基于MS建模方法的基本面分析师预测行为研究

从证券市场参与者的有限理性出发，分析了基本面分析师在进行价格预测的过程中所面临的复杂制度环境。通过MS（Microscopic Simulation）的建模方法，考虑了证券市场交易制度和各类参与者的决策规则之间的相互作用，建立了仿真的证券市场。仿真的结果表明，当公司具备投青价值且上市公司盈余管理能力较强时，基本面分析师即使能够分析出上市公司的真正业绩，仍会用粉饰过的盈余进行股价的预测．     

非线性经济建模与预测的理论与方法研究

本文通过现代化经济建模与预测理论,方法的深层次剖析,总结了非线性经济建模与预测的基本思想,并针对存在的问题与困难,提出了一些新的思路。     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

基于比例加速退化建模的单台机载设备剩余寿命自适应预测

针对现有机载设备剩余寿命(remaining useful lifetime, RUL)预测方法在新研单一样本条件下, 无法应用于加速退化试验场景的问题, 本文基于比例关系模型提出了一种加速退化场景下适用于单个试验样本的自适应RUL预测方法。首先, 依据加速退化环境下Wiener过程存在的漂移/扩散系数比例关系, 构建考虑设备个体差异与测量误差的非线性随机退化模型; 其次, 针对加速退化试验存在单一受试样本的情况, 提出了基于期望最大和卡尔曼滤波联合算法的参数自适应估计方法; 然后, 基于卡尔曼滤波原理在线更新目标设备的退化状态, 并推导出设备剩余寿命的概率密度函数; 最后, 通过对单台行波管加速退化实测数据进行分析, 验证了方法的正确性和优势。     

非线性经济建模与预测新思路探讨

通过对传统经济建模的研究，结合现代经济学、计量经济学的发展，总结了“从一般到特殊”的建模思想，并针对建模与预测的困难，提出了有限信息下系统建模新的思路.     

自适应灰色预测控制的稳定性与仿真研究

基于灰色预测和在线切换算法的研究,提出一种自适应灰色预测控制方法,该方法根据控制系统不同周期的输出误差值,自适应调整灰色预测控制器的预测步长,提高系统输出非平稳时间序列的光滑度,减少其随机性,以改进系统的暂态和稳态性能.并基于线性时不变对象,推导了该类自适应预测控制系统数学模型,给出其收敛的充分条件.最后,通过实例仿真分析证实了本方法控制精度高,鲁棒性强,具有良好的应用价值.     

基于菌群自适应觅食的公交调度建模仿真与优化

提出了一种新型群体智能优化方法—菌群自适应搜索算法（Adaptive Bacterial Foraging Optimization,ABFO）。ABFO算法在细菌觅食算法（Bacterial Foraging Optimization,BFO）研究工作的基础上,将细菌的趋化行为,群体感应机制和自适应搜索策略相集成,体现细菌个体通过信息交流与合作在群体层面表现出更高智能行为的特性。此外,ABFO算法的自适应策略动态地控制人工细菌的趋化步长,从而能够在运行时有效地平衡算法的探索和开发能力。然后,基于ABFO进行公交调度模型的求解,以便快速地集散交通流,实现站点、客流、车流的优化配置。仿真试验结果表明,与其它智能算法相比ABFO算法具有收敛速度快,寻优能力强和较强的鲁棒性等优越性能。     

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。     

特征自适应型GM(1,1)模型及对中国交通污染排放量的预测建模

兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM(1,1)模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM(1,1)模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM(1,1)和CAGM(1,1)模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.     

汇率预测的“米斯和罗格夫之谜”破解——来自非参数方法的回答

汇率预测非常困难,其波动具有时变性、随机性和模糊性等统计特征.现存文献中各种方法和模型的预测效果受很多因素影响,其预测力都不及随机游走模型,这就是汇率预测领域所谓的"米斯和罗格夫之谜(The Meese and Rogoff puzzle)".本文使用非参数方法研究汇率波动及其预测模型,发现较之任何参数方法、半参数方法都具有更大的灵活性.为了克服"维数魔咒",本文提出非参数可加模型来研究汇率预测问题.与现有模型相比,在同样的观察样本期内,非参数可加汇率预测模型有更好的样本外预测能力,这有力地证明了"米斯和罗格夫之谜"并非难以破解.此外,我们将非参数可加汇率模型应用于人民币对美元的汇率预测,其结果仍然揭示了该模型很好的拟合度和预测能力.本文为汇率预测这一研究领域提供了新的研究思路和方法.