证券投资组合问题的人工神经网络求解

证券投资组合问题属于大规模求解问题,如何提高模型运算的速度和精度,决定了模型能否在实际中获得广泛应用.利用人工神经网络求解证券投资组合问题,以求提高求解的速度和精度.通过对建立的模型进行计算机模拟运算,结果证明该方法是可行的.     

求解证券组合问题的拟模拟退火算法

很多求解证券组合问题方法是基于Markowitz模型当中的协方差矩阵是正定的这一前提条件下,但实际上这一条件并不具有一般性,提出的求解证关组合问题的拟模拟退火算法回避了这个问题,更具有实用性。     

证券投资组合模型分析

讨论了证券投资组合模型分析的基本原理，并针对单拽数模型的局限性；提出了一个改进的投资组合模型，从而提高了证券投资组合简化模型分析的精度。     

组合证券投资最优模型研究

针对Markowitz组合证券最优化模型在实际操作上的不足,提出了一种改进的组合证券最优化模型,意在增加模型的实际操作性,并以实例作了有关说明。     

证券投资组合计算模型研究

以证券组合的收益率及其方差作为证券组合投资收益和风险的两个度量指标,建立了证券投资组合的基本模型和不相关证券投资组合的优化模型及其求解方法。     

非最优组合证券投资的风险估计方法

讨论了非最优组合证券投资的风险估计问题，给出了风险上界的两个估计公式，并利用这些公式对一类简单实用的组合证券投资方法进行了研究和比较。     

证券投资组合计算模型研究

以证券组合的收益率及其方差作为证券组合投资收益和风险的两个度量指标，建立了证券投资组合的基本模型和不相关证券投资组合的优化模型及其求解方法。     

模糊数证券组合投资选择模型与求解

针对预期收益率与风险损失率为模糊数时,建立了一种具有模糊系数的证券组合投资选择模型。利用一种对模糊数排序的方法,将模型转化为传统的线性规划问题求解。     

证券投资组合问题的一种解法

对Ｍａｒｋｏｗｉｔｚ模型当中的投资组合协方差矩阵的正定性进行了分析，说明该矩阵在一般条件下不具有正定性，并针对该模型提出了一种新的迭代求解方法，提出的求解方法不要求投资组合协方差矩阵满足正定性，因此比以往的一些方法更具实用性．     

组合证券投资有效边界的进一步研究

研究了不允许卖空情况下有效证券组合的结构特征，证明了其有效边界由一系列开口向上的抛物线段光滑连接而成，给出了连续确定有效证券组合构成变动及相应的有效边界的方法，并将有关结果推广到考虑外汇套期保值的国际组合证券投资决策中。     

人工神经网络在数据挖掘中的应用

在分析了现行数据挖掘方法后，介绍一种基于数据库的挖掘方法一人工神经网络(Artificial Neural Network)方法，通过对数库据中数据样本的学习，自动发现隐含的大量知识，具体给出了神经网络方法的学习模型和算法．该方法丰富了数据挖掘工具，使定性变量和复杂、动态数据的科学处理成为现实．     

人工神经网络在交通网络OD矩阵推算中的应用

交通网络中ＯＤ矩阵的推算曾一度成为交通规划界的热点,国内外不少学者也提出了一些计算模型和求解方法。在此基础上,针对常规求解方法的不足,提出了应用神经网络来进行ＯＤ矩阵的推算,最后通过实例,分析了此方法的精度,从理论上和实践上证实了该方法的可行性。     

人工神经网络在钢水二次精炼脱磷中的运用

使用CaO基渣系对钢水进行二次精炼脱磷,基于BP神经网络建立脱磷预报系统。对于初始组成(质量分数)为:CaO(48%)-CaF2(32%)-Fe2O3(20%)的熔剂,通过实验与脱磷预报系统的预报发现:①添加剂BaO替代熔剂中CaO的量>13%时,脱磷率ηP90%;②Fe2O3添加量在25%～37%之间时,ηP90%;③渣中存在SiO2时,脱磷率将大幅降低。     

基于神经网络的注塑制品材料选择方法

分析了注塑制品的功能要求与注塑材料性能之间的相互关系,提出了一种基于BP神经网络的注塑材料选择方法,采用模糊数学方法表示对材料的选定度.通过训练样本使神经网络学习选材知识,利用测试样本对网络的性能进行验证.结果表明,此网络可以较好地解决注塑材料的选择问题,并且具有可扩展性, 新材料可以方便地添加到选材网络中.     

组合证券投资风险的偏好研究

为了对投资者进行投资决策提供参考,在新的风险测度下,对组合证券投资的正权重进行了分析研究．并结合案例分析,比较了一些常见的正权重在组合证券投资中风险值的大小．     

人工神经网络在水工结构优化中的应用

采用人工神经网络方法 ,为水工结构优化提供初始方案 .通过典型的混凝土重力坝断面优化的例子 ,说明该方法能形成很好的初始方案 ,并容易推广到其他结构优化中     

基于当前价格的证券组合比例的选择及其风险

本文对当前价格的证券投资问题进行研究，得到基于当前价格的证券投资组合比例及其相应的风险。并说明Markowitz的证券投资组合比例仅是这一问题的一个特殊情况。     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．