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。     

基于蚁群并行算法的电气接线路径优化及仿真

继电控制系统中元件的连接关系可以使用网络拓扑图描述，元件间的接线路径优化类似于旅行商(TSP)问题，属于NP完备的组合优化问题。本文将ACS蚁群算法引入接线路径优化，建立了适用于继电系统接线路径优化的计算模型，并在MPI(消息传递界面)的基础上实现了算法的并行化。通过对算法初始参数进行仿真分析，确定了各参数的最佳取值范围，实验结果证明，在参数选择适当的情况下，ACS蚁群算法具有很好的全局搜索能力和较快的收敛速度。     

多阶段投资决策问题的一种智能化求解方法

对多阶段投资决策问题进行研究，建立一种极小化跟踪投资回报率与目标回报率偏差的多阶段投资决策模型，并将随机模拟、遗体算法和神经网络集成在动态规划之中，设计给出一种智能化的求解方法，能求得反馈形式的最优投资策略。本文给出的方法克服了传统求解方法的局限性，具有现实意义，经算例仿真验证了算法的可行性。     

基准组合偏差导致基金业绩误差的实证研究

实证分析人为基准组合选择偏差对我国证券投资基金业绩的影响。首先运用常用评估方法，得出不同基准组合对我国证券投资基金的业绩结果，然后再分组对比各种业绩关系。     

相同并行机上工件排序问题的一种新算法

根据工件排序问题的特点,建立了在相同种类的并行机上加工一批相同种类工件的优化数学模型。在蚂蚁系统的基础上对其进行了改进,并把改进的蚂蚁系统用于工件排序问题的优化中。通过与其他算法的仿真比较表明,该基于蚂蚁系统的算法是有效的,特别是问题规模很大时更显示其较快的收敛速度和较高的精度。     

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。     

基因表达式编程在组合预测建模中的应用

介绍一种利用基因表达式编程的方法来自动生成非线性函数的组合预测模型,并进行误差估计分析, 改变过去只依靠各个子方法的简单线性相加,不能很好地反映非线性真实世界的传统组合预测建模方法.通过对我国CPI的真实历史数据验证, 验证结果表明: 与传统的ARIMA,灰色GM(1,1), BP神经网络和线性组合预测四种方法对比,基因表达式编程建立的组合预测模型所预测的数据准确度明显提高.     

存在相关性风险的资产组合策略

经典金融理论的资产配置策略没有考虑相关性风险, 而现实中,各种市场和各种资产之间的相关性是变化的, 从而使投资组合风险上升.与传统金融理论基于完全市场条件下的组合选择不同, 通过SJC-Copula刻画金融市场间不对称的尾部相关性,用CVaR方法求出存在相关性风险的资产组合有效前沿及策略.通过沪港市场的实证研究, 发现忽略上下尾相关性均会影响投资组合风险的估计, 会使投资组合遭受极端的负收益;量化并有效地控制不对称的尾部相关性能够改善资产组合的表现.     

基于方向久期与凸度免疫的资产负债优化模型

通过方向久期和方向凸度的免疫条件来控制资产配给中的利率风险,建立了银行资产负债组合优化模型.本文通过资产或负债价格对利率一阶导数受不同时段利率变动的影响而形成方向久期的思路,提出其二阶导数也受不同时段利率变动影响形成方向凸度的概念.通过资产或负债的凸度受不同时段利率变动的影响关系给出方向凸度的表达式,反映了即期利率及其变动对贴现现金流的影响,改变了现有研究忽略利率变化对凸度的影响的状况.通过方向久期和方向凸度的双重免疫建立优化模型,解决了无论利率在不同时段的变化量是否相同均可进行风险免疫问题.     

一种新的组合权重集结方法及合理性评价研究

针对多属性决策中的组合赋权问题,提出了一种新的多属性决策权重集结方法.该方法综合考虑权本身具有的随机性以及权向量之间的一致性要求,建立约束非线性优化模型.在分析和借鉴现有方法的基础上,设计一种改进粒子群优化算法进行求解.在决策矩阵已知的情况下,讨论不同组合赋权方法的合理性评价问题.最后,将本文提出的方法与已有组合赋权方法进行比较,结果表明该方法有效且比另外两种组合赋权方法更加合理.