基于极限学习机的上证指数预测与分析

针对证券指数具有随机性、时变、波动性较大、非线性等特点,传统线性预测方法预测精度低等缺陷,提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷,具有训练速度快、全局最优和泛化能力优异等优点。采用1991~2013年上证指数对算法性能进行训练,2014年数据做测试,对100个测试数据仿真结果表明,复相关系数高达0.9935,极限学习机是一种预测精度高、误差小的证券指数预测算法,预测结果可以为用户提供有价值的参考意见。     

股市交易量与收益率的关联分析

以深圳成分指数股1998年1月5日至2004年4月1日交易数据组成分析样本，研究不同交易量的股票组合收益率的变动。通过划定51个观察区间、形成不同的投资组合，检验持有若干时期后各组合的收益率。结果表明，在短时间内(1天、5天)，高成交量伴随着较高的收益率，但是在相对较长的持有期后，低成交量常常伴随着较高的收益率，而且统计结果非常显著。这可能缘于中国股票市场上特殊的投资者结构，体现散户和大户之间的博弈。     

"无分红美式看涨期权不宜提前执行"的新的证明

利用自由边界方法对美氏看涨期权进行分解，对无分红的美式看涨期权提前执行不是最优的策略这一结论给出另一种证明。     

浅谈企业采购供应链管理

介绍了企业采购供应链管理的定义、目标和任务。针对目前国内企业供应链管理的现状,分析了企业对实施采购供应链管理的一些疑虑,并提出了相应的对策。     

灰色马尔可夫链组合在预测股票价格上的应用

灰色模型适合对数据量少、波动不大的短期数据进行预测,而马尔可夫模型适用于预测波动较大的过程。通过结合灰色模型和马尔可夫模型的特点,本文提出了一种灰色马尔可夫链组合预测模型,对股票价格进行预测,与其他文献不同的是,本文在数据处理上进行了改进。实验结果表明,与一般灰色马尔可夫模型相比,改进后的模型预测精度得到了提高。     

基于基因表达式编程的股票指数时间序列分析

基因表达式编程（GEP）是遗传算法研究的新分支．针对股票对象的特点,提出了适应股票规律的GEP—STOCK模型,包括n时段—STOCK—GENE,STOCK—fitness以及STOCK-GEP算法,并以上海证券交易指数时间序列数据为对象做了实验．进行了误差和指数涨跌分析．实验结果表明GEP—STOCK模型预测精度较高,20d的平均绝对误差为11．08,平均相对误差为0．64％．从涨跌情况预测来看,模型对6d后指数的涨跌判断,正确率高于80％以上．