现代投资组合理论的若干进展

本文介绍了现代投资组合理论的一些前沿课题。首先介绍了如何利用时间序列预测法估计证券的预期收益率和风险。其次，介绍了求解投资组合模型的两种方法－Ｌａｇｒｎｇｅ乘子法和临界线决策法。最后提出了投资组合理论亟待解决的若干问题。     

确定组合预测和变权重组合预测权重的一种确定性方法

采用灰色系统理论可的关联分析方法，提出以给定预测模型与被预测对象关联系数和关联度的大小为依据，确定组合预测和变权重组合预测权重的方法，并给出相应的预测模型。该方法较目前普遍采用最小一乘和二乘法求权重的方法简便。由于该方法注重给定预测模型与被预测对象发展态势之间动态相关性的分析，因此，对提高中长期预测精度效果更为显。     

基于改进IOWA组合模型的舰船装备维修费预测

针对诱导有序加权平均（induced ordered weighted averaging,IOWA）组合模型中,单项预测方法精度相同时诱导值可能存在多种不同排列顺序的问题,提出综合考虑预测方法的历史性能确定其唯一排序;针对实践中单项预测方法较多时,IOWA组合模型构建过程十分复杂的问题,通过构建适合于Matlab软件计算的最优化模型矩阵形式,降低计算复杂性;结合舰船装备维修费预测中样本小、预测方法多的特征,采用各单项预测方法的历史平均拟合精度来估计其预测期诱导值的排序,并以此计算组合预测值。最后实例说明了该方法的有效性。     

市场需求Logit组合预测的研究

首先阐述了网络市场营销和传统市场营销的区别，分析了在该环境下市场需求的变化和相应的特点。其次，研究了一种利于计算机建模的市场需求组合预测方法，即采用Logit回归法训练数据的市场需求组合预测模型。最后，将该方法用于家用电冰箱市场需求趋势预测的示例研究，采用信息熵的方法，检验了组合预测模型的预测效果。实例表明，该方法可以通过调整组合权重提高预测精度。     

基于标准差的预测有效度的组合预测模型

针对考虑预测精度标准差的预测有效度的组合预测模型，提出了新的优性组合预测、预测方法优超和冗余度的定义．然后探讨了非劣性组合预测以及优性组合预测存在的充分条件，并给出冗余信息出现的一个判定定理．最后也讨论了组合预测模型的新的近似计算方法，给出实例分析，结果令人满意．     

基于小波网络的非线性组合预测方法研究

提出了一种基于小波网络的非线性组合预测新方法，以克服线性组合预测方法在解决非平衡时间序列组合建模问题所遇到的困难和存在的不足，并给出了相应的学习算法求解小波函数线性组合的尺度和时延参数以及神经网络权值。理论分析和大量的应用实例表明：本方法具有很强的泛化能力与自适应数据和函数变化的能力，在处理诸如经济时间序列这种具有一定程度不确定性的非线性系统的组合建模和预测方面有较高的应用价值。     

组合预测方法在浙江省粮食产量预测中的应用

在介绍组合预测方法的基础上，利用最优加权法对浙江省几年后的粮食总产量进行预测。采用线性规划方法确定最优组合的权系数，并对预测出的结果进行了分析和讨论。     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于模糊综合评判的电力负荷最优组合预测

最优组合预测是提高电力负荷预测精度的有效方法。应用最优组合预测方法的关键在于怎样确定组合权系统。通过分析实际电力负荷预测的实现过程，提出利用基于模糊语言的模糊综合评判进行权重判定的方法，取得很好效果。     

基于相关系数的加权几何平均组合预测模型的性质

加权几何平均组合预测为一种非线性的组合预测方法.针对基于相关系数的加权几何平均组合预测模型,定义了优性组合预测模型、预测方法优超、组合预测冗余度等概念,讨论了在一定的条件下,该组合预测存在非劣性及优性组合预测的充分条件,得出了一个判断冗余预测方法的判定定理.从理论和实例说明基于对数相关系数的非线性组合预测模型的有效性.     

广义加权比例平均组合预测技术研究

本文提出了一类广义加权比例平均组合预测技术。新的组合预测技术比传统的组合预测技术更具有优越性,能取得更好的组合预测效果。     

创新的动态人口死亡率预测及其应用

本文结合Bootstrap方法与Lee-Carter模型对我国人口死亡率进行拟合与预测,较好地解决了传统模型的不足.首先利用最小二乘法、加权最小二乘法和极大似然法三种参数估计方法对Lee-Carter模型的参数进行估计.然后通过对残差的分布性质进行分析发现加权最小二乘法有较好的拟合效果.再考虑到传统的Lee-Carter模型在预测未来死亡率区间时仅考虑了时间参数的变动区间,因此利用残差Bootstrap方法估计了所有参数的置信区间,并对模型参数的稳健性进行检验.最后在充分考虑所有参数变动性的基础上,给出了死亡率预测均值及死亡率预测值的置信区间,结果表明,所计算的死亡率预测值的置信区间具有更好的预测效果.     

Social learning with time-varying weights

This paper investigates a non-Bayesian social learning model, in which each individual updates her beliefs based on private signals as well as her neighbors＇ beliefs. The private signM is involved in the updating process through Bayes＇ rule, and the neighbors＇ beliefs are embodied in through a weighted average form, where the weights are time-varying. The authors prove that agents eventually have correct forecasts for upcoming signals, and all the beliefs of agents reach a consensus. In addition, if there exists no state that is observationally equivalent to the true state from the point of view of all agents, the authors show that the consensus belief of the whole group eventually reflects the true state.     

论施肥系统工程

<正> 施肥是作物增产的重要手段。尤其是化肥施用,已成为现代农业生产中一项重要的技术措施。据联合国粮农组织以及各国专家的估计,粮食增产量中,30％～60％应归功于化肥的施用。中国农科院土壤肥料研究所张夫道等统计分析了我国解放后三十年农作物产量后指出,我国粮棉总产水平     

毕达哥拉斯模糊还原性BM算子及其决策应用

还原性是信息集成算子的一个重要性质.针对毕达哥拉斯模糊加权Bonferroni平均(BM)算子不具有还原性的情况,提出了具有还原性的毕达哥拉斯模糊BM算子,并研究了其决策应用.首先,定义了毕达哥拉斯模糊还原性加权BM算子(PFRWBM)和广义毕达哥拉斯模糊还原性加权BM算子(GPFRWBM),推导出它们的计算公式,证明了它们的性质.随后,定义了毕达哥拉斯模糊还原性加权BGM算子(PFRWGBM)和广义毕达哥拉斯模糊还原性BGM算子(GPFRWBGM),给出它们的计算公式,讨论了它们的性质.最后,提出了基于毕达哥拉斯模糊还原性加权BM算子的多属性决策方法,并通过实例和方法对比说明了所提方法的可行性.     

基于加权平均一阶发散度的混沌序列预测法

深入分析了基于最大Lyapunov指数预测法产生误差的根源。在此基础上定义了一个新的变量:加权平均一阶发散度,并基于该变量提出了一种新的混沌序列预测方法。首先从理论上对该方法的基本原理进行了系统论述,并指出了加权平均一阶发散度所具有的一些显著特点。然后总结了所提预测方法的算法过程。最后将新方法应用于电力系统的负荷预测中,得到了理想的预测结果。通过分析和比较,验证了其有效性。     

The Role of Japanese Candlestick in DVAR Model

The decomposition-based vector autoregressive model(DVAR) provides a new framework for scrutinizing the efficiency of technical analysis in forecasting stock returns. However, its relationships with other technical indicators still remain unknown. This paper investigates the relationships of DVAR model with the Japanese Candlestick indicators using simulations, theoretical explanations and empirical studies. The main finding of this paper is that both lower and upper shadows in Japanese Candlestick Granger contribute to the DVAR model explanation power, and thus, providing useful information for improving the DVAR forecasts. This finding makes sense as it means that the information contained in the lower and upper shadows should be used when modeling the stock returns with DVAR. Empirical studies performed on China SSEC stock index demonstrate that DVAR model with upper and lower shadows as exogenous variables does have informative and valuable out-of-sample forecasts.     

A Hierarchical Forecasting Model for China’s Foreign Trade

Analyzing the underlying characteristics of trade values movements has attracted much attention in the domestic research. However, the proposed understanding of these characteristics is limited by the intrinsic complexity of the imports/exports. Since economic systems are naturally organized by hierarchies, a novel hierarchical model is proposed in this paper to forecast China's foreign trade. First, the foreign trade data are disaggregated from perspectives of trading partners and trading products, forming two independent hierarchical models with total exports and imports as target variables. Second, a bottom-up strategy is applied. All bottom time series are modelled by corresponding control variables according to trading theories. Forecasts for bottom time series are then combined to generate initial forecasts for total exports and imports. Finally, forecasts for total imports and exports from the two hierarchical models, plus a single VECM model are combined to generate final forecasts. Empirical experiments show that this proposed forecasting model approach significantly outperforms benchmark models and produces consistent forecasts for both total imports and exports or detailed items, which helps a lot for analyzing future trading structure evolution and making foreign trade policies.     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。