基于小波分析的股指期货高频预测研究

基于低频金融数据的预测,在时间上具有长期性,依赖于整体经济环境,不能形成短期内的准确预测.但是由于高频金融时间序列具有非线性、非平稳性以及其特有的日历效应等特性,传统的ARMA模型也无法得到满意的预测结果.本文提出基于小波多分辨率分析的预测方法,将收益率数据分为高频部分(周期性)与低频部分(趋势性),对拆分后的序列进行重构,并对重构后得到的数据分别建立ARMA模型.实证研究表明,小波多分辨率分析能很好地滤出日内效应,由于股指期货独特的市场特征,应将分解层数定为3,分解重构模型可以提高预测精度.     

分治法解决空间最接近点对问题

使用分治法解决空间最接近点对问题，对合并的步骤加以改进，可以得到时间复杂度为0（nlogn）算法，在计算时可节省大量时间．     

分光光度法测定果蔬中Vc的含量

维生素C在酸性条件下具有还原性,可将Fe（Ⅲ）定量还原为Fe（Ⅱ）,fe（Ⅱ）与邻二氮菲（phen）形成络合物显色,在波长508nm处,其颜色的深浅在一定范围内与Vc含量成正比.     

代价敏感属性约简的自适应分治算法

代价敏感属性约简问题作为经典属性约简问题的自然扩展,将代价引入数据,使得属性约简问题更加具有现实意义。文章基于分治思想,先按列将数据集拆分为若干个互不相交的子数据集,然后对各子数据集进行约简,并把约简后的子数据集多路合并。依次继续执行约简和合并操作,最终得到最小测试代价约简。每个子数据集的大小及子数据集的总个数自适应于各个数据集的规模而非固定不变。为验证算法的有效性,选择四个UCI标准数据集进行实验,并与其他算法进行结果对比。实验结果表明,该算法能在较短时间内获得可接受的结果,更适应实际问题的需要。     

大数据统计方法综述

回顾大数据统计分析方法的现状,重点分析线性及非线性模型的分治算法, 详细阐述 3 种抽样法, 并比较其差异,归纳总结在线更新算法和基于变量选择的在线更新算法,最后展望大数据统计分析的未来．     

分治算法的两种思路和形式

分治算法是程序设计中常用算法之一,是用划分子问题的方法,由较小尺寸的问题的可解导致原问题的解决。介绍了分治算法的两种形式,分析和探讨了它们的不同思路、不同特点和适用场合。