排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
在实际问题中,经常会碰到海量数据或者样本点较少,自变量较多的数据。对此可以利用递阶偏最小二乘回归来建立线性模型。但是一个直接的问题是如何对自变量进行分组。由此提出了基于聚类分析的递阶偏最小二乘回归方法,在对解释变量分组时引入聚类分析。通过对长江宜昌段水沙观测数据作实证分析后发现,基于聚类分析的递阶偏最小二乘回归方法是有效可行的,而且用该方法建立的回归模型比一般的偏最小二乘回归模型拟合能力更强。 相似文献
2.
结合黄河下游冲淤型河段两个水文站的实测水沙资料,用非线性分析等方法,找出影响河道水位的主要非线性影响因素,在水位拟合模型的基础上,得出水位预报模型,实现水位过程的非线性预报。 相似文献
3.
为研究证券最优投资组合问题,从投资组合理论的风险度量着手,用VaR和熵来共同度量风险,提出新的风险度量模型:均值-VaR-熵模型。在证券收益率服从非正态分布的假设下,以VaR和叉熵的线性组合为最小目标函数,预期收益率为约束条件,构建考虑交易成本、不允许卖空的基于均值-VaR-熵的证券投资组合模型,探讨证券投资选择及比例分配问题,并利用实际数据求得该模型的最优解及各证券的分配比例。结果表明,多元化投资是证券投资者在风险最小的情况下实现预期收益目标的必然选择。 相似文献
4.
1