考虑投资者情绪的GARCH-改进神经网络期权定价模型

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。     

智能小区网络安全防御系统

设计了基于多组件协作机制的智能小区网络安全防御系统,并分析了该系统的优点。     

一类非线性变号三点边值问题正解的存在性

考虑非线性变号二阶三点边值问题u″＋h（t） f （u （t ））=0,t∈ [0,1],u（0） =αu′（0）,u（1） =βu（η）,其中α≥0,0〈β〈1,η∈ （0, 1）,h（t ）≥0,t∈ [0, η],h（t ）≤0,t∈ [η, 1]。通过运用锥上的Guo-Krasnoselskii’s不动点定理研究了上述边值问题至少2个正解的存在性。