基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.     

群体AHP方法在复杂系统易损性分析中的应用

群体层次分析法(Group AHP)是专家群体评判意见的综合量化方法,本文讨论了该方法在系统易损性分析中的应用,并针对群体层次分析法专家意见合成问题,提出了基于主成分分析方法计算各专家客观权重,并根据该权重合成专家评判意见的方法.应用结果表明,该方法能更好地克服人为主观判断及偏好给决策带来的影响,为复杂系统易损性定量评估提供了有效的技术途径.     

基于主成分分析的网络搜索数据合成方法研究

针对利用网络搜索数据合成各类指数时难以消除共线性、难以合理确定各指标权重等问题,基于数据降维的思想构建了以主成分分析法为核心的指数合成方法,并以利用网络搜索数据合成消费者物价指数为例,将提出的方法与当前主流的逐步回归法做出比较研究.研究结果表明,基于主成分分析法的数据合成方法可以得到稳定性和拟合度更高的指数.     

基于主成分分析的水质评价方法

主成分分析法能够在保证原始数据信息损失最小的情况下,以少数的综合变量取代原有的多维变量,使数据结构大为简化,并且客观地确定变量权数,避免了主观随意性.应用主成分分析法对长春市地面水环境进行评价,且与其它评价方法相比较,结果显示主成分分析法更客观且指导性较强,是一种行之有效的水质评价方法.通过主成分分析进行水质评价,可为水资源规划、利用、开发和环境系统优化提供更为客观的参考依据.     

基于主成分—灰色关联度的黑龙江省城镇化水平综合评价

从城市和农村两方面入手,构建了城镇化水平综合评价指标体系.由于主成分分析法和灰色关联分析法各有优缺点,所以这里将主成分分析法和灰色关联分析法进行融合,在规避了两种方法的缺点后,对黑龙江省各市的城镇化水平进行了排序.最后对排序结果进行分析,给出了未来黑龙江省各市城镇化发展方向的一些建议.     

对台湾工农业产品产量的主成分分析

主成分析分析法是一种将多个指标化为少数几个不相关的综合指标 (即主成分 )的多元统计分析方法 .本文通过运用主成分方法对我国台湾地区 1 989 1 996工农业主要指标的原始数据的处理分析 ,表明主成分分析确是在实用中很可行的一种常用的统计方法 .     

基于层次—主成分分析法的泥石流危险度评价

泥石流作为一种突发的自然灾害具有破坏性、复杂性和不确定性等特点.综合考虑泥石流的基本特征,建立了基于层次一主成分分析法的综合评价模型,介绍了其基本原理及实施步骤,并且以云南省的泥石流沟为研究对象进行了综合的评价.结果表明,基于层次一主成分分析法的综合评价模型能有效地对泥石流危险度作出科学的评价,为泥石流的预防治理提供科学而又准确的依据.     

基于集成综合评价法和聚类分析法的综合评价方法

针对传统的主成分分析法在数据无量纲化中"中心标准化"的缺点,提出了改进的主成分分析方法,并建立了一种基于集成综合评价法和聚类分析法的新的综合评价方法,通过黑龙江省各城市综合竞争力的统计分析结果说明该方法能有效的得出合理结果.     

主成分分析法在多变量变动分析中的应用——以城镇居民消费结构变动分析为例

对常用的主成分分析法进行修改,使得修改后的主成分分析法可用以研究多个变量在某一时间段变动的大小与趋势,并以我国城镇居民在2000年-2008年期间消费结构变动分析为例,讨论该方法的应用.     

教师课堂教学质量的多元统计分析

应用多元统计分析中的聚类分析法和主成分分析法对教师高等数学的课堂教学质量进行了统计分析,通过对数据的聚类分析结果提出教师应注重启发性教学并善于引导学生解决实际问题.同时利用主成分分析将原先众多的评价指标用三个指标代替,为进一步提高教学质量提供科学的依据.     

A Mathematical Analysis of Technical Analysis

In this paper, we investigate trading strategies based on exponential moving averages (ExpMAs) of an underlying risky asset. We study both logarithmic utility maximization and long-term growth rate maximization problems and find closed-form solutions when the drift of the underlying is modelled by either an Ornstein-Uhlenbeck process or a two-state continuous-time Markov chain. For the case of an Ornstein-Uhlenbeck drift, we carry out several Monte Carlo experiments in order to investigate how the performance of optimal ExpMA strategies is affected by variations in model parameters and by transaction costs.     

由付里叶分析到小波分析的进展

本文通过对付里叶分析和小波分析的详细比较 ,展示小波分析的特点和优越性 ,有助于深化对小波分析的认识和理解     

Group-Wise Principal Component Analysis for Exploratory Data Analysis

In this article, we propose a new framework for matrix factorization based on principal component analysis (PCA) where sparsity is imposed. The structure to impose sparsity is defined in terms of groups of correlated variables found in correlation matrices or maps. The framework is based on three new contributions: an algorithm to identify the groups of variables in correlation maps, a visualization for the resulting groups, and a matrix factorization. Together with a method to compute correlation maps with minimum noise level, referred to as missing-data for exploratory data analysis (MEDA), these three contributions constitute a complete matrix factorization framework. Two real examples are used to illustrate the approach and compare it with PCA, sparse PCA, and structured sparse PCA. Supplementary materials for this article are available online.     

模糊数据包络分析方法有效性分析

传统数据包络分析(DEA)模型只能用来评价具有精确投入和产出数据的决策单元.然而在实践中决策单元的投入产出数据可能存在一定模糊性.为了评价具有模糊投入产出数据的决策问题,研究工作者提出了模糊数据包络分析模型,并给出了相应的有效性定义.对于不同研究者提出的有效性定义方式有众多地方需要改进.通过这些改进提出了相关模型及新的有效性定义方式,并给出了相关实例.     

基于边际分析的企业价值分析方法

本文首先分析了传统会计核算方法存在的问题,提出了基于边际分析的企业价值分析方法.新方法建立起企业价值的综合平衡关系,不但可以分析成本在企业各个环节的转移与平衡,还可以计量、跟踪企业各环节的价值增值.本文利用一个小案例演示了企业价值计算的新方法,通过与传统会计核算方法进行的对比验证了新方法的科学合理性.     

在岗位评价中应用因子分析与聚类分析

岗位评估是企业或组织制订薪酬制度的基础。在岗位评价及薪酬级别的设计中使用因子分析与聚类分析相结合的方法,克服了对指标得分简单加权求和的缺点,并以X J公司具体案例进行说明。