基于IOWGA算子的组合预测新方法

目前传统的加权几何平均组合预测方法存在赋权的缺陷。在有序加权几何平均(OWGA)算子概念的基础上,提出诱导有序几何加权平均(IOWGA)算子,建立新的组合预测模型,并给出了IOWGA权系数的确定的数学规划方法。最后进行了实例分析,结果显示该模型能有效提高组合预测精度。     

折扣系数法在建立预测模型中的应用

本文针对不同观测点对预测值的不同影响,采用折扣系数法探讨了用折扣最小二乘法和折扣最小一乘法建立预测模型的方法以及用折扣系数法建立组合预测模型的方法。本文的方法不仅适合于一般趋势预测模型的建立,也可推广到一般回归预测模型的建立。这对于提高预测模型的预测精度有着重要的意义。     

农产品销量预测的支持向量机方法

运用支持向量机(Support Vector Machine,SVM)智能预测方法对农产品的消费市场需求进行动态预测。为提高农产品销量预测精度,充分考虑了农产品供需随天气变化、气候条件、节假日等因素的影响而动态变化的情况,将这些影响因素纳入农产品销量预测中,运用模糊理论进行模糊化处理;在此基础上提出以支持向量机方法为主、多方法融合为辅的智能预测系统,对农产品销量进行动态预测。实际算例验证了这一智能预测系统的精确性。     

同种商品不同月份期货组合风险评价模型研究及应用

以期货合约的每一交易日的对数涨跌率来反映市场风险,借助VaR风险价值法,运用加权核估计技术(WKDE)和指数加权滑动模型(EWMA),建立了基于期货组合中持有头寸不同且可以进行风险对冲的期货组合市场风险非线性叠加评价模型,解决了同种商品、不同月份期货组合每一交易日最大损失的确定问题,并通过实证研究验证了模型的实用性.该模型的特点一是借助WKDE法预测组合中单个合约每一交易日涨跌率最大日亏损值,充分体现了期货合约涨跌率的实际走势,使VaR估计更加精确.二是通过动态迁移相关系数矩阵的计算保证了模型的精确性.采用EWMA模型预测动态变化的方差-协方差矩阵,从实证的角度得到更精准的动态迁移相关系数矩阵.三是考虑了组合中多头和空头不同头寸之间的风险对冲,避免了实际中期货组合风险的线性相加而造成放大风险或减少风险的不准确性,从而能较好地保证了模型的预测精度及准确性.四是通过基于风险非线性叠加建立的期货组合风险评价模型解决了SPAN系统中期货组合风险的线性叠加问题,从而得到更合理的组合风险预测值.     

基于评价结论的二次组合评价方法研究

针对不同的组合评价方法所获取的一次组合评价结果依旧存在不一致性和收敛性较差等问题,提出了"二次组合评价"的概念,并研究了一种基于评价结论的二次组合评价方法。给出了该方法的关键流程和实现步骤,主要包括综合评价问题描述,单一评价方法的问题描述,组合评价方法的问题描述,评价结论的一致性分析,基于偏移度最小的二次组合评价方法选取以及二次组合评价的收敛性分析,并通过算例对本文提出的二次组合评价方法进行分析,案例研究结果表明二次组合评价结果的误差要远小于各一次组合评价结果的误差,与一次组合评价相比,二次组合评价的组合效果更好,有效性更强。通过二次组合评价可以有效提高一次组合评价的一致性和收敛性,降低一次组合评价的组合误差,提高综合评价整体评价结论的可信度。     

时间相依利率扩散模型的非参数估计

利率的变动模式会随着时间的推移、经济环境的变化和金融制度的改变而发生变化.时变的扩散模型能更好的描述短期利率的随机行为,文章采用基于核回归的非参数方法,估计中国银行间市场7天回购利率的时间相依CKLS模型.最后比较了时间相依CKLS模型与时齐CKLS模型在波动率预报上的表现,结果表明,时间相依CKLS模型更好的反映了利率实时的变化,提高了预测利率变化的精度.     

基于离差函数和联合熵的组合赋权方法

针对多指标评价权重确定问题,提出了基于最小离差和最大广义联合熵的组合赋权方法。该方法一方面综合考虑了各评价方法从不同角度所确定的权向量,使确定的理想组合评价权向量与所有其他方法的评价权向量之间的总体偏差为最小;另一方面尽量消除组合赋权的不稳定性,使各方法各指标权数赋予平衡因子后广义的联合熵最大,使得全局的不确定性最小、最为合理,由此建立了组合权系数优化模型。最后通过实例说明了此方法的合理性。     

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。     

IOWHA算子及其在组合预测中的应用

在有序加权平均(OWA)算子概念的基础上,提出有序加权调和平均(OWHA)算子及诱导有序加权调和平均(IOWHA)算子的概念,讨论它们的一些性质。同时指出现有的加权调和平均组合预测方法存在赋权的缺陷,建立新的基于IOWHA算子的组合预测模型,给出了IOWHA权系数的确定的数学规划方法。最后实例分析表明该模型能有效提高组合预测精度。