基于非单一类型的组合模型在回归分析中的应用

本文研究的是非单一类型的组合模型应用于回归预测的问题.利用不同类型的子模型来构建组合模型,最大程度上减小了子模型间的相关性,得到了具有更好泛化能力的组合模型这一结果,在预测分析中具有重要的指导意义.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

灰色组合模型及其应用

本建立了GM(1．1)与线性回归模型的组合模型，改进了单一模型的局限性，并用此模型预测了郑州市粮食总产量，得到了较为满意的结果。     

基于EEMD与模糊回归的投资组合选择模型及实证

随着模糊理论的不断发展与其在证券市场的广泛应用,越来越多的学者关注到参数模糊化对投资组合优化具有重要作用。本文利用集合经验模态分解(EEMD)和模糊线性回归相结合的预测方法,构建了基于对称三角模糊数的投资组合模型。并将提出的模型与集合经验模态分解和普通最小二乘结合的方法、单一模糊线性回归方法进行了对比分析,结果表明基于集合经验模态分解和模糊线性回归建立的投资组合模型最优,这对构建最优投资组合具有参考意义。     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.     

最优组合预测线性模型在旅游需求预测中的应用——以中国大陆赴澳门游客量预测为例

研究运用ARIMA、多元线性回归(MRL)、ADL_EC和VEC四种单一模型对中国大陆赴澳门游客量进行预测,运用等权组合、简单加权组合和熵值加权组合三种非最优组合预测及最优组合预测线性模型对单一模型预测结果进行优化,用平均绝对百分比误差(MAPE)和希尔不等系数(TIC)对优化结果进行评价与比较,确定最优组合预测线性模型是比较切合澳门入境旅游实际的预测模型,并运用其进行预测,达到了预期效果.     

基于灰色线性回归组合模型的我国家用陶瓷出口预测研究

对我国家用陶瓷出口进行准确预测,是有关部门制定政策的重要依据,也是家用陶瓷行业开发国际市场的重要参考,由于家用陶瓷出口是一个信息不完全的灰色系统,仅用单一模型进行预测,往往效果不佳.通过构建灰色线性回归组合模型,对我国家用陶瓷出口量进行预测.研究表明,该组合模型具有较高的预测精度,克服了单一模型缺陷,能用于对家用陶瓷出口预测研究.最后,根据预测结果,分析了我国家用陶瓷出口增长所遇到的制约与瓶颈.     

基于集成学习的抗乳腺癌候选药物定量构效关系模型

基于一系列作用于治疗乳腺癌重要靶标雌激素受体α亚型ERα的化合物,研究其分子结构和生物活性pIC₅₀之间的关系,构建抗乳腺癌候选药物定量构效关系模型.模型采用集成学习方法KNN-Bagging,通过组合多个KNN弱预测模型得到一个强集成器,实现对生物活性pIC₅₀的预测.基于集成学习的模型可决系数R²达到0.9496,均方根误差MSE达到0.0016,与传统多元线性回归,多元非线性回归相比,有统计学意义上的显著提升.说明定量构效关系模型在化合物分子描述符具有多种数据类型情况下,采用KNN-Bagging集成学习方法对治疗乳腺癌的重要靶标ERα的生物活性具有较好的预测能力,可为筛选拮抗ERα活性的化合物提供理论上的指导.     

EMD-SVM在南京市月平均气温预测中的应用

南京市月平均气温具有非平稳性、噪声大、序列宽频等特征.为了提高温预测精度,本文提出一种经验模态分解(EMD)和支持向量机(SVM)回归相组合的预测模型(EMD-SVM).首先应用EMD分解算法把南京市月平均气温分解成不同尺度的基本模态分量(IMF),再运用支持向量机回归模型对每个IMF预测,最后将预测结果重构得到南京市月平均气温预测值.结果表明:EMD-SVM模型预测与单一支持向量机回归模型预测相比,平均预测精度提高0.59度,是一种有效的预测气温的模型.     

组合预测方法在大气环境评价中的应用

李振亮．组合预测方法在大气环境评价中的应用．数理统计与管理，１９９７，１６（４），１２～１５．本文利用组合预测理论和方法，建立了一种大气环境质量评价的组合模型。实例分析表明，该组合评价模型具有利用各单一评价模型提供的信息和集中各单一模型的优点，是一种稳健和优化的环境质量评价模型。     

企业财务危机预警Rough-Fuzzy-ANN模型的建立及应用

本文提出了一种基于粗糙一模糊神经网络（Rough-Fuzzy-ANN）的企业财务危机建模和预测新方法，并给出了相应的算法，在通过以我国上市公司财务数据为基础进行的实证分析之后，结果表明，Fuzzy-Rough-ANN模型具有预测精度高。学习和泛化能力强，适应性广的优点；同时有效、可行，为企业财务危机的动态预警提供了一条新的途径。     

基于可拓方法的ST公司财务危机预警模型研究

对ST公司财务状况的恶化进行预警分析,已经成为各界人士关注的焦点,并且对上市公司未来的发展有重要的指导意义.文章运用可拓学方法对沪深两市中ST公司的财务状况构建物元预警模型进行实证分析,并且运用灰色关联度评价法进行实证检验.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

基于遗传算法的上市公司财务危机预测模型研究

本文以我国沪深A股上市公司为研究对象,选取制造业公司376家,其中被特别处理的ST公司188家,与其配对的健康公司188家,使用遗传算法和21个财务比率建立了财务危机预测模型,并与Logistic回归和BP神经网络模型进行了比较,结果表明,使用遗传算法可以获得不受统计约束且预测准确率更高的模型。     

财务危机预测主要方法比较研究

本文以我国沪深A股上市公司为研究对象,将被特别处理的ST公司视为财务危机公司,使用多种方法建立了财务危机预测模型,并对各模型的预测准确率、优缺点进行了对比,结果表明,人工智能方法预测准确率更高,遗传算法模型成为最优预测模型。     

装备费用预测中的混合核函数支持向量机

在支持向量机预测建模中,核函数用来将低维特征空间中的非线性问题映射为高维特征空间中的线性问题.核函数的特征对于支持向量机的学习和预测都有很重要的影响.考虑到两种典型核函数—全局核(多项式核函数)和局部核(RBF核函数)在拟合与泛化方面的特性,采用了一种基于混合核函数的支持向量机方法用于预测建模.为了评价不同核函数的建模效果、得到更好的预测性能,采用遗传算法自适应进化支持向量机模型的各项参数,并将其应用于装备费用预测的实际问题中.实际计算表明采用混合核函数的支持向量机较单一核函数时有更好的预测性能,可以作为一种有效的预测建模方法在装备管理中推广应用.     

Experimental and theoretical investigation of a composite beam for bridge structures

Results of an experimental and theoretical investigation of composite beams as elements of bridge superstructure are presented. Experiments on beams of two types — made of wood and the same beams with a composite sheath — were carried out. The rigidity of the beams of the second type was about twice as high as that of the first ones. The classical bending model of composite beams gave deflections smaller than experimental ones. To reconcile these results, the model is refined by including the effect of shear. The deflections are represented as classical ones multiplied by a shear factor which depends on the bending and shear stiffnesses and the span length of the beams. As a result, a good agreement between calculations and experiments is achieved. __________ Translated from Mekhanika Kompozitnykh Materialov, Vol. 42, No. 4, pp. 449–462, July–August, 2006.     

基于变精度加权平均粗糙度决策树的财务预警研究

运用聚类方法把公司财务状况分为5个等级,分别为财务状况健康,良好,一般,预警和危机,与以往将研究样本分为ST和非ST两类的财务预警模型相比,5分类模型更加精确合理,贴近实际。同时基于指标相关性和指标重要度对33个财务指标进行了约简,得到9个能够反映企业财务状况的财务指标。以约简后的9个指标及5个等级的财务状况来建立决策树,指标体系和财务等级更加合理。树的生成过程运用粗糙集中的变精度加权平均粗糙度作为选择测试属性的方法,每次选择变精度加权平均粗糙度值最小的属性作为分支结点。变精度加权平均粗糙度的应用提高了决策树的防噪声能力,复杂性较低且能有效提高分类效果。实证研究表明将它应用到财务预警领域,提高了财务预警的分类精度。     

Time Charters with Purchase Options in Shipping: Valuation and Risk Management

Abstract

The article studies the valuation and optimal management of Time Charters with Purchase Options (T/C–POPs), which is a specific type of asset lease with embedded options that is common in shipping markets. T/C–POPs are economically significant and sometimes account for more than half of the stock market value of listed shipping companies.

The main source of risk in markets for maritime transportation is the freight rate, and we therefore specify a single-factor continuous time model for the dynamic evolution of freight rates that allows us to price a wide variety of freight rate-related derivatives including various forms of T/C–POPs using contingent claims valuation techniques. Our model allows for the derivation of closed valuation formulas for some simple freight rate derivatives, whereas the more complex ones are analysed using numerical (finite difference) procedures. We accompany our theoretical results with illustrative numerical examples as we proceed.     

L1正则化Logistic回归在财务预警中的应用

线性模型和广义线性模型已广泛地用于社会经济、生产实践和科学研究中的数据分析和数据挖掘等领域,如公司财务预警,引入L1范数惩罚技术的模型在估计模型系数的同时能实现变量选择的功能,本文将L1范数正则化Logistic回归模型用于上市公司财务危机预报,结合沪深股市制造业ST公司和正常公司的T-2年财务数据开展实证研究,舛比Logistic回归和L2正则化Logistic回归模型进行对比分析.实验结果表明L1正则化Logistic回归模型的有效性,其在保证模型预测精度的同时提高模型的解释性.