依可信度的模糊线性模式识别控制模型及应用

文章为了研究复杂信息系统模式识别控制模型,以可信性理论为依据,利用可信性测度和多目标非线性规划方法,建立了一种依可信度模糊线性模型,又根据模糊模式识别的原则,建立模糊线性模式识别控制模型.该模型具有实际的变量控制应用效果,为复杂信息系统模式识别及变量控制提供理论支持.     

远期运费市场(FFA )预测即期运价的精度分析

中国从澳大利亚和巴西进口的大部分铁矿石使用好望角型船运输,准确预测该两条航线的即期运费对航运相关企业很有意义.运用自回归模型(AR)、自回归移动平均模型(ARMA)和向量自回归模型(VAR)三种模型预测即期价格,并对三种模型的预测误差进行比较,结果发现:三种模型所得到的预测结果的平均误差百分比均小于2%,完全可以满足企业预测即期运费的精度要求;拥有远期运费滞后因子的VAR 模型的预测精度并不比单变量模型(AR ,ARMA)高,可见远期运费市场对即期市场的价格引领作用有限;即期运费受到滞后一期自身的影响大于滞后一期远期价格,且统计上显著     

基于犹豫梯形模糊数相似度的多属性决策方法

文章针对梯形模糊数提出了一种新的形式简单且有效的相似度的度量方法.结合犹豫模糊集的运算法则,构建了属性值为犹豫梯形模糊数的相似度公式研究了基于犹豫梯形模糊数相似度的多属性决策方法.     

货币政策与资本流入对房地产价格影响的实证分析

文章利用2005年1月至2010年12月度时间序列数据,利用VAR模型,比较货币政策与资本流入两种因素对房地产价格的影响。结果表明中国房地产价格受到货币政策影响强于资本流入影响。尤其是信贷量对房价的上涨有明显的推动作用。利率对房地产价格的影响并不明显,原因是国内投资渠道单一并且存在投资者非理性因素。所以应该在保持对现有外资利用的监管下多种货币政策工具相结合的方式对房地产价格进行调控,同时创造多种投资渠道。     

一种新的高维数据降维方法

一、前言现实世界中存在着大量的复杂事物及现象,人们希望揭示隐藏在这些纷繁芜杂的表象下的事物和现象的客观规律。随着信息技术的发展,我们面对的数据越来越复杂,往往具有如下特点:(1)样本点数量巨大;(2)数据收集的频率越来越高;(3)数据内部存在结构化的特征;(4)指标变量众多。例如天气状况,用来描述气象特征的指标非常多,像温度,湿度,气压,风力,降雨量等等,对于每时每刻的天气状况,可以用多变量组成的向量数据细致的表示。大量出现的高维数据不仅提供了极其丰富、详细的信息,而且对数据分析中的变量选择、多元建模带来了挑战:怎     

基于模糊综合评判的中小型企业绩效评估

中小型企业作为国家近些年来着力扶持的对象有着极大的发展空间,也逐渐成为各银行主要放贷方。建立有效的中小型企业绩效评估体系不仅可以作为银行判断放贷与否的依据,也可以使企业对自身综合绩效有充分认识并明确改进方向,便于提高企业竞争力、获得竞争优势。文章运用"模糊综合评判"方法,对深圳上市公司建筑工程板块中的5家中小型企业的绩效进行了评测,并根据评测结果分析得到了企业的现况,并针对企业不足的方面提出了改进建议。     

基于相对熵的三参数区间值模糊集多属性决策方法

文章针对三参数区间值模糊集上已有决策方法的不足,引入信息论的相对熵,提出了一种新的决策方法。该方法通过定义三参数区间值模糊值间的相对熵,得到被评方案与理想方案的相对熵,据此给出一种新的贴近度进行方案排序。与已有方法相比该方法较好的保存了决策的信息,考虑了属性的权重,并提出了三参数区间值模糊值表述的语言集。最后实际算例表明了该方法的有效性和实用性。     

中国金融风险指数FRI的构建及经济预测的检验

文章构建的金融风险指数FRI是在原来FCI指数的基础上,通过对短期利率、股票价格指标的调整与修正,并加入货币因素、社会融资规模,进而融合原有的房地产价格、人民币真实有效汇率等指标,运用VAR脉冲响应函数分析,估计各个指标的权重而得到最终结果.实证经验表明,其和未来的通货膨胀具有很高的动态相关性,可以作为中国宏观经济以及金融领域政策调整的重要参考依据和指标.     

路遇美人

正那一年,我租住在老城区一间破旧的屋子里,每天上班总要经过一条极逼仄的小巷,周围是这个城市里最脏乱差的一角。租住在这里的男人多半是焊工,衣衫邋遢、头发蓬乱,总在早晨蹲在街边端着一个搪瓷缸刷牙,白花花的牙膏沫子顺着嘴角流淌。女人则多数卖菜,面黑肥胖,夏天爱穿花背心,不戴胸罩,踩着一双看不出颜色的拖鞋;到了冬天,穿一件颜色模糊、脏得发亮的羽绒     

老年朋友,切莫随意点眼药

老年人时常会感到眼睛不舒服,有时发痒有时干涩甚至有时感到视物模糊.出现这种情况,你是找医生还是自购眼药点眼?据了解,不少人老年人是选择后者.他们认为,眼睛稍有不适算不得啥病,自己点眼药就可解决问题,为此找医生是小题大做.