盐城经济发展水平评价

本文构建衡量盐城经济发展水平的指标体系,选取11项适宜指标,8个参试市,运用主成份分析法求出各市经济发展水平综合得分.针对盐城与其它市的差异进行分析,提出了盐城经济发展要充分挖掘滩涂资源,坚持工业发展第一方略,加大招商引资,与其他区域协作发展等建议.     

油田企业“链式” 和“逆向”管理文化探讨

探索了符合油田实际的有效管理方法。在创出“链式”管理的基础上,又根据反弹力的原理,营造出“逆向”管理文化。做到管理创新。只有重视企业中人的因素,充分调动和发挥每个人的积极性,才能为企业的发展提供动力,创出良好的经济效益。     

中部六省公共事业管理绩效评价

公共事业管理绩效定量评价分析是一个重要的问题,基于公共事业管理理论分析建立了评价指标体系。结合单指标分析和主成分分析对中部地区六省公共事业管理绩效进行综合评价,结果表明：中部六省在公共事业管理绩效水平上差异大。整体水平上,湖北省公共事业管理状况较好,江西则远低于中部六省的平均水平,但08年有了较大的突破。结合单指标分析,就提高各省公共事业管理绩效提出了相关对策。     

金融泡沫与企业投资

研究了金融泡沫对企业投资策略影响的微观机理.在投资项目市场价值中引入金融泡沫因子,建立起企业的投资决策模型,研究了泡沫对投资概率的影响,并对泡沫持续期、决策者视窗和融资规模和方式与金融泡沫对投资的共同影响进行了分析.结果表明:正泡沫对投资具有推动作用,负泡沫具有抑制作用;正泡沫期间进行的投资长期具有折价趋势,负泡沫期间进行的投资价值有上升趋势;正泡沫持续期越长,投资的可能性越小;负泡沫的持续期越长,投资可能性越大;在正泡沫期,若决策者越短视,立即投资的动机越强,企业偏向于出售股权进行投资;在负泡沫期,若决策者越短视,投资将会推迟,企业偏向于以其他融资方式进行投资.     

基于波动持续性的最优组合构建与分散化研究

构建恰当资产组合来减少风险, 是投资组合理论研究的重要目标.由于金融时间序列的波动往往会伴随着持续性特征, 该种特性会增大组合未来收益的风险.本文通过构建随机波动模型序列持续性最优投资组合模型, 以降低金融资产波动的持续性特征对组合收益波动的影响;并通过研究其分散化水平, 考察该投资组合构建方法的有效性与稳健性.研究发现:与均值方差的组合模型相比较, 序列持续性组合的风险分散化水平更好.此研究在资产组合选择方面, 具有较为重要的理论价值及实践意义.     

城市化进程对漳州市气温变化影响的主分量分析

为进一步了解城市化与气温变化的关系,选择福建省漳州市1961-2013年的气温观测资料(平均气温、平均最高气温、平均最低气温)以及漳州市2001-2013年的统计年鉴资料(选取10种代表城市化发展的指数),运用线性趋势、主分量分析、相关分析等方法,研究多年来漳州地区的气温变化趋势、城市化进程以及两者之间的关系。研究发现,漳州市气温均随时间呈上升趋势,其中年平均最低气温变化率最大,其次是年平均气温;随着城市不断发展,对漳州气温产生影响的城市化因素依次是人口数量、城市的生活水平、下垫面水平和工业发展;城市发展前期城市化指数与气温要素均呈正相关,但在城市发展中后期,年平均气温及年平均最高气温的变化曲线均为下降后上升,且年平均最高气温的变化率明显较大。     

天津市工业主要行业发展的比较研究

对天津市工业中十六个主要行业 1 997年的数据进行了主成分分析、聚类分析和因子分析 .提出用第一主成分作为行业规模的度量 ,第二主成分作为行业效益的度量 .进而从主成分分析和因子分析得出了各项经济指标反映行业经济效益、行业规模的情况和两个公共因子的含义 ,还从聚类分析中得出了各行业发展层次的分布情况     

基金分离下中国股市交易量模型的实证研究

交易量是市场投资者交易的直接产物 ,包含了市场和投资者投资行为的众多特性 ,因此逐渐成为金融实务界和理论界关注的热点 .本文从经典的基金分离假设出发 ,讨论了交易量的理论模型 .通过主成分分析的方法 ,检验了中国股市的交易量模型 ,并进一步分析了交易量变化的基本特性     

FEPA-金融时间序列自适应组合预测模型

本文报告一种金融时间序列预测的信号分析、信息融合与智能计算组合模型,简称FEPA,由针对金融时间序列（FTS）信号分析的经验模态分解（EMD）、用于数据降维的主成分分析（PCA）和用于非线性建模的人工神经网络（ANN）三部分组成。该模型首先应用滑动窗口截取原始金融时间序列最近期数据集,应用EMD分解算法把数据集分解成不同尺度的本征模态函数（IMF）,然后通过主成分分析将分解后的数据降维,提取最有信息量的特征;然后将这些特征输入到神经网络进行组合预测。本文提出的组合预测模型FEPA是基于分解-提优-合成的信息融合思想,有效提高了预测可靠性。其创新点在于：1）首次给出了EMD算法的结构化表达,提供了今后融合更多信息的算法接口;2）通过多步长预测输出深入研究EMD分解的有效信息结构;3）通过切换到更细时间框架来处理EMD的端点效应,并探索了两级时间框架下的预测效果;4）给出了金融时间序列组合预测模型的一般性架构,具有可升级性和可扩展性。并且通过滑动窗口EMD使得实证更能切近实际。通过在沪深300股指和澳大利亚股指上的实证,结果表明FEPA预测模型在沪深300股指日线和15分钟线上的预测命中率高达78%和82%,在澳大利亚股指日线上也达到了74%的命中率,经比较,明显高于文献中常见的5种模型。