时序法在股市行情技术分析中的应用

采用时序法进行股市行情技术分析。介绍了时序法的基本原理。以“辽源得亨”股票为例，在建模的基础上进行了股票曲线的模拟及预测。结果表明，时序法能比较客观地反映股市行情的真实情况，能正确地判断出这随机过程的正常或异常状态，能预测股市随机过程的变化趋势     

中国股市跳跃行为的随机波动模型分析

基于上证综指样本数据,探讨双跳跃随机波动模型并研究股市波动跳跃行为.应用马尔科夫蒙特卡洛方法对模型参数进行估计,通过残差正态检验比较各类随机波动模型刻画股市波动能力,采用损失函数评价法和线性回归法,评估其对上证综指波动的预测精度.结果显示,中国股市跳跃波动程度和强度较大,对股市收益和波动均有显著影响;在引入跳跃成分刻画股市异常波动行为后,双跳跃模型显著提高股市收益波动率的估计精度与预测能力.     

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.     

对于预测上海股市股指波动性的数量模型的比较

目前对于随时间而变化的波动性预测模型主要有两类:一类是假设波动性的变化是一个确定性过程的GARCH模型,另一类是假设波动性的变化是一个随机性过程的随机波动模型.本文同时将这两类模型(GARCH(1,1)模型及其特例RiskMetrics模型,随机波动模型)应用于上海股市中,通过对样本外区间的预测准确度来衡量这两类模型对我国股市波动性的预测能力.通过4个预测准确度指标,MS模型对于上证指数在样本外区间的预测相对于另外两个模型而言都是显著最佳的.RiskMetrics模型的表现则要优于GARCH(1,1),且RiskMetrics在实际运用中要方便的多.     

基于连续渗流的股市指数波动模型

根据概率论中连续渗流的理论,研究证券市场中的股市指数波动问题,通过建立连续渗流的概率模型,构造出了股市指数收益的随机过程,从而描述了股市的指数过程,并利用连续渗流在临界点附近的相关性质对股指波动的强与弱及股指未来的趋势进行讨论.     

股市预测的马尔柯夫过程模型

给出了用马尔林夫过程预测股市短期或中长期走势的一种方法，对其它技术分析方法作了有益的补充。     

基于RBF神经网络的股市建模与预测

提出一种基于ＲＢＦ神经网络的股市预测建模方法,并采用递阶遗传算法训练ＲＢＦ网络的参数、权重和结构,对上证综指和个股（伊利股份）的建模与预测结果表明,该训练方法使ＲＢＦ神经网络具有很强的学习与泛化能力,它在股市这样一个复杂的非线性随机系统建模中具有很高应用价值。     

基于多输出支持向量回归算法的股市预测

提出了一种新的多输出支持向量回归算法,给出了定义在超球上的损失函数,并将训练SVM转化为迭代解线性方程组,在求解过程中采用边计算边使矩阵降阶的方法,加快了运算速度.建立了该算法应用于股市预测的模型,对上证指数的建模与预测表明:与单输出支持向量回归算法建立的模型相比,该算法具有更好的整体预测精度和抗噪性能,是对股市进行分析和预测的一种可行而有效的方法.     

基于支持向量机的股市时间序列预测算法

针对股市时间序列预测的特点,提出了基于SVM的股市时间序列预测算法.设计了SVM的在线训练算法,并设计了遗传算法自动调整sVM的核参数,实现了基于sVM的股市时间序列预测算法在线调整的完全智能化.通过实证分析,以及同BP神经网络方法的比较,结果证明该算法具有预测精度高、参数调整智能化等优点.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

大体积混凝土结构温度场的随机有限元算法

综合考虑环境因素（如库水温度、气温等）以及混凝土热力学参数的随机性，给出了可以反映材料参数随机性的基于随机场局部平均的温度场随机变分原理和随机有限元列式。为使随机有限元法可以进一步考虑随机过程参数的影响，文中视复频响应函数为随机函数；给出了复频响应函数－随机有限元法。文末算例表明了该方法的正确性和实用性。     

连续型随机变量的单位化

通过引入单位随机变量的定义，讨论连续型随机变量与单位随机变量关系，提出并证明了在一定条件下，连续型随机变量可转化为单位随机变量，或者说，连续型随机变量可用单位随机变量表示。     

随机模糊映射的广义非线性随机变分包含

引入并研究了一类带随机模糊映射的广义非线性随机变分包含，构造了一个新的随机迭代算法，在一定条件下，讨论了这类问题随机解的存在性以及由随机算法所产生的序列的收敛性.所得结果推广和发展了近期一些作者的主要工作.     

随机模糊映射的广义随机变分包含

文章引入和研究一类带随机模糊映射的随机广义变分包含问题,构造了一个新的随机迭代算法;在一定条件下,证明了这类问题解的存在性以及由随机算法所产生的序列的收敛性。     

随机度量理论及其应用

扼要地总结作者近10多年来在从事随机度量理论及其应用过程中所获得的主要结果与思想,包括1）关于随机度量理论与随机泛函分析的整体关系,并给出对应于随机度量理论标准定义的随机共轭空间理论（此部分工作系作者最近的成果）;2）随机度量理论的一个新的版本及对应于这个版本下随机共轭空间理论的基本结果;3）关于随机共轭空间的表示定理;4）关于完备随机赋范模为随机自反空间的特征化定理;5）结束语。     

The Equivalence Forms of Random Kolmogorov Forward（Backward） Equations

The concepts of Markov process in random environment, q-matrix in random environment and q-process in random environment are introduced. Three forms of random Kolmoogrov farward （or backward） equations are introduced and the equivalence of these three forms are also proved. Moreover any conservative q-process in random environment satisfies random Kolmogrov backward equation.     

负相协随机变量列的强大数律

负相协(NA)随机变量是一包含独立随机变量的有广泛应用的随机变量类, 对于独立随机变量情形, Teicher给出了一类强大数律. 本文应用NA随机变量的概率不等式, 在更弱的条件下, 对具有不同分布的NA随机变量列建立了有关强大数律的定理, 进而将Teicher的结果推广到NA随机变量.     

简单随机抽样中几个问题的探讨

介绍了与简单随机抽样有关的一些概念和这种抽样方式的若干特点,指出了统计教材中对简单随机抽样论述的欠缺,接着对简单随机抽样中的若干难点如每个单位的入样概率是相等的、抽样中的随机原则和如何用随机数字表进行简单随机抽样等进行了探讨．     

修正型随机Mann迭代系统

通过随机φ半收缩算子引入了一类随机Mann迭代系统,并在一定条件下证明了该随机迭代系统收敛到一个可分Hilbert空间中随机算子的随机不动点.     

随机Fourier谱风场仿真算法的验证

在随机Fourier谱风场仿真算法的基础上,进一步考察随机仿真风速场能否体现给定风环境的随机特性.这一考察建立在仿真风场与目标风场之间的随机Fourier谱和随机相干函数的均值谱、标准差谱的对比之上.实例分析表明,随机风场数值仿真算法可以准确地反映风场的随机性.