及时性自适应高维经济基本面建模与汇率预测分析

在人民币国际化不断推进,人民币汇率双向波动加强的背景下,构建具有优良预测能力的汇率预测模型愈发重要.参数模型对汇率预测的能力不仅取决于模型设定是否正确,还取决于模型能够同时:一方面能否迅速探测模型参数的结构性变化以使用最佳信息估计模型参数,另一方面能否及时识别模型解释变量以使用最佳解释变量对汇率进行预测.本文构建了自适应变元算法.该算法不仅能实时检测模型参数的结构性变化,探测参数的最大化同质区间,同时还能对变量进行及时识别以选择最佳模型解释变量,提高模型的预测能力.在样本外向前3至24个月的汇率预测中,自适应变元算法能显著超越随机游走,马尔可夫机制转换模型,误差修正模型,实时最优窗算法,多元自适应可变窗算法与其他经济基本面模型包括:弹性货币模型,购买力平价模型,利率平价模型,泰勒规则模型,偏移泰勒规则模型.变量选择结果显示,自\"811\"汇改以后,经济基本面因素决定了人民币汇率走势.中国与其他发达经济体包括欧元区,英国与日本的经济基本面同样能够决定美元兑人民币汇率走向.另外,自\"811\"汇改之后,人民币汇率预期相比于\"811\"汇改之前更易受到外部冲击的影响,合理的人民币汇率预期监管依然需要依赖于实行有管理的浮动汇率制度,防止汇率风险.     

应用小波理论进行股市预测

应用小波理论提出一种股票市场建模及其预测的方法,以上证综指为例进行了实证研究,并从吸引子结构的观点进一步分析了预测精度提高的原因。采用此方法进行股市预测,首先要应用小波理论对股指收益率序列进行分解,得到低频和高频部分;然后在此基础上作进一步分析,以确定各部分存在混沌特性;再应用混沌理论分别建立低频和高频部分的预测模型,对低频和高频部分进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。研究结果表明,该方法具有较高的精度,并具有极大的应用前景。     

商业市场信息随机预测模型的研究和计算机实现

本文针对商业市场信息的特点，选用了随机预测模型ＡＲＩＭＡ的基本模式；深入研究ＡＲＩＭＡ模型建立的全过程，开拓性地采用了功率谱估计方法，确定市场预测模型的阶数ｐ和ｑ；利用多种高级语言的混编程序技术，在微机上完全实现了商业市场信息预测系统；运行结果表明；该模型及其实现系统是可行的。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型,同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法,并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型,最后以实例说明了其预测效果。     

一种基于需求特性分类的备件库存管理方法及其实证研究

提出了一种基于分类的备件库存管理方法,该方法先从备件需求预测的角度对备件进行分类,然后对每一类备件的需求进行预测并给出了其适当的库存决策方法.基于分类的预测方法可以解决备件种类过多、部分备件需求的历史数据不足问题并能够为每类备件选择预测精度较高的预测方法;基于分类的库存决策模型适用于在缺少单位备件缺货成本参数条件下的订购点与订购批量决策.以石化企业的阀门为典型背景,论文说明了所提出方法的适用性和优越性.     

一种基于串行总线的智能容错飞控计算机系统

从工程技术角度出发,讨论了适用于无人驾驶飞行器的容错飞控计算机系统的实现,给出了基于串行总线的智能容错飞控计算机系统结构,将工作状态检测系统和故障预测技术应用到容错计算机系统中,可在故障发生前采取容错措施,避免故障发生和故障造成的系统失效.给出了总线接口、运算控制单元、A/D转换单元、通讯模块的结构和实现方法,指出利用CPLD和HDL语言进行电路综合具有效率高、测试方便、易修改的特点,应在实践中广泛推广.     

多目标预报系统的Fuzzy 优选识别模型及其应用

对多目标预报系统的Ｆｕｚｙ优选识别模型进行了分析和研究,并建立了山东省曲阜市第二代棉铃虫发生量的Ｆｕｚｙ优选识别模型。对历史资料进行回代验证,其历史拟合率高达９１．６７％。将１９９４年的观测数据作为独立样本进行试报,预测结果与实际一致。     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

人工神经网络在大豆食心虫虫食率预测中的应用

大豆食心虫是黑龙江大豆的主要害虫之一,虫食率可以作为大豆食心虫发生程度的预测指标,虫食率受越冬基数和气象条件等多种因素的影响,是一个复杂的非线性非正态系统。根据人工神经网络建模的基本原理,以黑龙江省双城市的数据建立了神经网络预测模型,模型的回测与预测精度都比较高,可以作为大豆食心虫虫食率预测的一种新方法。