利用遗传算法对上证综指EGARCH模型的实证分析

比较了改进的遗传算法和BHHH算法对EGARCH模型的估计效果.结果显示,改进的遗传算法优于BH-HH算法.然后分别用在正态分布t、分布和广义误差分布(GED分布)假设下的EGARCH模型对上证综指进行实证分析.分析结果表明,EGARCH模型在厚尾分布假设下对序列的拟合效果比在正态分布假设下的效果好.上证综指收益率序列具有明显的杠杆效应.     

基于ARMA-EGARCH模型对我国人寿保险的实证分析

随着居民对保险意识的增强,中国人寿保险作为一家国企在中国市场上渐渐成为最大的寿险公司。本文选取2006年1月至2018年10月中国寿险保费收入数据,运用EViews7.2软件,利用计量经济学中有关时间列的波动分析,以ARMA(1,0)为基础模型,最终选用ARCH的扩展模型EGARCH(1,1)对我国人寿保险市场进行实证分析,得出中国人寿保险的波动具有杠杆效应。     

对我国广义货币供应量的时间序列模型分析①

广义货币供应量在我国经济发展中的地位不容小觑,也是国家制定相关政策时非常重要的一个参考量。本文运用EViews7.2软件分析2005年1月至2019年2月我国广义货币供应量的月度数据,利用金融时间序列有关经济分析的相关内容,调整序列进而构建出以ARMA为基础的相关模型,进一步做检验和对比,最终选用拟合最好的EGARCH(1,1)模型对我国广义货币供应量进行实证分析。     

Markowitz模型的遗传算法求解与实证研究

Markowitz模型主要讨论由多种证券构成的组合作为一个整体的风险与收益的关系,以及投资者如何在组合中合理地分配自己的投资金额等问题.本文通过对Markowitz模型进行深入分析,提出了应用遗传算法进行求解,并通过实证研究,进一步验证该算法是有效的.     

具有GJR-GARCH误差项时序的ADF单位根检验

在有限样本情况下，随机模拟了具有GJR-GARCH误差项时间序列的ADF单位根检验，分析了样本容量、扰动项高阶矩的存在性、肥尾和杠杆效应对临界值的影响．结果显示，条件分布为广义误差分布和t分布时，只可以直接使用zt统计量的Fuller的临界值表．     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

基于LogGED-GPD模型的巨灾损失分布拟合

近年关于巨灾损失分布模型的研究方法多采用单一分布模型,或具有固定权重的组合分布模型.在对数广义误差分布(LogGED)的基础上,运用广义帕累托分布(GPD)拟合数据的厚尾部分,并加入可变权重组合分布模型的拟合思路,构建了可变权重的对数广义误差-广义帕累托组合分布模型(LogGED-GPD).并对全球洪水巨灾损失进行了实...     

GARCH模型和ECM模型对沪深两市预测的比较分析

GARCH模型反映了经济变量之间特殊的不确定形式：方差随时间变化,所以在金融市场的预测和决策有着重要的作用。鉴于股票和房地产这两个重要的经济指标,本文选择上海和深圳两地的股票收益率的波动性作为研究对象,建立了GARCH模型及其主要变化形式,结果表明基于T分布的GARCH（1,1）模型更好模拟了实际值。另外,本文还对上海,深圳的股市进行协整分析,建立了相应的误差修正模型并对其预测,预测效果比基于T分布的GARCH（1,1）模型更好。     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

基于遗传算法的指数复制方法及其实证研究

指数化投资策略是证券市场主要投资方法和投资策略之一,其核心内容就是构建一个能够完全复制指数走势的跟踪组合,所以研究指数复制方法具有重要的理论意义和巨大的应用价值.对标准的遗传算法进行改造,重新设计了遗传算法的编码方式,适应度函数以及遗传算子,采用最优保存策略加快算法的收敛效率.使用MATLAB语言实现算法,以沪深300作为目标指数,对历史数据进行回测,从实证结果来看,所设计的算法取得不错的跟踪效果.通过对遗传算法和传统的市值抽样法和行业分层抽样法进行对比,发现遗传算法的跟踪效果略优于传统的指数复制方法,遗传算法在指数复制领域有广阔的应用前景.     

用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干待定参数的非线性模型 ,对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解 ,并针对模型求解的特点 ,提出了自适应变异、最优个体保留、分段定义变加权适应度函数等若干改进措施 ,从而加快了运算速度 ,保证了问题的收敛 ,并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性 ,几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解 ,实例分析表明该算法具有较强的实用性。     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

基于遗传优化BP神经网络的员工绩效评估实证研究

首先介绍了基于BP神经网络的单位员工绩效评估模型,再通过遗传算法对BP神经网络的参数进行优化,提高了BP神经网络算法进行绩效评估的精度和效率。最后通过实证分析证明了此算法在单位员工绩效评估中的可行性和有效性。     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

库存不足条件下车辆路径问题及其遗传算法

探讨了库存不足条件下物流配送的两种常用配送策略,并就不同配送策略构建了相应的车辆路径问题数学模型。在模型的求解上引入遗传算法,并根据问题的特点,构造遗传算法求解该问题的步骤。最后通过算例实验,验证了模型的通用性与算法的有效性。     

基于实码遗传算法的汽车变速箱可靠性优化设计

对渐开线圆柱齿轮可靠性设计做了深入的理论分析,建立了汽车变速箱可靠性优化设计模型,并使用实码遗传算法求解大规模复杂优化设计问题,以便获得全局最优解。对BC174B汽车变速箱的优化结果表明该方法是行之有效的。     

An Improved Genetic Algorithm for Problem of Genome Rearrangement

In view of the fact that the problem of sorting unsigned permutation by reversal is NP-hard, while the problem of sorting signed permutation by reversal can be solved easily, in this paper, we first transform an unsigned permutation of length n,π （π1 ,… ,πn）, into a set S（π） containing 2^n signed permutations, so that the reversal distance of π is equal to the reversal distance of the optimal signed permutation in S（π）. Then analyze the structural features of S（π） by creating a directed graph and induce a new computing model of this question. Finally, an improved genetic algorithm for solving the new model is proposed. Experimental results show that the proposed model and algorithm is very efficient in practice.