中国审计市场集中度与审计质量的关系——基于2002~2006年证券市场数据的实证分析

针对审计质量屡遭质疑的状况,本文采用2002～2006年中国证券市场的相关数据,对中国审计市场集中度与审计质量的关系进行了相关分析和回归分析,发现中国审计质量与市场集中度呈正相关关系.建议为提高中国审计质量应着力提高审计市场集中度、提高单个大型会计师事务所的市场占有率.     

基尼系数的预测建模方法及在北京市经济发展分析中的应用

洛伦兹曲线通常被用于描述社会收入分布的不平均程度。根据洛伦兹曲线可以计算基尼系数。目前．洛伦兹曲线和基尼系数在经济领域中的应用已十分广泛。它们不仅仅被用于收入分配问题的研究，而且已经成为一种有效的均衡分析的统计工具。利用Aitchson提出的对数比率变换，在成分数据预测建模方法的基础上．提出洛伦兹曲线的预测模型和基尼系数的预测方法。作为实证分析的案例研究，利用北京市城八区的人口和GDP数据．对城八区经济发展的不平衡趋势进行推测，得到合理的分析结论．     

成分数据的线性回归模型

在许多社会、经济、技术问题中，成分数据通常被用于研究作为整体的各部分的比率情况。本文结合对称的logratio变换与偏最小二乘回归方法，提出一种成分数据回归建模的方法。该方法可以克服经典线性回归方法在成分数据建模中的诸多困难。并反由于所采用的数学变换具有对称性，因此变换以后的变量可以较好地反映原始变量的含义，便于建立一个容易解释的数学模型。本文还采用北京市三次产业就业需求预测作为案例，说明成分数据回归建模的工作过程和应用价值，并通过计算结果验证了本文所提方法的有效性和合理性。     

北京市用水结构与产业结构的成分数据回归分析

城市经济发展带来了产业结构和用水结构的明显变化,本文分析了用水结构受产业结构变化影响的变动规律.用水结构和产业结构是一系列按照时间顺序排列的成分数据,运用软件SIMCA-P 11.5建立了基于偏最小二乘回归的成分数据线性回归模型,证明了用水结构组分变动与产业结构变动有一致性.为城市水资源管理提供了合理有效的定量方法,并可作为对未来用水结构预测的基础.     

符号数据典型相关分析技术及其在股市分析中的应用

采用一种针对大规模复杂数据的分析技术——符号数据分析方法(Symbolic Data Analysis．SDA)，以中信证券风格指数作为研究对象，对2002年中国股票市场的财务指标与市场表现进行典型相关分析。研究结果表明，中国股市财务状况与市场表现相关性明显，上市公司的收益状况、偿债能力、资金管理能力及价值／成长因素决定股票的运行状况，不同风格股票在财务一市场关系方面差异性显著，行业特征明显。通过分析可以看到，运用符号数据对中国股市运行特征进行的分析结论与客观现实非常吻合．从而证明使用符号数据的典型相关分析技术对大规模多维动态数据系统进行统计分析是十分有效的。     

基于高频数据的金融市场微观结构实证研究综述

对高频数据在市场波动性、有效性和流动性等市场微观结构领域的实证研究及其引起的对一些传统的经济假设和理论框架所提出的质疑作系统介绍，并对这一研究领域作简要评述，最后提出高频数据对中国股票市场微观结构进一步实证研究的方向。     

基于股票市场交易数据流的场景记忆模型

设计一种基于场景记忆的多层推理模型，构造生活在高维资本市场内部交易数据流中的感知交易主体，从市场的内部研究市场的交易行为。把人脑的记忆机制巧妙地应用到股票市场，利用记忆、回忆等独特功能帮助投资者分析股市的变化趋势及特点，从而指导决策。通过计算机程序实验，我们设定的两种模式下的历史记忆情况清晰明了，并且该模式样本点的后续走势分布图有很大的参考价值。     

区域经济发展Data Farming决策支持技术及其应用

为解决现有的决策支持技术不能解决的区域经济历史数据稀少的问题,提出了区域经济发展Data Farming决策支持技术.所提出的技术采用基于智能体仿真的Data Farming技术,对参数空间进行遍历搜索,以利用各个参数值对应的仿真结果来获取大量的数据,使决策者可以有效地识别到系统的最优控制值,并了解在控制值下的系统风险性.最后,以江门市社会消费品零售总额的控制优化为例,说明了该技术的有效性.     

数据挖掘中一种新的预测模型——基函数拟合预测及其在股市中的应用

探讨了数据挖掘的一种新模型——伯恩斯坦(Bernstein)基函数拟合预测模型,借助该模型的凸包性,对上证指数这一稠密时序资料进行了分阶段移动预测模拟,并分析了实际拟合模型和预测模拟的误差,取得了较好的结果.实践表明该模型对稠密数据集的研究有较明显的效果.     

基于级比数据处理的多段灰色建模方法及在我国GDP建模中的应用

提出了一种基于级比数据处理的多段灰色建模方法,详细阐述了其建模机理和建模步骤.该模型拓宽了GM(1,1)的应用范围,有效地提高了一般GM(1,1)模型的精度.文末给出了一个利用多段灰色建模方法的例子.     

催化剂粉尘浓度软测量建模研究与应用

采用基于Mie理论的激光散射法测量催化剂粉尘浓度时,催化剂粉尘浓度与监测参数——入射光强、散射光强、出射光强以及烟气流量之间存在着复杂的非线性关系,给粉尘浓度的准确测梁带来困难。利用支持向量机优良的非线性映射和强大的泛化能力,建立了一个基于最小二乘支持向量机的催化剂粉尘浓度软测量模型,给出了相应的系统结构和算法,并通过网格搜索和交叉验证的方法对支持向量机进行参数选择。采用遗忘因子法和数据滑动时间窗技术对工业软测量模型进行在线校正,克服了工况条件发生改变时的估计偏差,提高了估计精度。仿真和实际运行结果表明基于LS-SVM的软测量模型具有较高的估算精度与泛化能力,为催化剂粉尘浓度的在线测量提供了一种简单、可靠的新方法。