【摘 要】
:
股票市场的预测研究有着重要的意义,然而由于股指序列的非平稳性、非线性、长记忆性等特性使其预测工作甚为艰难。文章针对传统的人工智能技术在算法收敛速度、泛化和抗噪能力上的问题,采用粒子群算法对核极限学习机的参数进行寻优,建立粒子群算法优化后的核极限学习机股票指数预测模型。结果表明,所构建的模型在股票指数预测的结果中,相比传统的极限学习机模型表现出预测性能的优越性和稳健性。
【基金项目】
:
国家自然科学基金资助项目(71573042,71973028)。
论文部分内容阅读
股票市场的预测研究有着重要的意义,然而由于股指序列的非平稳性、非线性、长记忆性等特性使其预测工作甚为艰难。文章针对传统的人工智能技术在算法收敛速度、泛化和抗噪能力上的问题,采用粒子群算法对核极限学习机的参数进行寻优,建立粒子群算法优化后的核极限学习机股票指数预测模型。结果表明,所构建的模型在股票指数预测的结果中,相比传统的极限学习机模型表现出预测性能的优越性和稳健性。
其他文献
本文探究了工艺参数对熔池温度和熔覆层成形高度及宽度的影响规律,并结合实际工艺过程,选取激光功率作为熔池温度控制的主要变量,为后续控制熔池温度变量的选取以及工艺参数的选取提供了参考。试验结果表明:在熔池温度上,激光功率增大,熔池温度升高;扫描速度和送粉速率增大,熔池温度降低。在熔池尺寸上,激光功率和送粉速度增大,熔覆层的高度和宽度分别升高;扫描速度增大,熔覆层的高度和宽度分别降低。在高度上,影响关系大小依次为送粉速率、扫描速度、激光功率;在宽度上,影响关系大小依次为激光功率、扫描速度、送粉速率。
文章利用2008—2019年中国31个省份的省级面板数据,运用两步系统GMM和中介效应模型考察了异质性环境规制、技术创新对经济高质量发展的影响。结果表明:从全国来看,费用型环境规制与命令控制型环境规制均能通过提升技术创新水平来缓解对高质量发展的阻碍作用,而公众参与型环境规制可以通过技术创新发挥的正向中介效应进一步扩大对高质量发展的促进作用;分区域来看,两区域费用型、公众参与型和命令控制型环境规制对经济高质量发展的影响系数均显著,但影响方向相反,且均是中西部地区受影响程度小于东部地区;技术创新的部分中介效应
文章通过对2011—2018年中国中小板企业面板数据的分析,考察了金融科技对中小企业融资约束的影响及其内在机制。结果显示,金融科技发展会显著改善中小企业的融资约束,且金融科技会通过降低资金供求双方的信息不对称程度来显著缓解企业的融资约束。进一步研究发现,金融科技更加能够通过对民营企业信息不对称程度的改善来减轻他们面临的融资约束。
1904年,任弼时出生于湖南省湘阴县唐家桥一个贫苦教员之家,原名任培国,曾就读长沙明德中学、湖南第一联合县立中学。1920年8月加入中国社会主义青年团。1921年5月赴莫斯科东方劳动者共产主义大学学习,曾四度旅居莫斯科。1922年加入中国共产党。1927年5月出席中国共产党第五次全国代表大会,当选为中央委员。
小微型核反应堆在民用领域和军用领域均获得了长足的发展,国际上也对其进行了广泛研究,积累了丰富的研究经验。本文首先分析了小微型模块式反应堆的发展背景和研发现状,然后探讨其发展的关键技术难点,最后提出从提高技术创新能力、明确市场需求、探索技术经济平衡、完善安全审查制度、建立国际合作渠道等方面寻求进一步突破。
文章把握“一带一路”沿线经济体在金融开放发展中的空间交互特征及动态趋势,基于资本流量模型测算沿线56个经济体在2008—2018年的金融开放度,并利用空间统计方法展开空间分布特征测算。结果显示:研究期内“一带一路”沿线经济体的金融开放度从低水平的正向空间自相关转变为随机分布。基尼系数测算结果显示,56个经济体间在金融开放度方面的地区差异大致呈现为“U”型曲线,空间异质性特征不断提高,马太效应凸显。基尼系数分解结果显示,四大区域间金融开放差异的贡献率最大,其次是各群体内部发展差异,而跨群交叉影响
本文首先对DFMEA技术进行概述,然后探讨重型汽车变速器的失效模式及其原因,之后分析基于DFMEA技术的重型汽车变速器的失效模式控制措施,最后从润滑性能试验、疲劳寿命试验、静扭强度试验、同步器试验、噪声试验、强制脱挡试验等方面阐述DFMEA技术在重型汽车变速器开发试验中的应用。
随着人民币汇率形成机制市场化进程的加快,汇率波动的弹性空间也逐渐扩大,因此对汇率波动的预测研究具有重要意义。传统的预测模型很难对汇率市场作出有效预测,而新冠肺炎疫情、石油危机引发的市场情绪的恐慌和美股屡次熔断事件更是加大了汇率预测的难度。因此,文章从汇率波动的长记忆性出发,加入代表市场情绪指标的VIX指数,基于长短期记忆深度学习网络模型LSTM进行汇率预测。结果显示,相比传统波动率预测模型,加入情绪指标的LSTM模型预测精度更高。
文章提出将集合经验模式分解和小波变换进行复合,以对单一降噪方法进行改进,并给出了该模型在金融数据降噪中的实际算例。结果显示:复合降噪模型能够克服单一模型中存在的模态混叠以及基函数固定等问题;在金融市场中利用该复合方法,可以得到动态相依性更为准确的估计,为金融时间序列分析和预测提供了新的方法。
文章提出了一个处理含有零回报率的金融数据的框架,即将零值视为缺失的观测值,并用log-GARCH模型进行无偏估计,得到的条件标准偏差参数估计值能最大限度地接近真实值,提高了估计效率。