股票的特征值及G-特征向量分析

通过股价序列具有Markov齐次性将股价综合指数分成6个状态,建立了股票交易市场的综合指数和股价波动、稳态概率的分析预测模型．利用模型对股票综合指数进行特征值和G-特征向量分析法,并对上海证券交易所股份综合指数的部分历史数据进行了相应的实证分析．     

股价的成交量推进进程及其动力学分析

传统的股价序列都是按照均匀时间间隔采样进行分析的，但实际上股价的变化并不是基于均匀日历时间，而是基于交易过程推进的．提出了股价推进的成交量进程假设，阐述了基于成交量进程的股价动力学分析方法，对上征综合指数进行了实证研究．结果表明，基于成交量进程的股价动力学分析方法具有可行性和有效性．     

基于神经网络的股票估值综合模型

鉴于传统估值方法对我国股市不完全适用，结合经济类和工程类研究者对股票估价的一般方法，提出了一种基于神经网络的股票估值综合模型．模型以上市公司的财务数据、比率因素及历史股价作为输入变量，将市场均价作为输出值．通过实证分析，显示模型具有良好的估价性能，并且优于市赢率估价法，     

信息非对称性--股价操纵市场条件的经济学验证

从经济学角度出发，通过建立投资者效用函数及对不同市场参与者效用函数比较分析，对股价操纵依存的市场条件－信息非对称性进行了验证。     

基于复杂网络理论的沪深A股分析

根据复杂网络理论,从一个新的角度分析沪深A股.对沪深A股构建复杂网络,计算网络的集聚系数和吸引率,得到不同行业的聚合强度及其对A股市场股价波动的影响程度.计算结果表明,金融股内部的聚合强度最大,行业内部股价波动更容易传播,股价波动对中国A股市场股价的波动影响最大.     

SV族模型对沪市综合指数的实证分析

选取沪市股价综合日指数(1997/01/02～2003/12/26)作为样本,对上证综合指数进行了实证分析,根据有效市场理论,利用股指的随机游走过程对上海股市的有效性进行检验,建立SV族模型验证上海股市的可预测性实证结果发现:上海股市具有杠杆效应、长记忆性和波动持续性     

上海A股市场涨跌幅限制效应的实证研究

本文在事件研究法基础上,运用ARCH模型族和多种统计检验等方法对上海A股市场在1996年12月16日重新设立涨跌幅限制前后两阶段个股价格行为的变化进行分析,估计股价长期波动,用自相关函数揭示股价依赖性,并综合比较多种流动性指标,从而深刻理解涨跌幅限制设立给股市带来的影响.研究发现在设立涨跌幅限制后,市场波动降低了,股票均衡价格的发现并未被延迟,但给流动性带来了一定的不利影响.     

中国证券市场日内流动性实证研究

对中国证券市场独特的连续竞价交易制度流动性问题进行了理论分析，设计了中国征券市场日内流动性的3个重要实证指标．研究结果表明，中国证券市场日内流动性逐时增加；市场深度指标较之市场宽度指标更有价值；流动性与股价绝对值成正比关系．     

股价指标的结构和修正

股价指标基本上分为股价指数与股价平均．对股价指标进行对比研究表明，由于股票分红、股份折细等原因，股价指标必须经过除数修正才能正确反映股市趋势．在对股价指标使用不同公式分析的基础上，对上证指数的基期选择、样本容量以及作权的数量指标的设置提出改进建议．     

上海股票市场弱式有效性实证分析

运用现代投资分析理论与实证研究方法,对上海股票市场从１９９１年初～１９９６年底的市场弱式有效性进行了全面综合分析．对收益率正态分布检验的研究结果表明,上海股票市场收益率自１９９３年始已逐步趋向正态分布;对股价收益率序列相关检验的结果则显示,上海股票市场在１９９１年初～１９９２年底存在秩相关性,而自１９９３年初则开始呈现市场弱式有效特征．     

基于中心逼近的非等距灰色模型

基于非等间距灰色预测模型的建模机理,通过对一次累加生成序列的开方运算来弱化序列的变化幅度,利用背景值取代传统的中心值,从而得到了基于中心逼近化的非等间距灰色预测模型。最后,给出了一个应用实例,实例计算结果表明该改进灰色预测模型具有较高的拟合和预测精度。     

基于人工神经网络的医疗器材需求预测

为揭示库存数据中的复杂关系进而降低库存水平，基于黑箱方法的思想，首先找出影响需求的各个因素，然后建立一个采用LM算法的BP神经网络初始预测模型，并用库存的历史数据进行网络训练，使影响需求的各个因素的内在联系的信息分散存储于权值矩阵W中，从而获得最终预测模型。利用此模型对大坪医院医疗器材进行需求预测，据此进行采购和库存管理，大大地降低了医院的库存成本，为医院库存系统的库存控制和管理决策提供了理论依据。     

湍流动能参数化在中尺度模式中的应用研究

在中尺度区域模式MM4的基础上对其中的湍流参数化方法作了改进,用湍流动能参数化方法代替原有的总体边界层方案中的局地K闭合,以高精度边界层方案作为控制方案,重点对1997-07-17的徐州暴雨进行了模拟。对湍流场的计算表明,这种闭合得到了合理的湍流场,代入模式计算稳定,预报的各物理量空间分布和原来的预报场相似,24h降水预报的位置没有改进,但是降水量有所提高,表明用湍流动能闭合方法代替局地K闭合是一种有希望的研究方向。该方法得到了比原模式中的湍流闭合方案更加合理的湍流扩散参数,对中尺度模式的改进有所帮助。     

基于遗传算法的双线性模型在大坝安全监测预报中的应用

文章提出了实用自相关系数图确定双线性模型的自回归项,应用了基于遗传算法的一套建模方法。通过实例表明,由于双线性模型实际拟合和预测过程中产生的残差信息进行反馈矫正,保证了模型高的拟合精度和稳健的预测性能,与门限自回归模型比较,双线性模型比门限自回归模型具有更好的预测精度。     

DSMC交互式并行化系统性能预测模型

对机群环境下的DSMC并行计算问题考虑了初始数据划分、系统负载平衡和网络通信情况等因素,建立了DSMC交互式并行化系统中的性能预测模型,分析了机群系统的物理参数如何影响DSMC并行模拟计算的效率。对两个实际DSMC问题的研究结果表明,性能预测结果与实际测试结果基本吻合。说明该方法是正确有效的。     

GM（1，1）模型对马鞍山矿大巷变形预测

本文在现场调研和定性分析的基础上依据灰色系统理论对马鞍山矿巷道变形数据进行多种生成处理后建立了灰色微分方程预测模型（ＧＭ（１，１）模型）并据此对－１７０ｍ水平以下的巷道进行变形预测。通过预测分析作出了１７０ｍ水平以下巷遗支护形式、施工工艺改革势在必行的结论。为该矿的开拓延深设计提供了科学依据，表４，参２。     

基于时间序列分析的地表沉降数据分析处理

基于平稳时间序列的特性,研究了应用ARMA(m,n)模型对矿区地表沉降数据进行分析处理和预报的方法步骤,并用一组实测沉降数据实例说明.结果表明,应用ARMA(m,n)模型分析处理地表沉降数据十分有效、可靠.     

具有物理基础的太湖水位多元回归模型

本文分析和比较了太湖水位预报的三种可能途径,认为采用具有物理基础的相关途径编制太湖水位预报方案最合适.在此基础上将太湖流域简化成 m 个线性入流系统和 n 个出流河道,根据水量平衡方程、水力学方法和水文学原理,推导出具有物理基础的太湖水位预报多元回归模型.模型的主要方程是线性的,其系数的物理意义是明确的.可以采用逐步回归方法和分析方法相结合的途径来确定.在太湖水位预报中,应用这一模型可以满足预报精度的要求.     

电力系统短期负荷预测

应用经济学中市场需求预测的季节性交乘趋势模型预测城市电网的电力短期负荷，与线性递推最小二乘法估计的ＡＲ模型ＡＲＭＡ模型，分解组合模型和基于卡尔曼滤波的状态空间法比较的结果表明，其计算精度和效率均较优，在此基础上，结合我国电网运行的实际情况，提出一种新的法定节假日的预测方法－基础年选择法，获得满意计算结果。     

厦门市机动车保有量的预测方法

为了预测厦门市未来5年、15年的机动车保有量,以厦门市历年机动车保有量为研究对象,选取地区GDP、财政总收入、人均可支配收入、燃料零售价格指数、常住人口、公路通车里程等6个影响较大的数据指标.采用传统的非线性回归方法,主成份分析与Logistic模型相结合的方法,综合考虑两种预测方法及其结果,预测厦门市2020年、2030年的机动车保有量分别约为220万辆、530万辆.