基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.     

城市道路短时交通流量预测

结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确.     

NGARCH模型在证券投资风险分析中的应用

应用NGARCH模型在三种分布假设下对上证综合指数进行了V aR风险值估计,并且与GARCH模型和APARCH模型估计结果作比较,通过返回检验,发现NGARCH模型应用于V aR估计是统计有效的,且优于GARCH和APARCH模型.     

一种新的死亡率模型及基于中国人口数据的比较分析

基于中国人口死亡率数据, 对APC模型进行扩展, 并将扩展的死亡率模型(EAPC模型)与APC模型和LC模型进行对比. 通过比较模型的拟合效果和预测效果, 并对其稳定性进行检验, 发现由APC模型扩展而来的EAPC模型更适合于拟合和预测中国的人口死亡率, 这为我国死亡率模型的使用提供了更多可行的方案.     

基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

古塔的形变研究

利用投影多边形模型确定古塔各层的中心坐标,采用最小二乘法建立线性模型,借助三维高次曲线方程建立古塔的曲率模型和挠率模型。使用Matlab数值实验完成了对所有模型的求解,详细地分析了古塔的倾斜、弯曲和扭曲的变形趋势,为古塔的纠偏和保护工作提出了建议。     

复杂趋化模型研究初探

本文试图提供复杂趋化模型的一个研究概览.首先回顾两个著名的信号产出和营养消耗的Keller-Segel模型,然后介绍双退化营养趋向性模型并刻画觅食者和乞讨者两类人口群之间相互作用的趋向性串联模型以及完全交叉扩散的捕食追逃模型的生物背景及其数学研究进展.接下来阐述了完全交叉扩散系统的4阶薄膜型方程逼近的主要思想和关键步骤.最后简要提及其他一些复杂趋化模型.     

基于灰色微分方程的传染病预测

本文归纳总结了传染病的几类预测方法,并通过一个例子,将灰色模型和微分方程模型结合,用于传染病的预测.     

典型非线性模型的模糊辨识逼近精度分析

人们根据非线性系统的复杂特性归结了几种具有代表性的非线性模型.而模糊辨识方法是辨识非线性系统的有力工具,本文采用T-S模糊模型对三种常见的非线性模型:Hammerstein模型,Wiener模型和双线性模型进行逼近,并根据仿真数据研究不同的非线性结构对模糊模型逼近精度的影响.仿真实例是在训练和检验数据组数、模型阶数相同的情况下,采用三角形隶属函数,聚类型隶属函数和高斯型隶属函数分别对这三种非线性模型进行逼近能力的研究.     

路面平整度的时间序列模型

介绍非标准道路的路面平整度的时间序列模型,研究道路实测数据的时间序列模型.通过对实际路段的数据采集,进行道路平整度实例分析和道路平整模型的平稳性检验、模型的识别和估计,确定了模型参数,检验模型的适用性.实例表明了模型的置性度和合理性.