基于小波变换的多尺度跳跃识别与波动性估计研究

研究了市场微观结构噪音与跳跃同时存在条件下均衡价格波动性的估计问题.应用时间序列变点的小波分析方法,对2006～2007年上证50指数成分股包含市场微观结构噪音和跳跃的高频价格采样数据的跳跃变差和积分波动性进行了有效的估计.研究结果发现小波分析方法能够准确识别我国股市的价格跳跃,并且跳跃变差与积分波动性的比值很大,忽视跳跃的存在将会引起波动性的有偏估计,表明在金融市场中应当使用均衡价格波动性进行风险管理和资产配置.     

基于EMD方法的股票价格预测

文章将经验模式分解方法(EMD)引入到中国金融市场数据预测中,利用EMD正交分解的特殊功能,提出了一种较为准确的金融市场时间序列预测其走势的方法。并与传统实践上相对比较成熟的小波分析方法(WA)进行对比分析,实证研究表明:经验模式分解方法(EMD)较小波分析方法拟和精度更高、预测功能很强。此方法为金融市场数据研究提供了一个强有力新的分析工具,在理论和实践上有其重要的指导意义。     

基于小波变系数模型的CPI权重估计

居民消费价格指数（CPI）是反映宏观经济运行的重要指标之一,因此其编制中所采用权重的取值和调整特征一直是各界所关心的问题,但目前中国CPI编制中所采用的权重大小一直没有权威机构的正式公布。根据2000—2010年间的CPI数据,采用基于小波的变系数模型对权重进行了估计。估计结果揭示了中国近10年中CPI权重的动态变化特征,这种变化特征也反映了近10年中居民消费结构的动态调整。     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

基于赔付期望的财产保险业产出模型研究

本文从《中国保险年鉴》和中国保监局广东省监管局网站获取广东省（不含深圳）财产保险业统计数据,应用移动平均值法和适应性预期法对赔付率进行平滑;鉴于赔付率数据能够较好拟合差分自回归移动平均模型,采用小波降噪去除白噪声的方法,平滑赔付率数据。三种方法中,小波降噪平滑后的数据与原数据误差最小,平滑效果最好。三种平滑方法均能够抵消巨额未决赔款拉低总产出的影响,较好地平滑了财产保险业的总产出。     

小波神经网络的构造及其算法的鲁棒性分析

研究了用于非线性函数逼近的小波神经网络的结构设计方法;证明了在存在噪声干扰及网络设计误差的情况下,网络训练过程具有指数收敛性和鲁棒平稳性。     

改进的高效EZW遥感图像压缩方法研究

利用经过小波变换后的图像数据的能量大部分聚集在低频子带这一特点,针对小卫星星载计算机处理能力有限的客观情况,提出一种将预测编码和EZW编码相结合的图像压缩编码方法。通过有限的扫描次数,提取高频系数的重要系数。同时结合预测编码的方案,实现对低频系数几乎无损的压缩。实验证明,该方法能够使遥感图像的压缩同时具有较快的压缩速度和较好的压缩效果。     

基于样条函数的小波尺度函数计算

【摘要】通过样条函数构造小波正交基是常用的方法。在用样条函数构造小波尺度函数时,对样条函数正交化,涉及样条函数的Fourier变换函数定义无穷级数的求和,导致计算很复杂。采用样条函数的性质,使无穷级数求和化为有限个整数点上的样条函数值的求和,有效地简化了计算。     

基于非显式小波神经网络的通信信号调制识别方法研究

用非显式小波神经网络的组合分类来实现通信信号调制识别，并拟对非稳定、低信噪比的通信信号实现复杂调制类型信号识别，计算机仿真结果证实此方法的可行性。     

基于多因素小波回归分析的国际原油价格分析与预测

基于国际石油市场的复杂性,本文不仅考虑油价时间序列自身的发展规律,而且在模型中加入油价的主要影响因素,采用小波分析与多元回归相结合的方法建立原油价格预测模型。并且对WTI（西德克萨斯轻质）原油月度价格进行了实证分析,验证了该方法的可行性和有效性。