云环境下基于熵权TOPSIS法的企业IT投资决策

针对目前云环境下企业IT投资决策方面关于评价指标的不确定以及定量分析被忽视的问题,提出影响企业各业务信息系统进行投资决策的五个指标,并引入熵权TOPSIS评价方法对三种IT投资决策方案进行评价.最后以一个企业的IT投资决策为例,利用熵权TOPSIS法选出云环境下最适合企业信息系统进行投资决策的部署方案.     

Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究

作为一种动态和非稳定时间序列,Shibor发展变化是随机波动的,难以准确预测Shibor的波动性.支持向量机(SVM)在回归预测非线性时间序列方面有很好地预测效果,SVM的预测精度和泛化能力的核心是参数的优化选择,分别用网格搜索法(Grid-Search)和粒子群(PSO)算法来优化SVM的参数c和g.从而将参数优化后的SVM非线性回归预测法与基于传统ARIMA时间序列预测结果进行对比分析.实验表明,优化后的SVM回归预测方法比ARIMA时间序列方法更精确,在实际中具有很大的应用价值.     

基于组合预测方法的风电功率预测模型

风力发电是最具开发潜力的非水电再生能源,为保证电网的功率平衡和运行安全,需要对风电功率给出准确的预测。对于风电功率预测通常可采用以下3种方法：三次指数平滑法、ARMA方法以及灰色预测方法,但预测准确性不高,而采用风电功率预测的组合预测方法可以提高风电功率精度。将4种预测方法运用到实际风电功率算例中,由数值计算结果可以得出组合预测方法预测风电功率得到的结果精度较高。     

在线网络借贷投资决策模型及实证研究

P2P网络借贷作为电子商务在金融领域的延伸与应用,近年来得到广大学者的关注.但是目前的理论研究中,鲜有从投资者信息挖掘的角度进行投资决策分析.本文提出一个新颖的方法,即投资者构成分析方法,通过分析贷款的众多投资者信息遴选出最有价值的投资,辅助投资者进行投资决策.首先从投资者的历史投资收益率、风险偏好以及投资经验三个维度构建投资者档案(investor profile),进而基于投资者档案构建投资者构成分析模型,最后通过美国最大的在线网络借贷网站Prosper的数据,对本文提出的构想及模型进行了实证研究.实验结果表明本文提出的利用投资者构成分析的方法辅助投资者进行投资决策是可行的,文中构建的模型表现出良好的预测能力,能够有效地筛选出有价值的投资.     

组合预测模型在税收收入预测中的应用

准确预测税收收入,对于有效地进行市场经济条件下的宏观调控有着重要的意义.为了充分利用各单项预测的信息以提高预测精度,在现有研究的基础上,首先选取指数平滑法、偏最小二乘方法和灰色预测方法对税收收入数据进行定量分析;然后基于误差平方和最小构建了税收收入组合预测模型;最后的算例预测结果表明,构建的税收收入组合预测模型具有较优的预测效果.     

基于熵权TOPSIS-CNN深度学习的企业财务绩效评价研究

基于评价基础上对企业财务绩效进行聚类和预测研究,有效发现企业运营存在的问题并提供改进依据.运用熵权TOPSIS法结合深度学习的方法,在相关文献回顾的基础上,整理并选取了1290家上市公司2020年报的20个财务指标作为分析样本.使用熵权TOPSIS法对实验样本进行打分并使用K均值聚类的方法划分等级以评判其绩效的优劣,再结合卷积神经网络的框架实现企业绩效的预测与智能分级.研究结果表明,熵权TOPSIS法与CNN方法的结合对于企业绩效的画像具有较好的效果,模型测试的预测准确率可达92.25%.基于熵权TOPSIS财务绩效测度基础上,通过无监督学习的K均值聚类和CNN的融合,不仅能够实现绩效测评、确定绩效等级,还能够进行绩效等级的预测.因此,模型可以应用于企业绩效的智能测度评判和预测,对于企业经营及宏观微观调控具有良好的借鉴意义.     

基于曲线段特征匹配的股价预测研究

提出了一种基于指数平滑去噪、曲线段特征匹配、股价预测及修正的择时量化交易策略.利用不同次数的指数平滑法去除不同波动样式的股价噪声,采用加权求和曲线段特征历史匹配法寻找与预测曲线段九种特征最相似的曲线段,基于斜率公式预测未来一天的股价,使用最临近股价的离差修正预测值.进一步,讨论了K线基本信号走势的分类情况,用2006.04.18至2017.02.24期间"中证500""沪深300"和"上证综指"三支股指约11年的日收盘价数据分别作回测,结果优良.此外,分析了策略的三种适用情形.     

二三产业劳动力需求与产值的关系及其预测

在分析第二、三产业产值与劳动力需求关系相关性的基础上,构建了我国第二、三产业产值与劳动力需求的关系模型,并运用基于拉格朗日乘子法的组合预测方法,对未来九年我国第二产业第三产业劳动力需求进行预测.研究结果表明:第二产业、第三产业的产值和劳动力需求呈现对数函数和线性函数回归模型的趋势.基于此组合预测模型实现了对未来九年第二、三产业劳动力需求的预测,且预测误差小于3.905928%、2.1279%,具有良好的预测精度.该研究不仅为进一步研究二三产业劳动力需求的预测打下了理论基础,也有助于我国各级政府制定相关的发展目标和决策.     

证券投资预测的马氏链法和E-Bayes法

本文提出了两种证券投资预测方法-马氏链法和E-Bayes法.首先对数据进行分组,然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型,最后结合实际问题进行了计算,两种方法的预测结果是一致的.     

基于标准差法组合预测模型的区域快递需求量预测研究——以大连市为例

快递需求量的准确预测是区域快递行业合理布局的重要依据.在明确区域快递需求量衡量指标的前提下,针对其预测方法单一、适用范围局限等问题,提出构建基于灰色GM(1,1)预测模型、一元线性回归分析预测模型和趋势平均法预测模型的标准差法组合预测模型.以大连市为例,选取大连市快递量作为预测指标,预测结果表明,标准差法组合预测模型的预测结果最为准确,其平均相对误差为3.04%.所建立的模型为区域快递需求量预测工作提供参考.