求解CVaR投资组合优化问题之改进PSO算法

研究了基于CVaR约束的的最优投资决策问题,为避免维数障碍,针对Fredrik提出的CVaR投资组合优化线性规划模型还原为非线性规划。通过引入缩进因子,改进PSO算法,使粒子在迭代过程中保持在可行域内。最后,通过算例证明了该文方法的有效性,计算结果表明,投资组合优化后的损失期望收益率、标准差、受险价值、条件受险价值等重要风险衡量指标都有了较大改进。     

基于类-属性关联度的启发式离散化技术

连续属性离散化在数据挖掘、机器学习和人工智能等领域起着重要的作用.鉴于此,提出一种基于类-属性关联度的启发式离散化技术.该技术定义了一个新的离散化标准,根据数据本身的特性选择最佳断点,克服了目前最先进自顶向下离散化方法存在的缺陷.基于粗糙集理论中变精度粗糙集模型,提出一种新的不一致衡量标准,能够有效地控制离散化所产生的信息丢失,允许数据存在适当的分类错误度.实验结果和统计性分析表明,所提出的技术显著地提高了J4.8决策树和SVM分类器的学习精度.     

基于遗传算法和神经网络的新股上市价格预测法

新股上市价格预测方法的研究具有重要的理论和实践意义。鉴于此，该文提出了一种基于遗传算法和神经网络的新股上市价格预测方法。将影响股票价格的因素抽象出来，部分纳斯达克新股上市价格的历史数据作为训练样本，确定该文新股上市价格预测方法中的相关参数。并以另外9家公司的上市股票为测试样本验证了该方法的有效性。     

ZnMn2O4/Mn2O3/CNT复合正极材料的制备及其在水锌离子电池中的应用

以Zn(NO3)2·6H2O、Mn(AcO)2·4H2O和碳纳米管(CNT)为原料,经过表面活性剂辅助溶剂热反应合成了CNT包覆ZnMn2O4/Mn2O3(ZMO/MO)复合材料,通过XRD和SEM对材料的结构和形貌进行表征.结果表明,CNT均匀包覆在微球状ZMO/MO复合物的表面.在0.1 A/g电流密度下,CNT包覆量为10％(即CNT质量占复合微球质量的百分数,下同)的ZMO/MO/10CNT复合材料放电比容量为112.8 mA·h/g,并且在300次循环后仍能保持在49.6 mA·h/g的可逆比容量.在电流密度为0.1、0.2、0.4、0.8、1.2、2.0 A/g时,其放电比容量分别为126.2、124.4、115.4、94.2、57.3和45.0 mA·h/g.采用循环伏安曲线和电化学阻抗探究了电极的动力学特性,两相复合提高了Zn2+扩散速率,CNT的包覆改善了材料的电荷传递.