基于Bootstrap-DEA的工业能源效率分析

传统DEA方法存在小样本估计有偏、无法进行统计检验等缺点.而Bootstrap-DEA方法能够通过数值模拟技术产生大量的模拟样本,通过对新生成的样本进行估计来修正DEA效率估计偏差,进而计算出效率值的置信区间.作者利用Bootstrap-DEA方法首次对我国36个工业行业1995-2008年的能源利用效率进行分析.研究结果表明,我国工业行业的能源效率呈现出U字型变动趋势,行业间的能源效率差异不断减小.     

三种生成神经网络拓扑结构的方法在股票、商品价格预测中的应用及结果比较

对比了三种不同神经网络模型的生成方式:传统神经网络生成模型,遗传算法训练神经网络模型,以及在第二种方式训练参数的基础上,再使用传统神经网络优化生成模型.论文使用上述三种方法对代表性股票和商品价格进行拟合并预测,通过预测结果准确性和稳定性的比较发现:引入遗传算法后的神经网络在样本内的拟合误差有所降低,而第三种方法在样本外有最低的预测误差和最优稳定性.