基于混沌特性参数的股指神经网络建模及预测

文章针对嵌入维数较高的混沌时间序列很难在相空间中找出一种映射关系来预测其变化趋势,提出基于序列的混沌特性参数建立RBF神经网络预测模型。该模型以相空间中的各个相点作为输入,通过高斯函数的多次复合来逼近复杂的映射关系。以具有混沌特性的上海证券交易所股指时间序列为例对模型进行了验证。结果表明,该模型具有较好的预测能力和预测精度。     

基于李雅普诺夫指数的临近点选取方法

混沌时间序列的局域法预测以其计算量小、适用性强等优点,得到了广泛应用.但是其预测效果受制于临近点的选取,尤其是“伪临近点”的存在将降低预测精度,所以合理选取临近点至关重要.考虑到相点各维分量对预测的影响不同,相点的演化趋势与其前S步相点存在相关性,文章利用最大李雅普诺夫指数构造权系数提出了基于李雅普诺夫指数的临近点选取方法.通过Lorenz方程产生的混沌时间序列进行检验,结果表明改进方法的预测效果明显提高.     

深圳证券市场混沌性探测的前提:小波去噪

0引言自上世纪90年代末期开始,国内掀起了一股研究我国证券市场混沌性的热潮。其基本思想是通过相空间重构的方法重构待研究时间序列的奇怪吸引子,计算其关联维数和Lyapunov指数,根据关联维是否为分数以及Lyapunov指数是否为正数来判断该市场是否具有混沌性。众所周知,经济时间     

企业项目集风险元传递混沌遗传模型

文章在分析项目集风险元间关系的基础上,提出了企业项目集风险元传递模型。由于企业项目集风险元传递具有混沌系统特性及随时间变化性,因此,文章借助混沌映射和遗传算法构建了企业项目集风险元传递混沌遗传模型。利用该模型可进行项目集风险元传递预测。     

基于混合神经网络和混沌理论的居民消费价格指数预测研究

文章对我国居民消费价格指数进行了混沌识别,结果表明其具备混沌特性;结合神经网络和混沌理论,提出了一种将混沌理论和神经网络相结合的居民消费价格指数预测模型,利用重构相空间的嵌入维数确定神经网络的结构,算法与设计相对简单.     

基于支持向量机的降水量混沌时间序列预测

本文针对降水量时间序列的混沌性,根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机优越的非线性拟合性能,建立了基于支持向量机的降水量混沌时间序列预测模型。由于降水量时间序列的特殊性,本文采用均方根误差为标准来选取最优嵌入维数和模型参数,并结合实例验证该模型能精确地预测降水量。同时,这一结论也预示着支持向量机是一种研究混沌时间序列的有效方法。     

我国银行间同业拆借利率的混沌特性

本文运用混沌理论对我国银行间同业拆借利率进行了实证研究,通过关联维数和Kolmogorov熵这两个指数来研究我国银行间同业拆借利率的混沌特征.     

财务困境预警建模方法研究述评

在对国外财务困境预警模型及建模方法进行总结分类的基础上,本文选取了混沌模型、累积总和模型、自组织映射、生存分析、多维标度五种典型新方法和多元判别分析、多元逻辑回归分析、人工神经网络三种主流方法进行重点评述,并比较分析了各个方法的优势和局限性,对未来的研究方向进行了展望。     

基于自适应迭代更新的函数型数据聚类方法研究

函数型数据的稀疏性和无穷维特性使得传统聚类分析失效。针对此问题,本文在界定函数型数据概念与内涵的基础上提出了一种自适应迭代更新聚类分析。首先,基于数据参数信息实现无穷维函数空间向有限维多元空间的过渡;在此基础上,依据变量信息含量的差异构建了自适应赋权聚类统计量,并依此为函数型数据的相似性测度进行初始类别划分;进一步地,在给定阈值限制下,对所有函数的初始类别归属进行自适应迭代更新,将收敛的优化结果作为最终的类别划分。随机模拟和实证检验表明,与现有的同类函数型聚类分析相比,文中方法的分类正确率显著提高,体现了新方法的相对优良性和实际问题应用中的有效性。     

一个非线性动力学问题的混沌分析

近年来,人们越来越多地关注非线性动力系统的动态响应问题,尤其是混沌动力学的不断发展和完善极大地丰富了非线性科学领域,为许多古老的研究课题注入了新的活力,对包括自然科学在内的全部科学起到了日益深远的影响,本文是在固体力学领域内,研究duffing振子的动力学行为,包括它的混沌运动,相空间,重构相空间,振动模式。由于有限维系统在相空间和重构相空间中的几何图形比较直观,研究他们的混沌问题比较方便,所以本文是在二维系统中进行研究的。     

混沌时间序列的支持向量机预测

文章以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取;利用饱和关联维数法进行相空间重构,并运用小数据量法计算最大Lyapunov指数,对时间序列进行混沌特性识别。实例表明,该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度。     

上海股票市场的基于小波去噪的混沌性检验

由于经济混沌需要大样本、低噪声的时间序列,所以文章首先利用小波变换对上证指数日收盘价序列进行去噪处理,然后由去噪后的日收盘价序列计算出日收益率序列,姑且称其为去噪后的日收益率序列,并把它同未经过去噪处理得到的日收益率序列进行比较,发现该方法较好地保留了序列自身固有的特性,只是剔除了由于日常细微波动产生的噪声,为有效地探测我国上海证券市场的混沌性打下了基础。最后分别计算去噪前后收益率的关联维数和Lyapunov指数,发现小波去噪并未改变上海证券市场的混沌性,但是去噪后的市场的复杂度要小于去噪前的市场的复杂度。所以进行混沌性探测的时候必须对数据进行去噪处理。     

网络产品竞争与市场均衡研究

文章通过对存在网络外部性下的两阶段豪泰林模型进行了研究和分析,研究了网络产品的价格竞争和差异化竞争,并运用无穷维变分不等式对市场均衡存在的条件进行了分析。     

双寡头Bertrand博弈模型动态分析与混沌控制

基于价格博弈的Bertrand模型,文章构建四维的离散系统.依据现实经济活动,加入技术吸收效益讨论价格、利润和成本之间的关系.通过构建非线性离散动力系统,对系统的稳定性进行数值仿真.根据Sch-ur-Cohn判断得出内部趋于稳定的条件,延迟结构的时滞系数对系统的稳定性及复杂性有重要影响.并利用反馈控制对延时系统进行混沌控制,混沌现象在延时系统下成功的得到控制,使混沌行为运行于稳定轨迹,企业的市场竞争处于稳定状态,增加了企业的利润和收益.     

基于分片逆回归的小样本组合预测建模方法

针对在基于回归的小样本组合预测中,容易出现预测模型多于用于组合预测的样本数量,导致回归系数无法估计的问题,文章从信息重组的角度对组合预测建模方法进行了研究.首先采用三次样本插值对原始样本容量进行扩充,然后采用采用分片逆回归方法对扩充后的样本进行降维处理,并在此基础上构建基于回归的小样本组合预测模型.最后实例通过与常用组合预测方法结果的比较说明了该方法的可行性和有效性.     

基于2维语义的廉租房保障家庭隐性收入评估方法

针对廉租房保障家庭隐性收入评估问题,文章提出了一种基于2维语义的评估方法。该方法将评估者给出的保障家庭"隐性收入"等级和评估者对保障家庭的"熟悉程度"等级作为2维语义数据,并利用不同评估者给出的"隐性收入"和"熟悉程度"差异对评估者进行组合赋权。最后通过实例验证了方法的可行性。     

综合评价主成分分析方法与因子分析方法的比较

主成分分析方法和因子分析方法都是寻求从高维空间到低维空间的映射的方法,其目的是起到降维的效果,以便于用几个较少的综合指标来综合所研究总体各方面的信息,且这几个指标所代表的信息不重叠,也就是说从高维空间到低维空间的映射仍保持高维空间的"序"的结构.但这两种综合评价方法往往易混淆,本文从这两种方法的统计依据、数学模型、计算方法、综合指标的选取等方面比较它们的异同,以供初学者参考.     

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。     

一种求解基数约束投资组合优化的混合粒子群算法

如何有效求解基数约束投资组合优化问题,已成为金融学界近年来一直研究的热点.文章介绍了一种融合极值优化理论的混合粒子群优化算法(简称eo-PSO),利用极值优化方法(EO)以增强混合算法对搜索空间的挖掘能力,引入混沌变异算子提高粒子群(PSO)的探索能力.通过和其他一些智能计算方法对Markowitz基数约束投资组合优化目标函数的测试,以及应用风险范围理论的比较分析,结果显示混合粒子群算法具有良好的计算性能,其优化解也更具有效性.     

格兰杰伪因果关系检验的小样本性质研究

基于MC模拟方法研究了格兰杰伪因果关系的小样本性质,结果表明伪因果关系的发生概率会随着数据过程持久性的增强而增大,但会随着样本容量的增加而减少,且由于检验式的设定使得经Newey-West修正的检验方法并没有明显优势。通过解释变量和被解释变量的持久性对伪因果关系的影响以及与OLS估计的伪回归比较分析,表明随机干扰项的自相关或异方差是产生伪因果关系的主要原因,这为解决伪回归和伪因果关系问题提供了统一研究框架。