证券组合投资绩效评价综述

对证券组合绩效评价指标的研究内容、方法及其特点,相互关系作了系统的介绍,并对这一领域中存在的问题及最新研究方向进行综合评述和讨论。     

一种证券投资风险度量方法的应用研究

对证券投资风险度量方法进行总结，指出风险的本质，提出证券投资风险度量的一种新方法——熵度量法，在此基础上研究并提出一种新的投资组合模型，然后考虑交易费用和多目标投资决策的情况，最后进行实证研究。     

不允许卖空的证券组合投资风险偏好最优化模型

本文建立并研究了不允许卖空情形下证券组合投资的风险偏好最优化模型,证明了由与其相应的允许卖空时模型的最优解来求解的理论依据,并给出了算法,即找出证券组合的最优决策的方法。     

有交易成本的证券投资研究

在分析Markowitz组合证券投资模型的基础上，讨论了交易成本及β系数在组合投资中的重要性，建立了有交易成本，并考虑投资人风险偏好的组合证券投资模型和β系数风险的证券投资模型，给出最优投资策略和投资的有效边界，讨论了交易成本及风险偏好对投资策略的影响．最后，通过释例进行了说明．     

允许卖空情况下证券投资组合的概率准则模型

从概率角度出发，提出一种新型证券投资组合模型、该模型把实现预期收益的概率作为目标函数，使之达到最大。文中将概率准则模型与传统模型作对比分析，解释了该模型的现实意义、在允许卖空的市场条件下，使用优化方法给出了模型的最优解及目标函数的解析表达式，并给出数值算例。     

限制性卖空条件下β值证券组合投资决策模型

以β值证券组合投资决策模型为理论基础,在允许有保证金要求的卖空和允许抵押的卖空条件下分别提出了相应的β值证券组合投资决策模型,并研究了它们的解及其性质。     

证券投资基金的一种投资组合选择模型

以Markowitz组合证券投资模型为基础，在期望—半方差(E—Sv)风险测度条件下，针对带有交易费的投资组合优化问题进行了研究．提出了一种变形Γ—分布来描述股票的收益，给出了分布中参数的确定方法．根据中国证券投资基金的实际情况，建立了一种新的组合证券投资模型，为证券投资基金等机构投资者解决大型证券投资决策问题提供了一种方法．     

开放式证券投资基金预留现金比例的确定

证券投资基金是一种利益共享、风险共担的集合证券投资方式．作为投资基金的最先进形式，开放式基金的设立将对我国证券市场的发展和完善有着极其重要的推动作用．文章针对开放式证券投资基金的申购、赎回机制，给出了一种确定基金预留现金比例系数的方法，为开放式基金公司的良性运作提供了一个参考．     

组合证券投资的概率准则模型

从概率角度出发，提出一种概率准则的新型组合证券投资模型，在此模型中，把实现预期收益的概率作为目标函数，使之达到最大，在证券收益率服从正态分布的条件下，给出了概率准则证券组合投资模型的确定性等价类模型，研究分析了概率准则证券组合投资模型与已有的传统证券组合投资模型的区别。另外，给出了模型最优解的必要条件以及目标值的范围估计，并给出数值算例。     

神经网络专家系统及其数据挖掘技术的探讨

知识发现是目前数据库和机器学习的热门方向,本文在讲座了神经网络专家系统技术的基础上,探讨了如何在神经网络专家系统中融入发现的过程,给出了一个系统框架及其中的一些算法,并给予了深入讨论。     

KDD*SS的知识库结构设计与实现

针对知识发现系统的不同应用场合,实现了一套基于各类关系型数据库的通用型知识发现工具的数据预处理子系统。该系统通过ODBC可访问各类关系型数据库,并运用数据库系统的视图机制、数据仓库的主题思想以及语言场理论等思想方法,在用户没有建立数据仓库的情况下,可利用此系统自主建立灵活的知识发现系统。给出了该系统的具体功能和实现方法,并对未来的工作做出了展望     

基于案例推理的冷轧负荷分配模型研究

针对冷轧负荷分配的特点,提出了一种基于案例推理的冷轧负荷建模方法,着重研究了基于粗糙集和神经网络的快速案例检索以及利用数据库中的知识发现技术进行案例修改,经现场数据对比实验表明所建模型更符合实际轧制情况。     

Rule Extraction from Trained Artificial Neural Network Based on Genetic Algorithm

This paper discusses how to extract symbolic rules from trained artificial neural network (ANN) in domains involving classification using genetic algorithms (GA). Previous methods based on an exhaustive analysis of network connections and output values have already been demonstrated to be intractable in that the scale-up factor increases with the number of nodes and connections in the network. Some experiments explaining effectiveness of the presented method are given as well.     

Research of united model of knowledge discovery state space and its application

1.INTRODUCTION Atpresent,complextypedatamining,suchasmulti media,audio,video,image,Webpage,spatial tem poraldataetc.,isreceivingmoreandmoreattention frombothresearchandbusinesscommunity.Howto exploittheexistingminingtechniquesofstructured datatocomplextypesofdata?Canweproposeacom montheoreticalframeworkforminingbothstructured dataandcomplextypesofdata?Wethinkitisurgent forustotrytoanswertheabovequestions.Fromdifferentperspectives,suchasevidencetheo ry,roughsetetc.,someresearchershaveprop…     

知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

基于蛋白质二级序列的关联多分类算法

蛋白质二级结构预测是公认的生物信息学领域的国际性难题。以基于内在认知机理的知识发现理论(knowledge discovery theory based on inner cognitive mechanism, KDTICM)理论的扩展性研究与数据库中的知识发现（knowledge discovery in database*, KDD*)模型为基础,提出一种基于结构序列的多分类算法--SAC(structural association classification),可以有效地解决蛋白质二级结构预测问题。该算法借助设定支持度阈值的精化知识库的方法,其预测准确率能够超过85%。以该算法为核心,构建了一个蛋白质二级预测模型--复合金字塔模型。实验证明,在RS126、CB513、ILP数据集上的预测准确率均超过80%,超过目前已知的国际主流水平。     

面向应用领域的知识系统建模及实现

针对知识系统建模过程中不同类型知识的组织、表示、控制和实现等问题,将用户需求作为重要的切入点,通过对用户的需求分析和分解将知识系统数据结构划分为领域概念知识(概念本体)、领域系统知识(方法本体)、需求分解知识(需求本体)、知识系统控制知识和解释知识5大部分,建立了各部分的数据结构,明确了相互之间的关系。提出了基于层次案例规划(hierarchicalcase basedplanning,HCBP)的需求本体建立检索及面向目标的黑板控制结构和改进算法。实例测试表明,该方法不仅有利于不同类型知识块的重用,而且提高了系统的执行效率,大大缩短了知识系统的开发周期。     

企业知识管理系统相对柔性的DEA方法

从社会-技术系统角度理解企业知识管理系统(enterprise knowledge management system，EKMS)柔性的组成．在建立相应的测度企业知识管理系统柔性指标体系基础上，利用DEA方法，选择合适的比较模型，分析企业知识管理系统相对柔性．从而促使企业从影响企业知识管理系统柔性的有关指标着手，分析现存的问题及其产生原因，以增强企业适应复杂多变的市场环境的能力．     

基于仿真实验的QFD相关分析粗糙集方法研究

在运用质量功能展开工具构建质量屋时极为重要的一个步骤是对顾客需求与工程特性的相关性分析.虽然最近有文献论述粗糙集依赖分析相比其他方法而言更为有效,但是本研究发现语言信息数据标量间距不等这一特殊性质,在一定程度上会削弱该方法在质量功能展开相关性分析运用中的有效性.本研究基于语言信息理论详细阐述了该方法应用中问题产生的机理,在此基础上提出运用于质量功能展开中粗糙集依赖度分析的优化模型,并利用仿真实验验证了优化模型的有效性.