Applying Dynamic Training‐Subset Selection Methods Using Genetic Programming for Forecasting Implied Volatility

Volatility is a key variable in option pricing, trading, and hedging strategies. The purpose of this article is to improve the accuracy of forecasting implied volatility using an extension of genetic programming (GP) by means of dynamic training‐subset selection methods. These methods manipulate the training data in order to improve the out‐of‐sample patterns fitting. When applied with the static subset selection method using a single training data sample, GP could generate forecasting models, which are not adapted to some out‐of‐sample fitness cases. In order to improve the predictive accuracy of generated GP patterns, dynamic subset selection methods are introduced to the GP algorithm allowing a regular change of the training sample during evolution. Four dynamic training‐subset selection methods are proposed based on random, sequential, or adaptive subset selection. The latest approach uses an adaptive subset weight measuring the sample difficulty according to the fitness cases' errors. Using real data from S&P500 index options, these techniques are compared with the static subset selection method. Based on mean squared error total and percentage of non‐fitted observations, results show that the dynamic approach improves the forecasting performance of the generated GP models, especially those obtained from the adaptive‐random training‐subset selection method applied to the whole set of training samples.     

基于前景值的多类型出行者逐日路径选择模型

为研究非平衡态下的出行者逐日路径选择行为,以前景理论为基础,综合考虑出行者对路网随机性和逐日路径调整行为中的有限理性,基于出行经验数据逐日更新预留出行时间参考点,根据有限记忆规则和理解行程时间更新计算逐日路径前景值,并构建基于转移系数的逐日流量更新规则。最后结合算例分析了有限理性、完全理性、完全历史信息和非完全历史信息出行者所占比例及预留行程时间可靠度值对路网达到平衡态的演化时间及最终流量分布状态的影响。     

灰色DNGM(1,1)预测模型及其优化

传统的灰色GM(1,1)预测模型是针对近似齐次指数序列建立的预测模型。为了拓广灰色预测模型的适用范围,建立了近似非齐次指数序列的灰色DNGM(1,1)预测模型。研究了这种灰色预测模型的性质,证明了这种模型都具有线性不变性,也能够完全拟合非齐次指数序列。考虑到初值条件对灰色模型的影响,对该模型进行了参数优化。数据仿真和实例分析表明,灰色DNGM(1,1)预测模型具有较高的预测精度。     

基于效用曲线改进的前景理论价值函数

针对选取前景理论函数参数时仅考虑决策的不理性而并未区分决策者的风险态度这一特点,基于效用曲线改进了前景理论价值函数的形式并扩展了其参数范围.该函数借鉴效用曲线依据曲线形状区分决策者风险态度的方法,同时对比已有的实验数据,得出价值函数曲线形状与决策者风险态度相关,为价值函数参数选取提供了一定的理论依据.计算实例表明,该方法便于参数选取,决策结果稳定、有效,此外,风险决策时决策结果受参考点变化的影响远大于决策者不同的风险态度,在实际决策时对于参考点的选取需要非常谨慎.     

浅析建筑三维动画技术

在建筑方案设计阶段和工程完成后,三维动画为筛选、优化设计方案、评估城市景观、协调工程与环境的关系,都创造了有利条件。主要介绍建三维动画的简介,制作过程,及得到的启示,最后介绍了建筑三维动画的优势和广阔发展前景。     

神经网络在天气预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自 学习和自适应等一系列优点,因而用它来进行天气预报是可行的．针对天气预报问题,初步 建立了基于神经网络的预报系统,给出了应用实例．     

我国玉米供需曲线估测与市场预测

通过两阶段最小二乘法估测了我国玉米供需曲线,并预测未来两年均衡价格和净进口量.研究发现影响我国玉米供给的因素有玉米价格、大豆价格、技术进步和成灾率,影响我国玉米需求的因素有玉米价格、小麦价格、人均国内生产总值和总人口;预测未来两年我国玉米价格和净进口量都将呈上升趋势,我国将成为玉米净进口国.     

应用气温临界指标法在松花江依兰站预报开江日期示例

针对依兰站江段易发生冰凌卡塞、冰坝特点,采用气温临界指标法对松花江依兰站开江日期进行预报。示例列出了1962—2008年共计46 a预报结果,并作以误差分析。     

改进的灰色灾变模型在干旱预测中的应用

为提高传统的GM(1,1)模型精度,分别从原始数据序列检验和建立残差修正模型两方面进行了改进,并将改进的灰色灾变模型与不进行原始序列检验的GM(1,1)1模型和对原始数据序列进行检验的GM(1,1)2模型进行了比较。结果表明:改进的灰色灾变模型精度最高;运用该模型预测榆林市未来可能发生干旱的年份分别为2012年、2015年和2019年。     

瀑布沟水电站中小洪水实时预报调度技术研究

通过分析大渡河瀑布沟水库上游与中下游来水特性、洪水遭遇规律和下游防洪要求等,对各种条件下设计洪水、典型大洪水进行调洪演算。根据预报预泄调度方案对原设计调洪规则进行了优化。结果表明,在不降低水库防洪标准和基本不增加下游防洪压力,并适度承担风险的前提下,水库最大下泄流量较优化前明显偏小,高水位持续时间也缩短。研究结果为今后实施中小洪水实时预报调度提供了技术支撑,并为进一步研究洪水资源化提供了基础。