LOCAL WELL-POSEDNESS AND ILL-POSEDNESS ON THE EQUATION OF TYPE □u = u^k（δu）^α

This paper undertakes a systematic treatment of the low regularity local wellposedness and ill-posedness theory in H^s and H^s for semilinear wave equations with polynomial nonlinearity in u and δu. This ill-posed result concerns the focusing type equations with nonlinearity on u and δtu.     

THE EXPONENTIAL STABILIZATION FOR A SEMILINEAR WAVE EQUATION WITH LOCALLY DISTRIBUTED FEEDBACK

This paper considers the exponential decay of the solution to a damped semilinear wave equation with variable coefficients in the principal part by Riemannian multiplier method. A differential geometric condition that ensures the exponential decay is obtained.     

小波分析方法在金融股票数据预测中的应用

利用小波分析预测方法对金融数据—股票收盘价这一典型的非平稳时间序列进行预测.使用M a llat小波分解算法对数据进行分解,对分解后的数据进行平滑处理,然后再进行重构,而重构之后的数据就成为近似意义的平稳时间序列,这样就得到了原始数据的近似信号,再应用传统时间序列预测方法对重构后的数据进行预测,将预测结果与实际值,以及和传统预测方法预测结果比较,小波分析方法预测效果更为理想.     

谈谈ν=νλ中的ν

本文指出，在波长、频率与波速的关系式ν＝νλ 中，ν是波的频率，不应看作波源的振动频率．两者只 有数量上的关系而不是同一概念．本文兼谈多普勒效 应的教学问题，以加深对ν的理解．     

对2000年高考数学试题的预测

每年的高考数学试题将会如何改革 ,以何种形式面世 ,都是广大数学教育工作者非常关注的问题 .要做高考数学试题的预测是非常困难的 ,属于国家级机密的高考试题是很难猜中的 .但是 ,由于高考是国家组织的选拨人才的重要考试 ,受到政治形式、社会思潮、招生需求、考试条件、学科观念等的影响甚至制约 ,其试题的改革与发展也必然是有一定规律可循的 .那么 ,世纪之交的高考数学试题将会怎样改革呢 ?要回答这个问题 ,笔者以为 ,首先要学习全国第三次教育工作会议精神 ;其次是要学习教育部 1998年底公布的高考改革方案、教育部考试中心公布的1999…     

权马尔可夫链在人口死亡率时序误差预测中的应用

针对人口死亡率时间序列既有摆动又有一定趋势的特点,首先对人口死亡率的时间趋势项进行拟合,然后对人口死亡率的误差序列进行分析,提出了以规范化的自相关系数为权,用加权的马尔可夫链来预测人口死亡率状况。并通过实例对该方法进行了具体的应用。     

基于支持向量机的中国工业增加值预测研究

工业增加值是衡量一个国家工业发展水平的重要指标。由于其受多种因素影响，对其预测相对困难。本文提出运用时间序列预测方法对其预测，并利用支持向量机和微分进化算法（differential evolution，DE）相结合的方法对中国工业增加值数据进行预测。数据仿真显示该模型比核主成分分析的最小二乘支持向量机（KPCA-LS-SVM）以及岭回归（ridge regression，RR）具有更高的预测精度。     

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度，找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果，三个沪深300股指期货日内一分钟日内收益率被用作研究对象，对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验，并利用多种损失函数，从不同角度衡量三个波动率模型的预测精度。研究发现：Sample1样本的RealGARCH模型有最好的预测效果，而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此，在对沪深300股指期货日内波动率研究时，应根据其样本特征，优先选择具有能够反映非对称特征的波动率模型来刻画波动过程，对未来波动率做预测。     

基于Stacking算法集成的我国信用债违约预测

通过对2014～2019年我国信用债违约案例的原因分析及相关文献综述，从债券资质、债务主体、财务数据、宏观因素四个维度构建债券违约的指标体系，利用随机森林算法优化，研究发现当影响因素选择18项与37项时，样本内外预测结果达到均衡。基于不同角度的七种算法对比分析，择优选取三种作为底层算法：随机森林算法、梯度提升决策树算法与贝叶斯算法，并结合逻辑回归算法为次级训练算法融合构建基于Stacking算法集成的债券违约预测模型。实证结果表明，第一，Stacking算法的双重集成作用相对底层的单次集成总体精确度提升了1%到8%;第二，对不同指标数量的Stacking算法集成模型的评估表明所构建的指标体系提高了预测水平；第三，基于样本内外预测均衡的底层算法选择方法有效可取，分别纳入相对劣势的底层算法时，会逐渐影响模型稳定性。研究成果可以为我国债券市场风险管理提供技术支持与参考。