基于动态聚类和遗传算法的跟踪误差优化研究

针对传统按相关系数高低进行选股并使用简单的非线性规划进行跟踪误差优化的方法进行改进,以沪深300指数为目标指数,根据动态聚类方法进行选股,基于遗传算法进行优化求解分配最优资金配置权重,在一定约束条件下构建指数投资组合,实现跟踪误差优化目的.实证结果表明,结合动态聚类与遗传算法构建指数投资组合,比传统的相关系数法选股并进行非线性规划求解能得到更小的跟踪误差和更好的目标指数拟合效果,目标指数跟踪拟合效果更为有效.     

证券价格指数复制的方法与算法模型

在回顾证券价格指数演变及指数衍生品创新的基础上，探讨了指数复制的不同方法，进而从文献综述的角度对证券价格指数复制中涉及到的方法与算法模型进行整理，总结了二次规划、线性规划、鲁棒回归、蒙特卡洛模拟以及遗传算法等不同方法与模型的具体应用，为指数衍生品产品设计、指数套利以及实施指数化投资策略提供技术参考．     

叠前弹性波反演非线性优化方法

针对传统遗传算法自身存在的早熟收敛、搜索空间小以及计算效率低的问题,在保证算法收敛和最大限度地搜索模型空间的基础上,对遗传算子采取相应策略进行了改进,并通过界约束以增加解的稳定性.为了提高计算效率,采用粗粒度并行遗传算法,将并行计算机的高速并行性和遗传算法固有的并行性相结合,进行多种群并行搜索.选择合适的迁移拓扑结构和迁移策略,构建了并行模型,并给出了改进后并行遗传算法的设计流程图及详细算法描述.采用该算法进行了叠前弹性波反演的实际计算,取得了良好的效果.     

基于改进多变异遗传算法的图像匹配

简述图像匹配问题的研究现状,提出一种新的改进遗传算法.针对图像匹配问题的特点,考虑基因位的影响力及跟踪进化过程的遗传参数调整策略,采用各种变异操作,提高算法的收敛能力.仿真结果表明,改进遗传算法相对于SGA解决图像匹配问题在收敛速度上有明显提高,算法稳定性也有所改善.新算法的优化质量较高,具有更好的实际应用效果.     

基于人工蜂群算法的高频交易策略组合配置研究

针对高频交易的发展以及目前国内关于高频交易策略组合配置问题的研究不足,文章以投资组合相关理论为基础,构建高频交易策略组合配置模型.该模型定义了衡量策略收益波动的"Jump"变量,同时设计了包含此变量的协方差估计方法,进而极大地减少了传统投资组合理论下协方差的计算量.最后,应用人工蜂群算法对模型进行了实证研究.结果表明,与传统的高频交易策略配置方法相比,文章所提出的配置方法具有较好的效果.     

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。     

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.     

基于现货卖出反向套利的指数复制模型

在传统的二次规划模型基础上,从中国内地股票市场的实际情况出发,建立基于现货卖出反向套利的指数复制模型。在此基础上,对股票选取方法进行了一定的探索,对指数复制模型做出改进。最后,以中国人寿保险股份有限公司为例进行实证研究,对不同方法的跟踪效果给出实证结论。     

量子遗传优化粒子滤波的WSN目标跟踪算法

在无线传感器网络(WSN)目标跟踪应用中,传统粒子滤波算法存在多样性退化问题。为提高WSN目标跟踪精度,提出一种基于量子遗传算法优化粒子滤波的WSN目标跟踪方法。量子遗传算法不仅增加粒子多样性,防止粒子退化现象出现,有效缩短了计算时间且改善粒子跟踪能力。测试结果表明,所提出算法很好地减轻了粒子退化对目标跟踪精度影响,提高了WSN目标跟踪精度和跟踪的实时性,跟踪结果令人满意。     

Mean Shift跟踪算法创新实验项目设计

视频跟踪算法是计算机视觉实践课程中比较受关注的实验项目。针对突变情况下传统Mean Shift跟踪算法无法实时准确跟踪的问题,设计了基于模板更新和线性预估的Mean Shift跟踪算法创新实验项目。在模板更新策略下,引入背景模板,通过将原目标模板和背景模板与设定的阈值进行比较来对干扰因素进行判定,当干扰因素判定目标受到遮挡时,引入线性预估方程进行目标位置预测,有效解决目标在遮挡情况下跟踪丢失的问题。通过对测试视频的跟踪效果和性能进行对比分析,验证了算法在突变情况下相较于传统算法具有更好的抗干扰能力。以算法创新设计为核心,通过开放性创新实验项目的选题、设计、答辩、反馈的闭环实验过程,有效提高了学生算法创新设计能力。     

国家科技发展战略的国际比较及其效果评估研究

对世界主要国家科技发展战略的情况进行了比较分析。科技投入的不同是每个国家科技发展战略差异主要反映,主要表现形式是科技投入的总量和结构的差异。研究结果表明,和其他发展中国家和发达的国家相比较,虽然我国的很多数据是和发展中国家的一些基本特点相符合,但我国在R&D经费投入结构的来源方面仍然存在很大的优化余地,但是不管是在相对指标还是在科技的投入总量上都还存在着显著的不足。     

基于朴素贝叶斯分类算法的股指预测研究

预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关,也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型,以上证指数为例进行了实验,结果表明分类预测模型有效,准确性较高。     

考虑企业环境责任和政府差别权重补贴的闭环供应链研究

在市场需求和回收品质量水平不确定环境下,构建考虑CER(企业环境责任)和政府差别权重补贴的闭环供应链系统总利润模型.运用模糊机会约束规划法解决市场需求不确定问题,并采用粒子群优化算法(PSO)和遗传算法(GA)对比求解模型算例.结果表明,企业可以根据不同需求置信水平组合制定最优回收、生产和销售策略;系统总利润与CER投...     

Heston模型下考虑随机劳动收入的最优投资问题

基于Heston随机波动率模型研究投资者拥有一份随机劳动收入的最优投资问题。假设金融市场由一个风险资产（股票）和无风险资产（银行存款）构成,并考虑投资者拥有一份随机劳动收入,在指数效用函数下使其终端财富最大化;利用随机控制方法得到该问题的最优投资策略的解析表达式,通过数值模拟分析模型中的主要参数以及劳动收入对最优投资策略的影响。结果表明：随着投资者的劳动收入波动率增大,投资到风险资产的比例减小;在风险厌恶系数增大时,投资到风险资产的比例也减小;风险资产的投资比例对Heston模型中的参数变化非常敏感。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

典型效用指标下消费投资策略的最优化问题

讨论证券市场上消费投资策略的最优化问题,运用直接构造的方法得到一类典型的效用函数指标下最优的投资组合和消费策略。     

Optimal Investment Strategy of Target Benefit Pension Plan Based on Random Inflation and Intergenerational Risk

In this paper, based on the stochastic optimal control method, the intergenerational risk and inflation risk, the optimal investment strategy of the target benefit pension plan is investigated on the basis of measuring the random wage rate under the random mortality and inflation risk of the personnel in the plan and the correlation between the wage change and the fluctuation of the financial market. The research shows that the financial market parameters and wage rate have a great influence on the optimal investment strategy, and gives the optimal investment strategy and the optimal income adjustment strategy of the target benefit pension. The research of this paper provides a reference for the policy formulation and implementation of the Target Benefit Pension Plan in our country.     

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.     

股指期货在动态投资组合保险策略中的应用

研究了国内市场推出股指期货之后,动态投资组合保险策略如何运用股指期货来调整组合资产。实证结果表明：投资组合保险策略在引入股指期货之后,一定程度上提高了投资收益率,明显减少了交易成本,而资产波动性并未发生显著变化。此外,在策略操作上,多头市场中应选取较高的风险乘数和较低的保本比例;盘整市场和空头市场中,较低的风险乘数和较高的保本比例将换取更高的收益率。