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。     

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。     

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.     

基于自适应横程走廊的再入滑翔飞行器改进预测校正算法

针对再入滑翔飞行器(reentry gliding vehicle, RGV)预测校正制导算法中规避逻辑和制导逻辑相分离的问题,提出了一种基于自适应横程走廊的融合算法。首先,通过飞行器侧向运动轨迹与禁飞区的相交关系,动态引入规避逻辑;同时,提出禁飞区有效映射横程来量化影响飞行轨迹的禁飞区区域;最后,设计自适应横程走廊,动态调整走廊边界,控制倾侧角的翻转,实现规避逻辑和侧向制导逻辑的融合。仿真结果表明,在本文方法下,飞行器可以针对不同情况的禁飞区实现有效制导,对再入扰动具有一定的鲁棒性,并与制导逻辑和规避逻辑分离设计的算法相比,在保证制导精度的同时,具备更少的倾侧角翻转次数。     

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。     

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.     

AN EMPIRICAL ANALYSIS OF SAMPLING INTERVAL FOR EXCHANGE RATE FORECASTING WITH NEURAL NETWORKS

Artificial neural networks (ANNs) have been widely used as a promising alternative approach for forecast task because of their several distinguishing features. In this paper, we investigate the effect of different sampling intervals on predictive performance of ANNs in forecasting exchange rate time series. It is shown that selection of an appropriate sampling interval would permit the neural network to model adequately the financial time series. Too short or too long a sampling interval does not provide good forecasting accuracy. In addition, we discuss the effect of forecasting horizons and input nodes on the prediction performance of neural networks.     

A GENERAL APPROACH BASED ON AUTOCORRELATION TO DETERMINE INPUT VARIABLES OF NEURAL NETWORKS FOR TIME SERIES FORECASTING

Input selection is probably one of the most critical decision issues in neural network designing, because it has a great impact on forecasting performance. Among the many applications of artificial neural networks to finance, time series forecasting is perhaps one of the most challenging issues. Considering the features of neural networks, we propose a general approach called Autocorrelation Criterion (AC) to determine the inputs variables for a neural network. The purpose is to seek optimal lag periods, which are more predictive and less correlated. AC is a data-driven approach in that there is no prior assumption about the models for time series under study. So it has extensive applications and avoids a lengthy experimentation and tinkering in input selection. We apply the approach to the determination of input variables for foreign exchange rate forecasting and conduct comparisons between AC and information-based in-sample model selection criterion. The experiment results show that AC outperforms inf     

时间连续的马尔柯夫过程在汇率预测中的应用

为克服应用传统统计方法进行汇率预测时,因误选模型而导致的误差,提出了基于时间连续马尔柯夫过程的汇率预测方法。通过确定马尔柯夫过程的转移速度矩阵,建立汇率短期预测模型,并对其用拉普拉斯变换进行求解。将此模型应用于欧元/美元汇率的短期波动预测,实例表明,预测结果与实际观测值符合较好。     

基于相关系数的优性组合预测模型研究

传统的组合预测模型是从改善某种拟合误差角度建立的.基于相关系数的组合预测模型有别于传统的组合预测模型,它是研究组合预测方法的一个新思路.针对该模型,提出了新的优性组合预测、预测方法优超,冗余度等概念;探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并证明冗余预测方法的一个判定定理.这在理论上表明基于相关系数的组合预测方法的有效性,最后文中进行实例分析也验证了这个结论.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

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．     

动态经济系统中的一种预测方法研究

提出了一种适合于动态经济系统的预测方法．本文注意到静态因果预测模型直接用于动态预测时所存在的缺陷,提出了一种补偿模型用以对因果预测结果作加性补偿．补偿模型试图从经济系统及其变量的历史数据中发掘有关系统发展变化的动态信息,并从对这些信息的分析中得出加性补偿量．     

人民币汇率的稳定机制及其动态过程(Ⅲ)——目标区域模型

基于Ｋｔｕｇｍ ａｎ 的汇率目标区域理论和中国现行的外汇管理体制及汇率制度的基本特点,应用人工神经网络技术对１９９４ 年１ 月－ １９９７ 年３ 月的月度数据,建立人民币汇率的非线性模型：目标区域模型;并运用所建立的模型对１９９７ 年４ 月－ ９ 月的人民币汇率走势进行预测．结果表明该模型具有令人满意的拟合与预测能力．基于目标区域模型在中国的适用性,应用该模型的平滑过渡条件,求出中国外汇储备的最佳上限（１５７７．５ 亿美元）．在确定出人民币汇率的目标区域的基础上,提出应适度贬值人民币的政策建议,并阐述实行这一举措的可行性和必要性．