基于R／S分析方法的伦敦黄金市场的分析

此前已有部分学者论证了黄金市场具有混沌特征，鉴于此，本人运用分析时间序列分形性质的重标极差（R／S）方法，对世界黄金市场的分形特征进行分析研究（包括其存在的噪声色彩特征），通过对伦敦黄金市场价格时间序列的分析，得出其Hurst指数和其平均的循环长度，从而更加清楚的表现出黄金市场的趋势。     

基于SVR的非线性时间序列预测方法应用综述

基于支持向量回归(Support Vector Regression,简称SVR)的非线性时间序列预测是智能预测的重要前沿课题,在许多领域有着非常广泛的应用前景。文章介绍了SVR基本理论和方法,从金融、电力、交通、旅游等领域的典型应用对基于SVR的非线性时间序列预测进行了综述,分析了目前SVR在核函数、自由参数选择和输入数据处理方面存在的问题及其在应用领域进一步研究的方向。     

基于多模型SVR的抗野值Kalman滤波器

为了抑制观测数据中野值对Kalman滤波的不利影响,本文首先基于支持向量机(SVM)和多模型理论,建立了Kalman滤波新息过程的多模型支持向量回归(SVR)预测模型,然后给出了结合该预测模型的Kalman滤波的修正算法。仿真结果表明,该Kalman滤波算法不仅有效地剔除了观测数据的野值,提高了滤波器的稳定性和精度,而且算法比较简单。     

Hurst指数及股市的分形结构

基于R/S分析的Hurst指数揭示了自然界系统可观测量的幂函数关系,并在证券市场波动的复杂性研究中得到应用,但存在计算效率问题·作者利用标准差时间序列改进Hurst指数计算方法,并应用于国内沪深股市研究·结果表明,改进后的Hurst指数在计算效率上得到较大提高,沪深股市收益率均不服从正态分布,Hurst指数大于0 5,在跨时间尺度的股价指数之间存在着相关性,市场具有分形结构特征·     

基于SVR的旋转电弧焊接形态预测模型

本文提出了SVR算法建立旋转电弧焊接形态的算法。旋转电弧焊接过程是一个多因素耦合的过程,有必要建立关于旋转电弧焊接的焊缝形态预测模型。选择旋转频率,旋转半径,焊枪高度和焊接电流的四个主要变量作为模型的输入,焊缝的宽度和深度作为输出。试验结果表明,基于SVR建立的焊缝形态预测模型在小样本训练数据的情况下具有较高的精度。     

基于SVR的火控机解算性能测试

针对火控机解算性能的测试问题,提出使用支持向量机回归模型来拟合射击诸元曲线.通过使其与火控机解算出的实际射击诸元进行互相关计算来统一时序关系,以便于比对误差,从而检测火控机解算的正确性.为了验证该拟合方法的可行性,对支持向量机回归的拟合过程进行了计算机仿真,并与用人工神经网络等方法拟合的效果进行了比较.     

基于判别分析—SVR的民航客运量预测模型研究及应用

为了提高预测民航客运量的能力,考虑到民航客运量与其影响因素之间存在关联, 并利用训练样本与测试样本间的马氏距离对惩罚因子进行加权,改进传统的ε支持向量回归机(SVR),构造了基于进化ε-SVR的“影响因素民航客运量”预测模型.在选择适当的参数和核函数的基础上,对中国民航客运量进行仿真实验,与标准的ε-SVR方法、BP人工神经网络和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.     

基于SVR的石油期货价格短期预测

将SVR原理引入到石油期货价格的时间序列中,并以美原油价格进行了实证分析.结果表明:该方法能充分反映石油期货价格序列走势,对短期价格的预测具有较高的精度;并且还发现,超级参数的选择服从一定规律,即其乘积在一定范围内效果较佳.之后,还将此理论推广到多维影响因素和其他金融时间序列的预测中.     

上海股票市场非线性和状态持续性的R/S分析

对近年来上证综合指数的收盘价进行R/S分析,揭示了上海股票市场波动的非线性、状态持续性和非周期性循环,并分段重新估计Hurst指数.结果为Hurst指数大于0.5,隐含今天的事件确实影响明天.通过双重对数图发现上证股市存在一个195d的非周期循环,表明Hurst指数在证券投资中有一定的参考价值,对长期的投资决策可以发生影响.     

一种基于SVR的综合预测方法及应用

针对一类因变量具有复杂自变量、且不具备相同采样周期的预测问题，综合运用支持向量回归估计(SVR)、多元回归和主成分分析等多种数据分析技术，提出了一种综合预测方法，建立起了飞机故障率与其错综复杂的影响因素间的一种数学关系，并且采用航空装备质量控制的统计数据对所提出的方法进行了实验，预测结果显示了方法的有效性。在影响因素量化过程中，还引入了Pearson相关系数方法。     

股市收益率与交易量长记忆性实证研究

从计量经济学及统计学的角度,运用重标极差分析、修正重标极差分析、KPSS检验及Granger因果检验等方法,对我国沪深股市收益率与交易量的长记忆性特征进行了实证分析,并进一步研究了股市收益率与交易量之间的相互关系.重标极差分析及修正重标极差分析的实证研究结果表明,收益率及交易量序列的Hurst指数均大于0.5,且成交量序列的Hurst指数明显高于收益率序列;此外收益率及交易量的KPSS统计结果对于所有滞后阶数均显著.上述结果说明中国股市收益率和成交量均具有长记忆性特征,且成交量的长记忆性强于收益率的长记忆性;Granger因果检验结果表明收益率和成交量之间存在着相互引导关系.     

中国沪深股市收益率相关性的实证分析

沪深股市相似的结构和监管环境使得两市的收益率之间具有相互作用和影响。运用Granger因果检验及GARCH—M模型对沪深两市间的相关性进行了分析和检验,结果表明,沪深股市收益率之间存在较强的相关性,沪市对深市的均值溢出效应显著。     

Processing Time Prediction Method Based on SVR in Semiconductor Manufacturing

The prediction problem of the actual value of the dynamic parameters in the simulation model in semiconductor manufacturing was discussed. Considering the fact that the default value of processing time of one certain equipment in the simulation model was not the same as its actual value. a general data driven prediction model of the processing time was built based on support vector regression （SVR） , with the utilization of manufacturing information in manufacturing execution system （MES）. The processing time of one certain equipment was highly related to the status of the equipment itself and the wafers being processed. To uncover the relationship of the processing time with the information of historical products. process flow. technical standard of silicon wafers and manual intervention. data were extracted from MES and used to build a prediction model. This model was employed on an ion implantation equipment as a case. and the effectiveness of the proposed method was shown by comparing with other approaches.     

一种新的支持向量回归机的模型选择方法

针对支持向量回归机的模型选择问题,将模型选择问题转化为一个非线性系统的状态估计问题,然后引入无迹卡尔曼滤波进行求解,提出一种新的基于无迹卡尔曼滤波的模型选择方法(UKF-SVR).对标准数据集和太阳黑子数平滑月均值进行仿真实验,结果表明,UKF-SVR与粒子群算法相比,该方法全局寻优能力更强,保证了支持向量回归机泛化能...     

基于支持向量回归的集对分析方法

传统的集对预测方法大多只能作短期预测,而且多数属于线性模型,没有考虑蕴含在同异反联系度中的非线性、时变性和强耦合关系.本文通过Logratio变换与反变换,将支持向量回归方法用于集对预测,在一定程度上可以克服线性建模技术的不足.该模型被用于人力资源绩效预测,取得了较好的效果.     

基于SVR的区域物流需求短期智能预测模型研究

区域物流需求预测是区域物流系统规划、物流资源合理配置过程中的重要环节,而区域经济发展是产生区域物流需求的内在决定性因素,因此寻求利用区域经济发展指标来预测区域物流需求具有较强的可行性,同时能够促使区域物流产业与区域经济之间的协调发展.为此提出了基于支持向量回归(SVR)的区域物流需求预测模型,不仅揭示了区域物流需求与区域经济发展之间的非线性映射关系,同时也为区域物流需求预测提供了一种新的思路和方法,通过实验证明了该方法的有效性.