不同变现策略下的股票质押率定价模型

目前理论界和实务界多是简单基于波动率来设计股票质押率定价方法,虽易操作,但精确度明显不够.本文认为质押人违约所导致的流动性风险是影响股票质押率的另一关键因素,而质权人的相应变现策略则直接作用于流动性风险水平.因此,本文首先根据Obizhaeva线性冲击模型原理来刻画流动性风险,继而考虑了质权人为控制该风险而可能采取的四种变现策略,并给出了不同策略下兼顾波动率和流动性风险的股票质押率定价模型.最后,模拟分析发现:若只考虑波动率风险,股票质押率估值偏高问题显著;若兼顾流动性风险,但质权人仅采取被动变现策略,股票质押率最低;若质权人采取主动变现策略,那么股票质押率与其风险偏好正相关;再考虑金融市场中的负向冲击所导致的股价跳空现象,各情形下的股票质押率则会进一步降低.     

基于HWSME的股票价格异常波动模糊综合评判方法

提出基于HWSME和模糊数学的股票价格异常波动评判方法，建立了股票价格异常波动的模糊综合评判指标体系，给出了权重，并建立了相应的隶属函数，实践证明效果良好。     

基于遗传算法的CGF学习行为模型研究

通过自学习使计算机生成兵力(CGF)具有决策能力,是机器学习技术应用于军事仿真的一个重要研究方向.运用基于Agent的建模方法和学习分类器系统技术,构建了基于遗传算法的CGF学习行为模型框架,详细论述了该模型学习过程的运行周期,并将记忆功能引入CGF决策模型来加速学习进程.最后,设计了一个可视化验证系统,实验结果表明该模型的有效性和可行性.     

基于遗传算法的序贯诊断测试策略生成

针对序贯故障诊断问题,提出一种基于遗传算法的诊断测试策略生成方法。采用变长度染色体表示有效测试策略,根据测试费用排序进行适应度分配,设计了适于顺序编码的遗传操作,竟过进化计算获得期望费用最小的测试策略。对飞船发射前测试进行的仿真结果表明,本文方法与基于信息增益最大的测试策略相比,测试费用显著降低,适于解决大规模诊断测试问题。     

基于转换成本的企业融资策略与定价策略

基于消费者行为中转换成本的考虑,本文从债务有限责任效应出发, 建立一个三期决策模型,探讨当存在顾客转换成本时,企业在资本市场上的融资决策以及产品市场上的定价决策. 研究表明,转换成本对产品市场竞争具有"Bargains-then-Ripoffs"效应,而债务融资的战略性效应对该效应的实施效果却有弱化效用,企业定价策略则取决于其对二者策略的偏好和权衡.当面对高转换成本的产品市场, 企业往往会降低其事前债务融资的比例,采取财务保守行为是其理性决策.而外部市场环境的波动会影响企业融资策略, 进而影响其定价策略.     

基于遗传算法的兵力分配模型

结合现代防空作战部署的特点,对防空作战运筹中兵力分配问题进行探讨,建立兵力分配问题的数学模型,对遗传算法做了改进,并给出模型求解的方法和步骤,实例表明该方法可为决策者做出科学、有效地决策提供有力的支持。     

拓展VaR资产配置模型及其自适应遗传算法

为克服经典Markowitz均值-方差模型的不足,考虑了投资者对风险认知的不同理解以及最小交易量、交易费用、最大投资上限等实际因素,提出了符合我国国情的用VaR度量风险的资产配置优化模型,并设计了一种新兴的自适应遗传算法来求解该模型.通过Matlab语言编写的求解程序进行实例测试,可得到不同风险情况下的多组输出结果.实际算例表明,所提出的模型和算法均是合理、有效的.     

股票价格波动模型探讨

在介绍传统的股票价格波动模型——随机游走模型和对数正态分布模型的基础上 ,提出了由随机波动源和异常波动源共同作用的波动源模型 ,并对波动源模型进行了实证研究 ,结果表明波动源模型要比传统的对数正态模型更能精确地描述现实股票市场的价格波动现象 .     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

不完全市场下基于局部风险最小策略的股票期货定价研究

在具体的离散时间不完全市场模型下给出了极小鞅测度的刻划,并以此推导股票期货的无套利定价模型.随后,通过实证对推导出的定价模型加以检验,其结果表明:新定价模型能够较好的对样本期货价格进行拟合,且在与持有成本理论的单因素期货定价模型的比较中,新模型在价格预测的稳定性和精确度上都表现出了一定程度的优势.     

股市演化的遗传元胞自动机模型

以复杂性科学的理论方法为指导,运用元胞自动机、遗传算法、系统仿真、分类器系统等研究工具,结合投资分析技术,在形成演化规则库的基础上,构建了股市系统演化的遗传元胞自动机模型。其中,分类器系统被用来学习演化模型的参数,它使演化市场的复杂性特征充分逼近现实市场。通过对兖州煤业的实证分析,表明该演化模型可以模拟现实市场的复杂性,可以通过具有学习功能的演化模型进一步分析股票市场,为股市的监管和调控提供依据。     

一个考虑风险的证券价值评价公式的推导

通过使用ＡＲＣＨ－Ｍ模型给出了一个含有风险的有价证券价值评价公式。并对实际意义进行了说明。     

基于成交量的股价序列分析

不管是基于交易时间进程,还是基于日历时间进程,股价的时间序列分析都是基于固定的时间进程来研究价格变化规律。本文认为基于固定时间推进的股价时间序列分析缺少考虑成交量的重要影响,提出基于成交量过程推进的股价变化模型。从交易的时间、股价和成交量的三维空间出发,提出维度转换的思想,把从时间维度转换到成交量维度,重新构造基于成交量的股价序列的研究方法。这种方法把成交量融入到价格序列中,体现了量价配合的思想。这种模型不同于以往的时间序列分析只是对原来的序列从模型上或参数上改进,而是对序列本身进行重新构建。通过对重新构造的基于成交量的股价序列和原来的收盘价和平均成交价时间序列进行误差自回归——GARCH模型的实证比较分析表明,维度转换的思想和重新构造序列的方法是可行的,也是有效的。     

物元模型在股市预测中的应用

运用可拓学的理论,建立了股价指数的关联函数,并提出了一套利用关联函数在正负域内的变化对股市未来波动趋势进行预测的方法。     

体液免疫算法及其对证券组合投资分析的应用

基于Jia&Dyer的一般性失望模型,给出一种新的非对称风险度量方法,建立该风险度量下考虑证券最小交易单位约束的组合投资二次整数规划模型;进而依据体液免疫原理设计实用、简单的新体液免疫算法,并寻求该模型的最优方案.算法设计中引入优秀抗体演化操作,搜集和更新进化中最好解,以及建立能增强群体多样性及具有较强整体、局部、并行搜索能力的免疫操作,从多方位搜索最优解.实证及比较表明,所获算法的整体和局部搜索能力强、能快速获取最优投资决策方案,所建模型的合理性和有效性被论证.     

基于竞争策略的链式智能体遗传算法用于特征选择的研究

针对特征选择问题,提出了基于竞争策略的链式智能体遗传算法(LAGA).该LAGA算法包含链式智能体网络结构,邻域竞争,自适应交叉,自适应变异,优良个体替换策略,自适应结束等部分,该算法能较好的保持智能体的多样性,在进化中既较佳的继承了优良个体的基因,又有效地搜索了新的空间.多组实验结果表明,通过该算法选择得到的最优特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度.     

一种基于遗传算法的最优空间布置方法

空间布置问题是工业生产中的瓶颈问题,因为存在太多的可能组合,容易陷入局部最小解。本文提出一种在空间布置问题中基于遗传算法把空间位置进行编码并通过遗传操作算子进行重定位和改变有限旋转方向策略的全局搜索方法。种群中每一个个体是一种有效的空间分配方案,在遗传算法进化过程中为减少计算时间,提高空间利用率,采用了多种启发式信息如原点策略、边策略、避免重复定位点策略和无悬挂策略等来加速收敛到全局最优解。最后,仿真例子说明了所提方法是工业应用中一种可选方案。     

涨跌幅限制与流动性研究

给出报价驱动机制下的股票流动性的计算方法,提出指令驱动机制下的股票流动性和市场流动性计算方法,并运用这些度量方法,从不同角度实证研究了涨跌幅限制对流动性的影响。研究结果表明,对整个市场而言,涨跌幅限制不仅没有限制流动性,反而增加了流动性;对个股而言,涨跌幅限制在一定程度上约束了流动性;对ST股票而言,涨跌幅限制为5%时期的流动性大于涨跌幅限制为10%时期的流动性,说明过小的涨跌幅限制存在流动性干扰和过度反应现象。因此,在增加市场交易透明度的基础上,适当放宽涨跌幅限制,特别是对小盘股、绩差股、信誉低的上市公司继续实行涨跌幅10%的限制,而对大盘股、绩优股、高市值股和信誉高的上市公司放宽或取消涨跌幅限制,有利于增加市场的流动性。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

轮询式多准则特征选择算法的研究

特征选择是复杂模式分类系统中重要预处理过程.针对filter模式下遗传算法特征选择精度不高,wrapper模式特征选择时间代价较高的缺点,提出了一种新的特征选择算法.该算法设计了搜索性能较好的链式智能体遗传算法为搜索算法,引入多个评价准则进行轮询式选择.实验将算法与filter模式下多种单准则特征选择算法以及wrapper模式下特征选择算法进行了比较.实验结果表明,此算法具有比filter模式下单评价准则选择精度更高的特点,同时选择时间代价远远低于wrapper此模式下的特征选择算法,因此,该算法可用于设计实用高识别正确率的模式分类系统.