证券投资基金交易行为影响

利用面板数据模型和二元选择模型对证券投资基金的持仓行为、增减仓行为进行了实证分析,结果表明:基金持有比例和增仓比例越高,相应股票的收益率越高;基金持有比例的高低和基金的增减仓对其价格稳定性没有显著的影响;基金持有比例与股票换手率成反比,基金的持仓是相对稳定的,基金仓位变动量与换手率成正比。     

VaR约束的多目标组合贷款优化决策模型

在VaR约束下,以线性加权和法求多目标规划,建立了组合投资的收益最大,同时方差风险最小的组合贷款多目标优化决策模型.该模型的特点是运用了多目标规划的方法建立投资组合优化问题的多目标函数,利用线性加权和法把多目标规划转化为单目标规划,解决了各个商业银行可根据自己的需要选择适合的损失率与收益率,使组合风险最小、其收益最大的最优投资组合问题;同时考虑了风险之间的相关性.通过VaR约束排除了风险相对较高风险的贷款组合,有效地控制了组合风险,使贷款的分配直接反映了商业银行的风险承受能力,并且确立了在多目标组合贷款中的有效集,它在风险和收益的空间上的轨迹也存在着这样的有效边界.     

基于会计报表和网络中心性的指数增强策略研究

指数增强策略作为一种主动投资和被动投资的有机结合,越来越受到投资者的关注.当前的指数投资主要是通过机器学习等方法对因子进行挖掘,忽略了财务年报等第一手信息.该文提出一种基于会计报表基本面数据和网络科学中心性研究的指数增强策略.首先通过随机森林方法选取行业指数内公司会计报表中具有代表性的指标,其次基于指标的Pearson...     

基于小波变换与SVM的调制信号识别方法

为了准确地识别通信信号的调制方式,运用小波变换与支持向量机（SVM）对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到 SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5 dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。     

结合PCA的SVM方法在学校财务风险预警中的运用

利用支持向量机方法对中职学校财务风险进行预测,设置22个评价指标,运用主成分分析降维处理数据,然后通过Libsvm进行实验。通过对评价指标的主成分分析,发现前8个主分量的累计贡献率为89.18%,占有绝对重要的比重。选取前8个主分量为支持向量机的输入,最后得到5组实验数据,平均预测分类精度为93.75%,表明支持向量机方法在财务风险预测中的可行性和实用性。     

绘图仪传动回差分析与结构改进

为解决某大型绘图仪传动系统回差经常超差的问题,将传动系统各元件的制造误差视作随机误差,采用概率统计方法对各传动元件的空程差进行分析计算,找出影响回差的主要因素．经长时间生产实践证明,通过传动系统改进设计,在不提高零件加工精度的前提下,使该绘图仪回差的一次检验合格率由35．2%提高到100%,用户满意率和工厂效益大幅度提高．     

Hybrid Support Vector Machines-Based Multi-fault Classification

Support Vector Machines （SVM） is a new general machine-learning tool based on structural risk minimization principle. This characteristic is very signific ant for the fault diagnostics when the number of fault samples is limited. Considering that SVM theory is originally designed for a two-class classification, a hybrid SVM scheme is proposed for multi-fault classification of rotating machinery in our paper. Two SVM strategies, 1-v-1 （one versus one） and 1-v-r （one versus rest）, are respectively adopted at different classification levels. At the parallel classification level, using l-v-1 strategy, the fault features extracted by various signal analysis methods are transferred into the multiple parallel SVM and the local classification results are obtained. At the serial classification level, these local results values are fused by one serial SVM based on 1-v-r strategy. The hybrid SVM scheme introduced in our paper not only generalizes the performance of signal binary SVMs but improves the precision and reliability of the fault classification results. The actually testing results show the availability suitability of this new method.     

最小二乘支持向量机分类问题的算法实现

介绍了支持向量机理论、常用的支持向量机内积核函数以及最小二乘支持向量机算法.采用最小二乘法实现了支持向量机分类算法.数字仿真结果表明,该算法的识别正确率可达100%.     

基于ArchimedeanCopula方法的VaR估计

应用了ArchimedeanCopula方法计算了投资组合VaR值,介绍了该方法函数的选择及参数估计,通过对上证综指和浦发银行2只股票的收益率投资组合的VaR计算表明,由GumbelCopula模拟得出的结果与实际数据差距小,能很好地度量股市间的风险.     

多期基金业绩持续性评价新模型及实证研究

构建了基于回归分析的多期基金业绩持续性评价新模型,用于评价单只基金的业绩持续性,利用该模型对中国证券投资基金业绩持续性进行了实证研究.结果表明:基金的业绩不存在持续性;在短期内,基金业绩往往具有反转性;不同的基金超额业绩的计算方法对评价结果的影响很大.     

自适应加权最小二乘支持向量机回归及应用

针对软测量建模样本中数据难以避免存在粗差、以及粗差数据对模型性能的影响,提出了一种自适应加权最小二乘支持向量机(AWLS-SVM)回归建模方法。AWLS-SVM基于建模样本数据,根据最小二乘支持向量机回归模型的拟合残差确定各样本的残差权值,根据样本的空间分布确定杠杆权值,进而通过迭代运算,自适应确定各建模样本的权值,在有效减小粗差点对模型性能影响的同时,保留了其所提供的有效信息。仿真实验表明,AWLS-SVM能有效克服粗差样本数据的影响,其模型的预测性能明显优于LS-SVM和径向基函数网络。最后,应用AWLS-SVM建立粗对苯二甲酸中4-CBA含量软测量模型,获得满意结果。     

社保基金入市的最低收益保证

社保基金已经入市，资本市场是一个充满风险的投资场所，社保基金作为百姓的养命钱如何面对风险，如何避免亏损是一个迫切需要解决的课题。借鉴国外养老基金提供最低收益保证的经验，探讨了我国如何对社保基金入市提供保障，即提供最低收益保证。     

基于word2vec词模型的中文短文本分类方法

针对受字数限定影响的文本特征表达能力弱成为短文本分类中制约效果的主要问题,提出基于word2vec维基百科词模型的中文短文本分类方法(chinese short text classification method based on embedding trained by word2vec from wikipedia, CSTC-EWW),并针对新浪爱问4个主题的短文本集进行相关试验。首先训练维基百科语料库并获取word2vec词模型,然后建立基于此模型的短文本特征,通过SVM、贝叶斯等经典分类器对短文本进行分类。试验结果表明:本研究提出的方法可以有效进行短文本分类,最好情况下的F-度量值可达到81.8%;和词袋(bag-of-words, BOW)模型结合词频-逆文件频率(term frequency-inverse document frequency, TF-IDF)加权表达特征的短文本分类方法以及同样引入外来维基百科语料扩充特征的短文本分类方法相比,本研究分类效果更好,最好情况下的F-度量提高45.2%。     

基于改进加权压缩近邻与最近边界规则SVM训练样本约减选择算法

大规模的训练集中通常含有许多相似样本和大量对分类器模型构造“无用”的冗余信息,利用全部样本进行训练不但会增加训练时间,还可能因为出现“过拟合”现象而导致泛化能力下降。针对这一问题,本文从最具代表性样本与最近边界样本两个角度综合考虑,提出一种基于改进加权压缩近邻与最近边界规则SVM训练样本约减选择算法。该算法考虑到有价值训练样本对SVM分类器性能的重要影响,引进减法聚类利用改进的加权压缩近邻方法选择最具代表性的样本进行训练,在此基础上利用最近边界规则在随机小样本池中选择边界样本提高分类精度。在UCI和KDD Cup 1999数据集上的实验结果表明,本文的算法能够有效地去除大训练集中的冗余信息,以较少的样本获得更好的分类性能。     

社会保险基金投资收益与风险的双目标规划模型及应用

社会保险基金的运作 ,普遍存在投资收益与投资风险的相互关联问题 ,如何在尽可能小的风险下 ,求得最大收益是值得研究的问题。通过建立投资收益与风险的双目标规划寻求较为合理的投资策略     

基于趋势变化分段的电力负荷组合预测方法

提出了一种基于趋势变化分段的电力负荷组合预测方法,该方法基于趋势变化与加权组合的思想,有效提高了电力负荷的预测精度。在充分研究电力负荷“三峰三谷”变化特性的基础上,将电力负荷变化曲线划分为六个时段,每个时段均采用线性回归法、趋势变化法、BP神经网络和支持向量机的加权组合预测方式,并基于最小二乘法的思想,求解得到了模型最优参数。最后以苏北某地区的电力负荷预测为例进行了分析,结果表明该方法预测电力负荷的平均相对误差为2.83%,精度高,在电力系统具有较好的应用价值,从而验证了该方法的有效性与可行性。     

Improved Approach Based on SVM for License Plate Character Recognition

An improved approach based on support vector machine （SVM） called the center distance ratio method is presented for license plate character recognition. First the support vectors are pre-extraeted. A minimal set called the margin vector set, which contains all support vectors, is extracted. These margin vectors compose new training data and construct the classifier by using the general SVM optimized. The experimental resuhs show that the improved SVM method does well at correct rate and training speed.     

基于AHP和TOPSIS方法的基金绩效评价研究

提出了包含基金收益、风险、成长性、经理人能力、二级市场表现、费用等要素的基金绩效综合评价指标体系,应用基于AHP和TOPSIS的综合性方法,确定了指标权重,对15种基金进行了实证研究.结果表明该方法具有重要的经济应用价值.     

基于支持向量机的随机聚焦搜索算法优化冲压成形工艺

针对板料冲压成形工艺优化问题,研究了一种新的优化设计方法。采用支持向量机(support vector ma-chine,SVM)构建工艺参数与成形质量之间的多元非线性回归函数模型,在此基础上将一种新的群集智能算法,即随机聚焦搜索(stochastic focusing search,SFS)算法应用于冲压成形工艺参数寻优,以达到优化成形质量的目的。结合盒形件拉深实验证明,SVM在小样本条件下学习后所构建的非线性拟合精度比神经网络具有优势,表明了SVM具有更好的泛化性能。在SVM模型基础上应用SFS算法对板料冲压成形的工艺参数进行优化,将优化后的工艺参数进行实验验证,结果表明可获得较好的成形质量,说明了该优化方法具有较好的精确度和有效性,有一定的工程实用价值。     

基于信息熵的异常检测算法

针对K-means异常检测算法检测性能低的问题,提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心,避免了初始中心的随机选择。在此基础上,引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离,通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明,改进算法具有更高的检测率和更低的误检率,应用于电力负荷数据时检测率达到了90. 5%,能够有效地检测出异常的负荷数据。