BP 神经网络在基金价格预测中的应用研究

研究基金价格变化的准确预测问题.针对基金价格变化规律相当复杂,影响因素间非线性程度相当的高,传统预测方法不能很好反映非线性规律,导致基金价格预测精度不高.为了基金价格预测精度,提出一种基于 BP 神经网络的基金价格预测模型.通过 BP 神经网络优异的非线性逼近能力和自学习能力对基金价格数据进行训练和预测,同时通过自适应学习速率动态地调速 BP 神经网络学习速率,对基金价格进行预测.通过对金泰基金的仿真研究,表明了改进的 BP 神经网络比其它基金价格预测具有更高的精确度,能准确地捕捉基金价格的变化趋势,为基金价格预测提供了参考.     

“金保工程”数据仓库与社保基金管理分析预测

通过建设"金保工程"数据仓库和开发社会保险基金管理分析系统,提供用于支持社会保险基金管理决策的信息.介绍了"金保工程"数据仓库体系结构、模型设计和分析预测功能,提出了"金保工程"数据仓库和社会保险基金分析预测系统开发方法.     

认知基金种类,合理配置资产

理财是对我们的财产、收支进行合理分配,以便使我们能更好地增加财富,更从容地应对各项支出。如果用基金作为理财的工具,我们该如何分配自己的资产呢?首先,我们要知道有哪些种类的基金可供投资。     

社保基金绩效审计目标与内容初探

社会保险基金绩效审计是对社会保险基金征缴、发放、管理和运营的绩效情况实施的审计监督。文章针对社会保险基金的特点,就社会保险基金绩效审计的相关问题进行粗浅探讨。     

社会保险信息系统中基金征缴算法

社会保险基金的征缴是社会保险信息系统中的关键环节,按时、足额征收社会保险基金将保证社会保险正常和安全运行,促进社会和谐和稳定。文章着重介绍了社会保险基金的统一征缴的特征、算法以及其功能。     

基于J2EE的社会保险基金风险预警系统的设计

实施社会保险基金风险预警预报,是确保社会保险基金安全,完善社会保障体系的有效措施.提出了基于J2EE技术支持的社会保险基金运营风险预警系统的系统架构、功能框架、MVC结构等总体设计思路,继而给出系统的EJB详细设计方案.     

基于RF-BP组合模型的混合型基金预测研究

针对传统的预测方法在处理混合型基金净值时存在指标选择困难,预测周期长,误差大等问题。提出将随机森林算法与改进型BP算法组合成RF-BP模型对混合型基金的周净值进行了预测。通过对A基金为代表的数只不同类的混合型基金的仿真研究表明,该组合模型的预测精度达到98%,较好地预测了基金净值的变化趋势,且具有较好的泛化性和普适性,为投资者、管理者提供了投资参考。     

灰色预测在基金走势预测中的应用

针对金融危机的加剧导致基金投资的较大风险。提出用灰色预测的方法,对基金的走势进行预测。通过灰色预测对原始数据进行处理和建立灰色模型,发现、掌握系统发展规律,对系统的未来状态做出科学的定量预测。实例证明,该方法具有理论意义和实用价值。     

开启“金保工程”之门的金钥匙

社保信息化时不我待 20世纪80年代,我国开始进行劳动保障制度改革,以后随着我国经济结构的调整和各项劳动保障行政法规的陆续出台,劳动保障事业发展迅猛,人员流动日益频繁,信息量急剧增加。到2002年底,社会保险参保人员已达1.6亿多人,基金收支总量达7520.2亿元。面对如此庞大的资金量和信息量,仅靠手工操作和低水平的单机管理已经难以为继。面对劳动者和参保人员,劳动保障部门要提供记录一生,管理一生,服     

互联网基金销售创新与发展研究

随着互联网基金的不断发展,互联网基金销售水平稳步提升,基金合作伙伴越来越多。详细介绍了互联网基金销售的发展现状,分析了余额宝、现金宝和活期宝3个典型产品各自的优势和特点,最后对互联网基金销售的未来发展趋势进行预测,为更多基金公司开展互联网应用提出了5点建议。     

数据挖掘在银行零售业的应用

采用数据挖掘手段,基于某银行零售业的数据,分析了客户的投资偏好。采用CART决策树进行特征筛选,发现客户群体年龄大于30岁,资产处于5万以上且工作稳定的保守型客户更倾向于购买银行基金产品。此外,还构建了逻辑回归模型对客户购买基金的概率进行预测。结果表明,通过数据挖掘相关方法所筛选得到的客户群体有更高的购买概率,因此极大地提高了银行从业人员的工作效率。     

COSO与COBIT助力社保系统

随着社保系统规模的不断扩大，系统的复杂度不断提高，社会保险系统及社保基金的安全性面临的风险也在不断加大，近年来全国各地就已经陆续出现多起危害社保基金安全的案例。     

若尔盖高原区域碳收支参量多尺度遥感综合观测试验:科学目标与试验设计

介绍了若尔盖高原区域碳收支参量多尺度遥感综合观测试验的研究背景、科学目标、关键问题、观测方案、观测系统设置和后续观测计划.总体目标是,开展若尔盖高原区域湿地-草地生态系统碳收支参量多尺度遥感与地面同步观测试验,为人为干扰条件下湿地-草地生态系统碳收支变化过程研究积累基础数据;发展能够融合多源、多尺度遥感观测的碳收支相关参量反演模型,为实现卫星遥感对区域尺度碳收支研究提供方法和范例;建立区域尺度上的多尺度观测体系,通过多源遥感技术与生态过程模型的耦合,降低碳收支遥感监测及模拟的不确定性,更加综合地理解湿地-草地生态系统不同时空尺度上的碳收支过程;增强遥感技术在湿地生态研究的应用性,并最终为区域湿地保护提供重要依据.试验以人为干扰剧烈的若尔盖高原湿地-草地区域为试验区,以碳循环过程的关键参量为主要观测对象,利用卫星遥感、航空遥感、地基遥感、通量观测、生态观测等相关设备,开展航空、卫星和地面配合的大型综合观测试验,精细化观测若尔盖高原沼泽化草甸、湿草甸、草甸、草原等不同覆被类型的碳收支过程的各个分量.讨论了碳收支参量的多尺度观测与时空尺度扩展问题,展望了同步综合观测试验在陆地生态系统碳循环研究的应用前景.     

社会保险基金财务系统精细化管理研究与实践

在分析社会保险基金管理特点的基础上,提出满足基金精细化管理要求的一体化建设思路,并详细描述了系统的应用架构和数据模型。通过建设与业务管理系统一体化的基金财务系统,实现财务会计凭证核算信息的自动生成,并且与业务经办信息校核,达到精细化管理的目标。     

社会保险管理信息系统的开发设计

在社会保险业务管理方面,社会保险管理信息系统提供了高效管理的可能性.随着社会保险业务量的日益增多,社会保险业务亟需实施计算机网络管理,实现业务的快速处理、实时统计和科学预测.为了达到这个目的,本文将在阐述社会保险管理业务流程的基础上,重点研究社会保险管理信息系统的开发和设计方法,以解决社会保险数据网络存储问题和信息系统安全性问题.     

基于IGS和SVM的烧结返矿量智能集成预测模型

针对烧结返矿量难以进行有效预测的问题,提出一种智能集成预测模型.首先利用改进灰色系统和支持向量机两个单一模型分别对返矿量进行预测;然后基于预测精度的数学期望和标准差,通过求取最优加权系数,建立烧结返矿量智能集成预测模型进行返矿量集成预测.运行结果表明,该集成模型的预测精度高于单一模型,能有效地对返矿量进行预测.     

基于智能流量预测的入侵检测方法

为了提高入侵检测系统检测的实时性,提出了一种基于智能流量预测的入侵检测方法。该方法拟合了智能Agent的智能性、自主性和自适应性的优点以及灰色预测对不确定资源的科学预测的优点,用流量预测智能Agent预测得到的流量序列来代替未来一段时间段内的实际流量,并把这个预测序列作为检测对象集的一部分。然后用人工方法模拟了流量处理Agent与预测智能Agent的活动,并通过对实际的采集数据进行仿真,实验证明了预测智能Agent的预测活动的科学性。     

基于LSTM-BP组合模型的短时交通流预测

为减轻日益严重的交通拥堵问题,实现智能交通管控,给交通流诱导和交通出行提供准确实时的交通流预测数据,设计了基于长短时记忆神经网络（LSTM）和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子,建立时间序列预测模型框架,借助Matlab完成从数据的处理到模型的仿真,实现基于LSTM-BP的短时交通流精确预测.通过与LSTM\BP\WNN三种预测网络模型的对比,结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建,可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考.     

道路交通流短时预测方法综述

道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础,中长期预测预报可为交通规划、交通管理措施的制定提供科学依据。本文概述了道路交通流预测方法的发展历程,分析比较了各预测模型的优点、缺点及适用情况,给出了道路交通预测的一般流程。简介了模型的应用情况,提出交通流量预测今后可能的发展趋势。     

混合神经网络挖掘模型在交通流量预测中的研究

交通流量预测是交通控制与交通诱导的关键技术,然而对于实现准确流量预测的可靠知识隐藏在大量的交通数据之中,需要对海量数据进行挖掘以发现潜在流量变化规律.传统的交通流量预测主要依靠专家经验对数据进行类别标记,其预测结果受到专家知识限制的影响较大.为了减轻人为因素的影响,提出一种混合智能数据挖掘的交通流量预测模型.首先利用自组织神经网络(SOM)的无监督学习方式实现海量数据类型特性的自动标识,降低对专家经验的依赖度;其次采用改进遗传算法(GA)优化模糊神经网络(FNN),对标识数据进行学习,建立交通流量预测模型.通过对智能交通系统(ITS)的实际数据进行分析,结果表明本文所提出的数据挖掘方法准确有效,预测精度达到95%,比不使用遗传算法优化提高了近8%.