利用遗传算法对上证综指EGAROH模型的实证分析

比较了改进的遗传算法和BHHH算法对EGARCH模型的估计效果．结果显示，改进的遗传算法优于BH—HH算法．然后分别用在正态分布、t分布和广义误差分布（GED分布）假设下的EGARCH模型对上证综指进行实证分析．分析结果表明，EGARCH模独在厚尾分布假设下对序列的拟合效果比在正态分布假设下的效果好．上证综指收益率序列具有明显的杠杆效应．     

基于EGARCH模型的对冲基金指数信息冲击非对称性分析

利用EGARCH模型分析了各类对冲基金指数对于利好消息和利空消息的反应是否具有对称性,模型显示非对称性是显著的,但是也出现了某些对冲基金利空消息减小指数波动的效果,具体原因还需要进一步的分析。     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

基于EGARCH模型的商业银行股票波动分析

使用GARCH、EGARCH模型,对中国商业银行类股票波动进行了分析。将其与上证综合指数进行比较,结果表明:中国商业银行类股票波动性高,其收益率序列具有异方差性、波动的持续性和非对称性。     

EGARCH模型在同业拆借利率预测中的应用

中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率.选择隔夜拆借利率为研究对象并选择GARCH族模型对其进行建模,发现EGARCH(1,3)模型拟合效果最好,并进行了短期预测且取得了理想的短期预测效果,从而确定了适合我国同业拆借市场的利率预测模型.该研究结果不仅可以帮助金融机构对金融产品合理定价,防范风险,也可以帮助央行准确估计CHIBOR走势,达到既定货币政策目标.     

对我国广义货币供应量的时间序列模型分析①

广义货币供应量在我国经济发展中的地位不容小觑,也是国家制定相关政策时非常重要的一个参考量。本文运用EViews7.2软件分析2005年1月至2019年2月我国广义货币供应量的月度数据,利用金融时间序列有关经济分析的相关内容,调整序列进而构建出以ARMA为基础的相关模型,进一步做检验和对比,最终选用拟合最好的EGARCH(1,1)模型对我国广义货币供应量进行实证分析。     

基于EGARCH模型的远期开始期权定价

文章利用测度变换和期权定价的鞅方法,经过简单的数学推导得出了欧式远期开始期权的定价公式.选取了航天动力(600343)股票2010年交易日收盘价格的实际数据为样本建立了股票对数收益波动率的EGARCH模型,利用Eviews软件进行参数估计得到了波动率的方程,并对波动率进行了样本外预测,从而可以计算出比基于历史波动率更合理的期权价格.最后给出了一个远期开始看涨期权价格数值计算的例子.     

Markowitz模型的遗传算法求解与实证研究

Markowitz模型主要讨论由多种证券构成的组合作为一个整体的风险与收益的关系,以及投资者如何在组合中合理地分配自己的投资金额等问题.本文通过对Markowitz模型进行深入分析,提出了应用遗传算法进行求解,并通过实证研究,进一步验证该算法是有效的.     

具有GJR-GARCH误差项时序的ADF单位根检验

在有限样本情况下，随机模拟了具有GJR-GARCH误差项时间序列的ADF单位根检验，分析了样本容量、扰动项高阶矩的存在性、肥尾和杠杆效应对临界值的影响．结果显示，条件分布为广义误差分布和t分布时，只可以直接使用zt统计量的Fuller的临界值表．     

EGARCH模型和分位数自回归类模型在风险预测中的比较

利用了三种时间序列模型对中美汇率的风险进行一步向前滚动预测。1)EGARCH模型,它可以刻画金融资产收益率的尖峰厚尾现象,异方差性,波动集聚性和杠杆效应。2)非常适合具有异方差性的QAR模型,该模型不需要假定误差项的分布,可以很好地刻画条件异质性,在模拟具有尖峰厚尾的金融数据时,得到了广泛的应用。3)T-QAR模型,该模型可以通过门限变量控制分段线性函数,进而刻画金融资产具有的非线性性和非对称性。最后,对三种模型的预测效果进行了VaR回溯检验,结论是T-QAR模型的预测效果最佳,而EGARCH模型的预测效果最差。     

基于遗传算法的指数复制方法及其实证研究

指数化投资策略是证券市场主要投资方法和投资策略之一,其核心内容就是构建一个能够完全复制指数走势的跟踪组合,所以研究指数复制方法具有重要的理论意义和巨大的应用价值.对标准的遗传算法进行改造,重新设计了遗传算法的编码方式,适应度函数以及遗传算子,采用最优保存策略加快算法的收敛效率.使用MATLAB语言实现算法,以沪深300作为目标指数,对历史数据进行回测,从实证结果来看,所设计的算法取得不错的跟踪效果.通过对遗传算法和传统的市值抽样法和行业分层抽样法进行对比,发现遗传算法的跟踪效果略优于传统的指数复制方法,遗传算法在指数复制领域有广阔的应用前景.     

用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干待定参数的非线性模型 ,对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解 ,并针对模型求解的特点 ,提出了自适应变异、最优个体保留、分段定义变加权适应度函数等若干改进措施 ,从而加快了运算速度 ,保证了问题的收敛 ,并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性 ,几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解 ,实例分析表明该算法具有较强的实用性。     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

基于遗传优化BP神经网络的员工绩效评估实证研究

首先介绍了基于BP神经网络的单位员工绩效评估模型,再通过遗传算法对BP神经网络的参数进行优化,提高了BP神经网络算法进行绩效评估的精度和效率。最后通过实证分析证明了此算法在单位员工绩效评估中的可行性和有效性。     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

基于实码遗传算法的汽车变速箱可靠性优化设计

对渐开线圆柱齿轮可靠性设计做了深入的理论分析,建立了汽车变速箱可靠性优化设计模型,并使用实码遗传算法求解大规模复杂优化设计问题,以便获得全局最优解。对BC174B汽车变速箱的优化结果表明该方法是行之有效的。     

库存不足条件下车辆路径问题及其遗传算法

探讨了库存不足条件下物流配送的两种常用配送策略,并就不同配送策略构建了相应的车辆路径问题数学模型。在模型的求解上引入遗传算法,并根据问题的特点,构造遗传算法求解该问题的步骤。最后通过算例实验,验证了模型的通用性与算法的有效性。     

An Improved Genetic Algorithm for Problem of Genome Rearrangement

In view of the fact that the problem of sorting unsigned permutation by reversal is NP-hard, while the problem of sorting signed permutation by reversal can be solved easily, in this paper, we first transform an unsigned permutation of length n,π （π1 ,… ,πn）, into a set S（π） containing 2^n signed permutations, so that the reversal distance of π is equal to the reversal distance of the optimal signed permutation in S（π）. Then analyze the structural features of S（π） by creating a directed graph and induce a new computing model of this question. Finally, an improved genetic algorithm for solving the new model is proposed. Experimental results show that the proposed model and algorithm is very efficient in practice.