基于局域波法的时间序列预测

提出了一种新的用于时间序列预测方法。由于实际信号常常具有非平稳特征，直接应用AR模型进行时间序列分析，得不到理想的效果。而局域波分解法是一种新的分析非平稳、非线性的工具。用局域波分解法对待预测的时间序列进行经验模式分解，产生多个基本模式分量，对各个分量分别进行AR模型预测，然后重构各个预测值。仿真结果表明预测结果比直接进行AR模型预测更加精确。     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

基于局域波和混沌的转子系统早期故障诊断

针对转子系统早期微弱故障诊断问题,提出了一种基于局域波分析和混沌相结合的故障诊断新方法.分析了Duffing混沌振子的混沌运动,说明混沌振子的非平衡相变对微弱信号的敏感性和对白噪声的免疫力.可以通过混沌振子由混沌运动到大周期运动的相变识别微弱信号的特征频率成分.由于实际检测信号为多分量信号,若直接输入Duffing振子达不到检测识别目的.为了消除其他成分的干扰,利用局域波分解,任何复杂的信号都可以分解为有限的并且具有不同的基本模式分量,每个分量是单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,通过混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期不对中故障信号进行检测结果证明了方法的有效性.     

混沌时间序列局域线性预测方-法

在许多场合下,时间序列中的明显随机性可能是由于非线性确定性系统中混沌行为的缘故．混沌系统对初值的极端敏感性使之不可能对其时间序列进行长期预测,然而,利用混沌的确定性可以进行短期预期．混沌时间序列预测首先要重构相空间,接着再利用非线性函数逼近方法构造一个动力学系统模型．探讨了预测模型问题,并用数值分析的方法对Ｆａｒｍｅｒ＆Ｓｉｄｏｒｏｗｉｃｈ,Ｌｉｎｓａｙ和Ｎａｖｏｎｅ＆Ｃｅｃｃａｔｏ提出的三种典型混沌时间序列局域线性预测方法进行了研究．实验结果表明,这三种方法的性能是相同的．本文的结果将平息人们对这三种方法优劣的争论,有利于在实际中选择合适的预测模型．     

混沌时间序列的局域线性回归预测方法

混沌时间序列预测是８０年代末发展起来的一种非线性预测新方法．它已在天气预报、经济预测、电力负荷预测、股市预测等方面得到成功应用．混沌运动是确定系统具有内在随机性的一种运动,它的行为极其敏感地依赖于初始条件．混沌系统从两个极其邻近的初始点出发的两条轨道...     

电力短期负荷的混沌局域关联性预测

在混沌局域预测中,相空间最近邻域点的确定通常采用欧氏距离法,其预测精度在很大程度上取决于所确定的最近邻域点性态,然而距离最近并不一定意味着预测效果最好,当该邻域存在伪近邻点或系统具有高嵌入维数时某些邻域点的演化轨迹在一步或多步后会远离预测点,究其原因是欧氏距离难以反映最邻近点与预测状态的关联程度.因此,作者提出了将欧氏距离和关联度相结合的思想,并将该方法应用于电力短期负荷预测,结果显示该方法能有效地提高预测精度.     

基于局域波分解的柴油机燃烧状态分析

为了提高柴油机工作状态检测的效果,根据局域波分解的特点和信号缓变趋势的重构方法,提取了柴油机燃烧阶段缸盖振动信号的趋势,从中确定出柴油机真实燃烧状况。实验表明,此方法能反映出柴油机不同喷油状态下的特征信息,与实测缸内压力信号所反映的信息相似。但比用实测缸压来估计工作状态的方法更实用,更易测得。     

混沌时间序列局域预测模型及其应用

为了确定滞时、嵌入维数和最邻近点数运3个混沌时间序列局域预测模型参数,首先利用关联积分法确定滞时和嵌入维数．重构混沌时间序列的相空间;而后在此基础上,提出一种新的预测模型——加权动态局域预测模型．该模型综合考虑了广义自由度和邻近点权重,给出了确定最优邻域的判定指标．实际水文系统的计算分析表明,加权动态局域预测模型具有较高的预测精度,是一种有效的用于混沌水文时间序列的预测模型．     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

一种基于衰减系数的混沌时间序列预测法

为提高加权一阶局域模型的预测精度,提出一种改进型混沌时间序列预测方法.该方法用衰减系数和时间延迟修正向量距离公式,调节邻近点与中心点的相关性,同时,只用邻近点中与预测值相关性最大的分量进行线性拟合.利用该方法对Henon混沌时间序列进行预测的结果表明,衰减系数取最佳值时,相对于现有算法,该方法可以更精确地预测混沌时间序...     

Linex损失下股票投资的贝叶斯预测

在一种新的状态划分方法下,给出了基于Linex损失函数的股票未来价格的多层贝叶斯预测,文中给出了一个实例,将该方法同平方损失下的贝叶斯预测作了对比,说明了该方法的合理性和正确性.     

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.     

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。     

完善我国证券市场退市制度的思考

分析了我国证券市场的退市机制的特点:市场只有强制退市,而主动退市和自动退市还没有引起人们的足够重视;真正退市的企业少之又少;我国上市公司的退市标准仅就连续亏损一种情况作出规定;缺乏完整的证券市场体系。退市标准与国际不统一。认为产生的原因在于证券市场的定位、上市资源的稀缺、地方保护和投资理念不正确。需要建立多层次的市场体系、建立民事赔偿制度和配套制度来完善。     

OIF Elman神经网络在股市综合指数预测中的应用

利用具有动态反馈机制的OIF Elman(Output-Input Feedback Elman)人工神经网络模型对股市的综合指数进行预测,为股票市场的建模及预测提供了一种新的技术和方法。实验模拟结果表明,OIF Elman网络具有极佳的逼近性能,预测数据与实际数据基本吻合,因此,OIF Elman神经网络用于股市预测是可行、有效的,具有很好的预测潜能和广泛的应用前景。     

股票市场与国债市场的溢出效应研究

为了分析信息在股票市场和国债市场的传导路径,选取沪深300指数和中证国债指数作为研究样本,运用VAR－GARCH－BEKK模型,研究中国股票市场与国债市场均值和波动溢出效应.研究表明,股票市场与国债市场均具有波动聚集性,两市场之间存在双向均值溢出效应,且只存在着股票市场对国债市场的单向波动溢出效应.     

中国股市、银行与宏观经济增长的实证研究

中国股市、银行信贷与宏观经济之间相互影响、相互作用,但三者之间的相关性研究还存有空白,文章运用协整理论和多次回归等计量经济方法对中国股市、银行与经济增长的关系进行实证研究,在实证结果的基础上结合中国实际情况深入分析了造成各个结果的内在原因,并针对股市、银行和经济增长之间存在的负相关问题提出规范股市运作、增加投资渠道等政策建议.     

自适应参数的AOSVR算法及其在股票预测中应用

以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值丢掉早期数据来集中刻画近期的股市特点.将自适应参数的AOSVR算法应用到上证综合指数构成的时间序列上,取得了良好的预测效果.     

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.     

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.