基于EEMD-SVR的沪深300指数预测建模

文章将集合经验模态分解(EEMD)引入股票指数预测研究中,并充分考虑ε-不敏感支持向量回归(SVR)出色的非线性建模能力,提出基于EEMD与SVR建模的沪深300指数预测方法EEMD-SVRP。首先对沪深300指数时间序列进行EEMD分解,获得多个本征模函数和趋势项,并根据序列的均值特征将本征模函数重组为高频、低频分量;运用ε-不敏感SVR分别建立各分量序列的预测模型,进而对各分量序列预测值进行加和,获得指数的集成预测值;最后为评估模型的预测有效性,对EEMD-SVRP与ARIMA、MLP-ANN和SVR三种典型指数预测方法做对比实验。结果表明:EEMD-SVRP具有更低的预测误差和预测滞后性,是一种更加有效的沪深300指数预测方法。     

基于神经网络模型的沪深300指数预测

文章对选取沪深300指数收盘价序列进行了正态性检验和Hurst指数的计算,得出价格序列的非正态和长记忆性特征.随后选择了适当的结构建立Elman神经网络模型,结合技术分析中的K线图理论,对沪深300指数隔夜开盘价进行了预测.经过求解和趋势检验,以及与相同输入输出结构线性模型的比较,发现该模型取得了良好的预测效果.     

非寿险费率厘定的索赔频率预测模型及其应用

在非寿险分类费率厘定中,泊松回归模型是最常使用的索赔频率预测模型,但实际的索赔频率数据往往存在过离散特征,使泊松回归模型的结果缺乏可靠性.因此,讨论处理过离散问题的各种回归模型,包括负二项回归模型、泊松-逆高斯回归模型、泊松-对数正态回归模型、广义泊松回归模型、双泊松回归模型、混合负二项回归模型、混合二项回归模型、Delaporte回归模型和Sichel回归模型,并对其进行系统比较研究认为:这些模型都可以看做是对泊松回归模型的推广,可以用于处理各种不同过离散程度的索赔频率数据,从而改善费率厘定的效果;同时应用一组实际的汽车保险数据,讨论这些模型的具体应用.     

A Note on the Frequency Polygon Based on the Weighted Sums of Binned Data

We revisit the generalized midpoint frequency polygons of Scott (1985), and the edge frequency polygons of Jones et al. (1998 Jones, M.C., Samiuddin, M., Al-Harbey, A.H., Maatouk, T. A.H. (1998). The edge frequency polygon. Biometrika 85:235–239.[Crossref], [Web of Science ®] , [Google Scholar]) and Dong and Zheng (2001 Dong, J.P., Zheng, C. (2001). Generalized edge frequency polygon for density estimation. Statist. Probab. Lett. 55:137–145.[Crossref], [Web of Science ®] , [Google Scholar]). Their estimators are linear interpolants of the appropriate values above the bin centers or edges, those values being weighted averages of the heights of r, r ∈ N, neighboring histogram bins. We propose a simple kernel evaluation method to generate weights for binned values. The proposed kernel method can provide near-optimal weights in the sense of minimizing asymptotic mean integrated square error. In addition, we prove that the discrete uniform weights minimize the variance of the generalized frequency polygon under some mild conditions. Analogous results are obtained for the generalized frequency polygon based on linearly prebinned data. Finally, we use two examples and a simulation study to compare the generalized midpoint and edge frequency polygons.     

基于非线性主成分和聚类分析的综合评价方法

针对传统主成分在处理非线性问题上的不足,阐述了传统方法在数据无量纲化中“中心标准化”的缺点和处理“线性”数据时的缺陷,给出了数据无量纲化和处理“非线性”数据时的改进方法,并建立了一种基于“对数中心化”的非线性主成分分析和聚类分析的新的综合评价方法。实验表明,该方法能有效地处理非线性数据。     

Comparative Study of Robust Estimators Based on a Sensitivity Coefficient in Principal Component Analysis

This work is devoted to robust principal component analysis (PCA). We give a comparison between some multivariate estimators of location and scatter by computing the influence functions of the sensitivity coefficient ρ corresponding to these estimators, and the mean squared error (MSE) of estimators of ρ. The coefficient ρ measures the closeness between the subspaces spanned by the initial eigenvectors and their corresponding version derived from an infinitesimal perturbation of the data distribution.     

国际收入不平等变化的中国因素分析 ――基于控制经济因素的方法

 中国因素变化的贡献是国际收入不平等程度从1978年到2000年呈下降趋势的主要动力，在20世纪80和90年代的部分年份中国因素的贡献率超过100％。论文提出了国际收入不平等分析中的控制经济因素的方法，通过对中国因素的分析揭示，中国经济因素的变化是中国因素变化的主要原因，中国人口因素的变化是次要原因，但却是重要原因。所以，虽然经济增长是中国因素变化的主要原因，但人口增长的作用也非常重要。此结论同国际收入不平等分析中控制人口因素的方法的结论是相同的。