预测股市分析股价的随机过程模型的建构

运用随机过程理论预测股市行情及分析股价，并建立其随机过程模型。     

马尔可夫链在教学评价中的应用

首先介绍了齐次马尔可夫链理论的基本原理,针对马尔可夫链在教学评价中应用的基本思想,提出在前后状态一致基础上构建转移矩阵,并从转移矩阵出发,分析了整体的进步度,预测了今后教学效果.为合理、有效地评价教学效果提供理论和实践依据,结果表明运用齐次马尔可夫链分析法进行教学质量评价是较好的.     

利用马尔可夫链模型预测股票市场的近期走势

由于股市受多种随机因素的影响其未来的走势及演变仅仅与当前所处状态有关,而不受过去的状态影响,也就是具有马尔可夫性．本文运用这一性质建立了股票价格预测的马尔可夫链数学模型,并举例说明了该模型在股票交易市场分析、预测中的应用．     

预测股市分析股价的随机过程模型的建构

运用随机过程理论预测股市行情及分析股价,并建立其随机过程模型.     

基于马尔可夫链的产品供给预测方法

本文针对产品销售与供应的特点,建立了可以对产品销售与供应情况进行预测的马尔克夫预测模型,基于马尔克夫链"无后效性"的特点,利用马尔克夫链模型对产品库存的合理性进行了分析,对企业制定产品销售策略提供了理论依据。     

基于灰色马尔可夫模型的专利申请量增长率预测

由于专利申请量年平均增长率受多种因素的影响,本文把专利申请量年平均增长率的变化过程视为一随机过程,将灰色系统理论与离散状态的马尔可夫链相结合,提出了专利申请量年平均增长率变化过程的灰色马尔可夫预测模型。在状态划分过程中,采用均值一标准差分级法进行指标分级与状态划分,在实例分析中,把11年的专利申请量年平均增长率资料划分成五种状态。预测分析结果表明,利用灰色马尔可夫预测模型进行专利申请量年平均增长率的变化过程预测是可行的。     

济贫问题的随机分配模型

对美国Columbia大学Herbert Robbins教授提出的济贫问题进行了研究,该问题要求计算每个人获得的钱数的方差．先将此问题转换为非齐次马尔可夫链模型,推导出一步转移概率矩阵,依此证明了当钱数趋于无穷大时,方差趋于零;给出了计算K=3和N=4时问题的精确解;最后给出了N,K为更大数值的Monte—Carlo模拟解,并检验了模拟解和精确解的一致性．     

用马尔可夫理论预测三峡库区的土地利用趋势

为了把握土地利用结构变化的趋势,调整社会经济发展的策略,优化土地利用的结构,实现土地的可持续利用,根据重庆市万州区1995～2001年连续清查的第一手土地利用资料,在分析土地利用现状的基础上,应用马尔可夫理论,对万州区未来几年土地利用过程进行了模拟分析和定量预测.预测结果表明耕地减少速度加快,未利用地开发不充分,交通面积增长缓慢.     

加权马尔可夫链在空气污染指标预测中的应用

加权的马尔可夫链理论为预测提供了一种新的方法,利用序列的均值-标准方差分类法建立空气污染指数的分级标准,针对空气污染指数为相依随机变量的特点,采取以规范化的各阶自相关系数为权重,用加权的马尔可夫链模型来预测未来空气污染变化状态。以南京市2011年10月13日—11月12日共31天的空气污染指数为实例对该方法进行了具体应用,取得较为满意的结果。     

应用马尔可夫模型预测跨世纪人才结构

本文在统计(1989—1994)南京市某银行系统职员各学历层次的人才数的基础上,应用马氏模型理论,进行分析、预测,并推出修正方法.     

中国股票市场的非线性确定性预测

运用混沌动力学理论对上证综合指数进行非线性建模预测,首先相对于传统的取对数后相减的消除趋势方法采用对数线性去趋势方法,其次,用延迟重构技术计算得到嵌入维数和延迟时间间隔,预测结果表明所采用方法无论用局部线性预测法,还是用局部常数预测法或神经网络预测法都能更好地对股价指数进行预测,并初步推测了预测效果得到改进的原因.     

基于马氏链的股指期货合约指数的预测

采用马氏链模型对我国股票指数期货四种合约的每日收盘价格进行短期预测,发现该模型对当月连续合约、下月连续合约以及下季连续合约等三只合约未来五个交易日的预测准确率为100％,而隔季连续合约仅为40％.利用马氏链遍历性的平稳分布,给出长期市场环境下,股指期货发生在不同区间的概率分布,以及返回各个状态需要的平均时间.     

用于股市预测的BP算法的一些改进

补充分析了影响国内股票综合指数预测效果的一些因素,对学习步长η和矩参数α进行了讨论,分析了不同的能量函数对网络及预测效果的影响,运用一些新方法,进一步提高了预测的可信度和正确度,理论分析和数值实验结果表明,人工神经网络应用于股票市场的预测是可行和有效的,有着良好的前景。     

混沌时间序列预测及在股票市场中的应用

提出一种基于嵌入理论和确定集上的预测误差的混沌时间序列预测方法．该方法不仅克服了仅用延迟嵌入技术的弊端，而且也降低了直接使用预测误差决定模型状态向量的盲目性．实证分析结果表明该方法在实际预测中是有效的．     

GA-SVM对上证综指走势的预测研究

将支持向量机和遗传算法结合,建立了一种智能数据挖掘技术(GA-SVM),并用于对上证综指市场走势进行了探索.在这个混合的数据挖掘方法中,GA用于RBF参数的设定以及特征集的选择,从而智能的找到SVM的最佳参数,减少SVM特征值的复杂度,提高了SVM算法速度.SVM用于判断未来股票市场的走势,并与统计模型、时间序列模型方法、神经网络进行了对比.实验证明,GA-SVM优于其他几种方法,这种方法对于股票上涨或下跌的预测研究是有效的.     

基于随机森林的基金重仓股预测

首先通过对基金重仓股的财务指标和市场指标的分析,建立一套科学合理的基金重仓股指标体系;其次利用随机森林建立基金重仓股的预测模型;最后通过实验验证了方法的有效性和优越性.本研究将为投资者提供一个投资决策的优良工具.     

用ARCH模型研究中国股市的波动特征

中国股市的波动特征是学者们和投资者关注的一个重要领域,与国外成熟的证券市场相比,中国股票市场作为新兴市场,具有其特有的性质,如更高的不可预测性和复杂性,股票价格更大的波动幅度和频率.研究中国股市的波动特征就具有重要的理论价值和现实价值.投资者在选股过程中需要理解中国股市随时间变化的波动情形,而ARCH模型族正是研究股市波动随时间变化的工具.以上证综合指数为对象,采用GARCH类模型对中国股市波动情况进行实证研究,为股市收益的尖峰厚尾特点、波动的集簇性、时变性提供了实证证据,并对实证结果作了一些初步的探讨.     

基于主体的非均衡人工股市计算模型

对SFI系列基于主体的人工股市计算模型进行了改进,改变了资产定价机制,剔除了均衡定价方法,在学习分类器系统中引入了模糊处理环节,并改变了主体的学习方式,使得人工市场中同时包含具有不同学习速度的主体。基于此构建的新人工股市仿真模型的运行结果具有真实股市数据的形式化特征,通过比较不同学习速度的主体以及零智能主体的表现,发现人工股市计算模型中学习对于主体的财富有决定性作用,学习速度也会影响主体的表现,而且学习存在一个限度问题,过多的累积学习次数反而会削弱主体聚集财富的能力,这在基于主体的人工市场的构建中是一个值得重点关注的方面。     

实施QDII制度对我国股票市场的影响

探讨了实行QOn制度将对我国股票市场产生的影响,认为QOn制度的实施对于香港H股市场而言将是利好的,可以恢复H股市场的活力,同时会引起B股市场动荡并进一步萎缩,A股市场也将会有一定程度的调整,但这种调整将是良性的,并可以转变投资者的投资理念,推动内地证券市场走向规范化．最后探讨了我国实施QDⅡ制度的策略以及应该注意的问题。     

CAPM对深圳股市的实证分析

以深圳股票市场为研究对象,通过时间序列回归方法对CAPM在中国证券市场的适用性进行实证检验,结果表明CAPM不适合我国深圳股票市场.这说明近年来深圳股市虽有较大发展,但仍然是一个不成熟的股市.