Forecasting Study of Shanghai’s and Shenzhen’s Stock Markets Using a Hybrid Forecast Method

In this article, a novel hybrid method to forecast stock price is proposed. This hybrid method is based on wavelet transform, wavelet denoising, linear models (autoregressive integrated moving average (ARIMA) model and exponential smoothing (ES) model), and nonlinear models (BP Neural Network and RBF Neural Network). The wavelet transform provides a set of better-behaved constitutive series than stock series for prediction. Wavelet denoising is used to eliminate some slight random fluctuations of stock series. ARIMA model and ES model are used to forecast the linear component of denoised stock series, and then BP Neural Network and RBF Neural Network are developed as tools for nonlinear pattern recognition to correct the estimation error of the prediction of linear models. The proposed method is examined in the stock market of Shanghai and Shenzhen and the results are compared with some of the most recent stock price forecast methods. The results show that the proposed hybrid method can provide a considerable improvement for the forecasting accuracy. Meanwhile, this proposed method can also be applied to analysis and forecast reliability of products or systems and improve the accuracy of reliability engineering.     

贯流风叶缺陷红外自动检测中噪声抑制的方法

针对贯流风叶缺陷红外自动检测中环境光干扰导致检测准确率不高的问题,文章提出了基于调制红外光、差动 传感器与Hilbert-Huang变换去噪相结合的方法,实现了对贯流风叶注塑缺料缺陷的在线自动检测。首先由红外光源向 外发射经过幅值调制的红外光,当红外光透过贯流风叶后,由差动传感器接收透射信号并进行放大,经A/D采样后送入 单片机,再经过Hilbert-Huang变换去噪,提高了缺陷检测信号的信噪比。通过对贯流风叶产品的实际检测,该方法有效 地抑制了检测中环境光的干扰,提高了缺陷识别的准确率。     

高等教育的遗传与环境——兼论英国传统大学职能之转换

运用阿什比高等教育遗传环境理论,通过对英国传统大学职能转换之探索,旨在揭示高等教育内在遗传性与外部环境的互动与适应的特征:大学的发展经受遗传与环境的双重影响,其内在逻辑是决定大学产生和发展方向的力量;而环境又要求大学不断做出变革使各方面的影响力量达到平衡。这两种力量的相互协调与作用,形成大学生存和发展的基本动力。     

基于混沌映射的小波域可读水印

提出了一种基于混沌映射的小波域公开水印算法,该算法中水印是一幅有意义的二值图像,水印嵌入前利用混沌序列进行混沌调制.在分析图像小波分解系数的树结构关系以及人眼视觉系统模型的基础上,在宿主图像的两棵小波系数树中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别从而使水印检测时能提取水印信息,并且检测时不需要原始图像和原始水印。实验结果表明,此方法是一种行之有效的图像版权保护方法。     

待遇预定制养老基金资产组合与缴费计划最优决策——基于随机波动率Heston模型及Legendre对偶变换法

待遇预定制养老金制度在中国应用非常广泛,缴费制定和资产配置是此类养老金管理的两大核心问题。由此,面对随机波动的现实市场,文章针对待遇预定制养老基金的资产组合管理问题,应用最优控制理论,选用对数效用函数,建立Heston随机波动率模型;在难以求解随机微分Bellman方程的情况下,应用Legendre变换,将原来问题转化为对偶问题,从而求得原问题的解析解。在理论上,进一步丰富了资产组合问题的随机最优控制模型的构建和随机微分方程的求解理论。在实践上,确定了养老金管理风险资产配置比例和缴费水平,给出了最优决策与总资产、发放待遇、净资产与风险溢价之间的数量关系,从而实现养老基金管理的最优资产配置和最低缴费水平的效用目标。     

多时间尺度下行业间系统性金融风险溢出及拓扑结构分析

系统性金融风险频发，其表现出的风险溢出效应受到国内外学者广泛关注。通过极大重叠离散小波变换和溢出指数方法，从静态和动态视角定量研究不同时间尺度和阶段下我国市场行业间系统性金融风险溢出特性，并构建多时间尺度和不同风险阶段下风险溢出网络，分析其拓扑结构演化规律。实证结果发现：行业间总体风险溢出水平较高，市场整体风险联动性强；原始尺度下国防军工、农林牧渔、有色金属行业为主要的风险溢出行业，资本市场及相关行业、化工及机电、部分服务业、医药生物行业始终是主要的风险接受行业；不同时间尺度下行业间风险溢出特性会发生明显的改变，且随着时间尺度的增加，整体风险溢出特性开始减弱；内生危机时行业间风险溢出水平要高于外生危机；同一社区下的行业之间会优先发生风险的传递。所得结果可为监管者和投资者提供一定的决策参考。     

小波变换在液氮制冷式露点自动检测中的应用

采用小波变换的Ｍａｌｌａｔ算法，求取智能露点仪温度曲线的拐点，这种算法的显著特点是可于背景噪音中很好地提取用用信号，在３－５次测量中，即可得到重复性极好的曲线拐点值，与传统的最小二乘拟合建模方法相比，不但可以减少测量次数，而且使露点温度值的自动检测达到了更高的准确性和稳定性。