存货影响销售率且短缺量部分拖后的EOQ模型

建立了易腐性物质的EOQ模型,其中销售率是库存水平和理论需求率的函数,允许缺货且短缺量部分拖后.然后,证明了模型的最优补货策略是存在且唯一的,给出了求解方法.最后,用数值例子和灵敏度分析对模型进行了说明.     

价格增长下两阶段库存影响销售率的模糊EOQ模型

在模糊环境下,考虑产品采购价随时间指数增长和两阶段存货影响销售,建立了一个价格增长和两阶段存货影响销售率的EOQ(Economic Order Quantity)模型.最后通过数值例子验证所建立的模糊EOQ模型的有效性.     

部分短缺量拖后的非瞬时外货的EOQ模型

传统的EOQ模型忽略了企业仓库出空时由丢单引起的机会成本。针对一定类型的生产库存系统，在其多数客户耐烦期较长，有一定仓库出空期且非瞬时补货的条件下，将仓库出空期间的损失划分为因延期交货而产生的短缺成本和由丢单引起的机会成本，建立了部分短缺量拖后且非瞬时补货库存系统的EOQ存贮模型，证明了经济批量最优解的唯一性，给出了模型的综合费用函数，并通过实例进行了应用分析，为企业库存系统的管理决策提供了理论依据。     

库存费随变质率分段变化的EOQ模型

假设产品的库存费用随变质率分段变化,根据订购周期与变质期之间的关系建立了2个数学模型,讨论了模型最优解的存在性,并给出了具体算法.最后通过数值例子验证了模型和算法的有效性,并分析了问题最优解的存在性.     

考虑可变库存费和销售机会损失的库存模型

经典的EOQ模型所解决的问题都视库存费为常数,文章首先考虑可变库存费和销售机会损失,研究了当库存费的变化率为存储时间的函数h(t)时,发展了部分短缺量延期供给和可变库存费的变质性物品的库存模型;其次,对建立的模型进行分析,从理论上证明了该模型具有唯一的整体最优解;最后,针对存储时间的函数为h(t)=τeδt时,通过数值计算分别对延交系数β和参数δ进行数值分析,揭示了库存费的变化及销售机会损失对库存系统最优订货策略的影响。     

通货膨胀影响需求且短缺量部分补足的库存模型

建立了固定计划期上的变质性产品库存模型,其中利用折现现金流法计算各项成本,需求考虑通货膨胀的影响,允许缺货且短缺量部分拖后.证明了系统总费用最小的必要条件,然后简化了模型,并给出了有效的求解方法.最后,用数值例子和灵敏度分析对模型进行了说明.     

一种指数时变需求且生产率不相同的EPQ模型

基于短缺量部分拖后的EPQ模型,考虑需求随时间指数增长以及缺货和现货期间生产率不相同对库存管理补充策略的影响,建立了相应的生产库存模型。采用Mathematic 5．0版软件对模型进行仿真寻优和灵敏度分析,表明最优解唯一存在,短缺量拖后系数对系统各项成本的影响比需求增长因子和生产率变化量大,且对保管成本、缺货成本和丢单成本的影响大于生产调整成本和总成本。     

二层信用策略下存货影响需求的EOQ模型

研究了二层信用策略下存货影响需求率的变质物品库存问题,建立了极大化利润的库存模型,并证明了模型存在唯一的最优解,最后给出了最优订购策略算法与数值例子.     

随机生产中拖后需求的变质产品最优生产策略

针对部分短缺量拖后的变质产品,建立随机生产状态下的生产-库存模型.所谓随机生产状态,是指生产过程会随机地从一种可控状态向另一种不可控状态转移,当生产处于不可控状态时,会生产出一定比例的次品.其中,生产状态的转移服从均匀分布.通过生产-库存模型得到了随机生产状态下总成本函数,分析得到,该总成本函数是一个关于生产次数的凹函数,并由此提出了最优生产次数算法.最后给出了算例.算例结果表明,最优生产次数算法能够有效地将一个4n 1维的最优问题转化为一个一维问题,为变质商品的生产-库存决策提供了简便有效的方法.     

利率波动对股票价格影响的实证研究

就利率如何影响股票价格进行了理论分析,并利用上海证券交易所7天国债回购利率与上证指数数据进行了实证研究,发现中国的股票价格与利率之间存在共同的长期趋势,利率的目度波动领先股票目收益率的变动。对此现象．给出了一些相应的经济解释和政策建议。     

股票的价格模型及其投资的最优停时

建立了一个弱型市场中股票价格的离散化模型，在贴现率为时间的函数和随机过程的两种情况下，求出了相应股票投资中的最佳买入卖出停时及最优报酬。     

合理确定国有股配售价格的一种新方法

基于同股同权、同股同利的原则 ,以国有股股东所获平均周收益率等于社会公众股股东所获平均周收益率为思路 ,设计了一种新的国有股配售价格确定方法 ,并以中国嘉陵和黔轮胎两家已正式实施国有股配售的上市公司为例 ,具体说明了这种方法的应用     

地产股价线性模型的变量选择实证研究

建立了房地产上市公司财务指标和其股票价格的线性回归模型,利用最小二乘回归、主成分回归和逐步回归方法估计回归系数,对比3种方法发现基于逐步回归方法的变量选择是最全面和可靠的;进一步建立了房地产股价指数与其成分股的多元线性回归方程,运用弹性约束估计方法实现成分股变量选择问题,解决了回归系数不显著性和股指追踪问题。     

EMD和GARCH模型应用于股票价格预测

将EMD（经验模式分解）方法应用到股票价格趋势的预测中,找出影响股票市场波动的关键因素,旨在提高预测的精确性。通过EMD方法将上证指数日收盘价数据分解为不同频率的数据段,重组为高频序列、低频序列和趋势序列,运用高阶自回归和GARCH模型对分解出来的各序列进行拟合和预测,避免各个分段预测过程中的误差累积,最后对预测数据重组,得到样本外数据的预测序列。结果表明,该模型具有较好的预测效果,能给投资者提供更为合理的股票投资意见,同时为趋势预测研究提供借鉴。     

改进的时间相关序列股票价格混合预测模型研究

金融股票市场是一个极其复杂的演化系统,因此对股价波动进行准确预测是投资者理性规避投资风险的重要渠道。本文首先通过构建科学性较强的自回归移动平均与支持向量机（ARIMASVM）模型分析一维金融时序数据的线性成分,对我国股价波动进行样本内预测并与真实数据作比较,再利用改进的支持向量机（TGDSVM）模型基于金融面板时序数据处理线性预测后剩余的非线性成分信息。采用平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对比例误差（MAPE）、回归指数（WIA）、百分标准误差（SEP）与Nash系数六个预测精度指标检验五只股票日收盘价的预测精度。仿真结果表明：改进的时间相关序列（ARIMA-TGD-SVM）股票价格混合预测模型可以很好的弥补传统支持向量机（SVM）模型对解决多分类问题存在困难和对大规模训练样本难以实施的不足,并有效解决其利用欧式距离表征时序数据内部真实相互关系不足的缺陷,能够为股市预测提供理论依据和实际应用奠定基础。