检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于极限学习机算法的证券市场内部交易识别

基于极限学习机算法的证券市场内部交易识别

作者：刘艳彩长春工业大学

学位级别：硕士

随着金融行业的快速发展,内部交易是一种普遍发生的行为,这种行为对证券市场造成了负面影响。内部交易识别研究是检测内部交易行为的重要方法,对内部交易的监管有着重要意义,因此研究内部交易识别是必不可少的内容。对于证券市场出现的... 详细信息

随着金融行业的快速发展,内部交易是一种普遍发生的行为,这种行为对证券市场造成了负面影响。内部交易识别研究是检测内部交易行为的重要方法,对内部交易的监管有着重要意义,因此研究内部交易识别是必不可少的内容。对于证券市场出现的内部交易现象,本文收集了2008年至2022年中国证监会公布的对内部交易惩罚的公司股票样本及对照样本,按照不同的时间窗口从证券市场表现、财务表现、股权结构及治理体系选取特征变量,并收集指标数据。主要工作如下:第一部分针对内部交易行为隐蔽,难以识别等问题,本文提出将极限学习机应用于内部交易识别研究中,并针对极限学习机中的参数是随机生成会导致分类精度不高的问题,提出将四个不同的核函数线性组合,构建具有混合核的混合核极限学习机,然后对模型进行性能评估,并将混合核极限学习机模型应用于内部交易识别研究中,与随机森林、密集神经网络、朴素贝叶斯、决策树、极限学习机的内部交易识别结果进行对比,基于准确率、精确率、召回率、F1-score和特异性进行评价。实验结果表明,本文提出的四个核函数线性组合的混合核极限学习机有效的提高内部交易识别效率,混合核极限学习机模型应用于内部交易识别具有可行性。第二部分针对混合核极限学习机中包含多个可以调节的参数,本文采用了粒子群算法对参数进行优化,同时考虑到粒子群算法寻优时容易陷入局部最优的不足,对粒子群进行改进,提高粒子群算法性能,并构建改进粒子群优化混合核极限学习机内部交易识别模型,并与其他模型的结果进行对比,基于准确率、精确率、召回率、F1-score和特异性进行评价。实验结果表明,本文提出的改进粒子群优化混合核极限学习机在不同时间窗口得到的平均准确率为83.96%,有效的提高内部交易识别效率,时间窗口为90天得到的模型结果更佳且稳定,改进粒子群算法有效的优化了混合核极限学习机。实验结果表明了所提出模型在内部交易识别研究的可行性,有助于监管部门准确把握发生的内部交易行为,具有实际意义。

关键词：内部交易证券市场时间窗口极限学习机粒子群

基于经验小波变换和神经网络的金融时间序列预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于经验小波变换和神经网络的金融时间序列预测研究

作者：姚佳红长春工业大学

学位级别：硕士

近年来,神经网络模型被广泛应用于金融时间序列的分析和预测中,因此如何揭示金融数据的内在规律和特征与建立高精度预测的神经网络模型成为当前研究的热点。本文通过采用经验小波变换、回声状态网络、BP神经网络、优化算法等,利用混沌Lo... 详细信息

近年来,神经网络模型被广泛应用于金融时间序列的分析和预测中,因此如何揭示金融数据的内在规律和特征与建立高精度预测的神经网络模型成为当前研究的热点。本文通过采用经验小波变换、回声状态网络、BP神经网络、优化算法等,利用混沌Lorenz系统进行数值模拟,并探究组合预测模型在金融时间序列预测中的性能。主要工作有:针对股票价格时间序列的预测问题,本文提出一种基于经验小波变换、粒子群算法和回声状态网络相结合的预测模型。利用最大Lyapunov指数判别中证500、贵州茅台、三一重工三只股票价格时间序列的混沌特性。接着应用经验小波变换将股票时间序列数据分解至不同的分量中,对各分量进行相空间重构,然后利用粒子群算法优化回声状态网络的权值,将优化好的输出权值代入回声状态网络进行训练预测。最后综合各分量的预测值,得到原序列的预测值。实验结果表明,与其他模型相比,该模型能够有效的预测股价,进一步提高了预测精度。针对期货价格时间序列的预测问题,本文提出一种基于经验小波变换、Adaboost算法和BP神经网络相结合的预测模型。利用最大Lyapunov指数判别玉米和大豆两组期货价格时间序列的混沌特性。接着应用经验小波变换将期货价格时间序列分解成若干个分量,并利用Adaboost算法将每次迭代中产生的BP弱预测器结合起来,组成一个强预测器对各子序列分别进行预测。最后将每个分量的预测值进行融合计算以得到最终的预测值。实验结果表明,该组合预测模型能够很好的预测出期货价格。针对金融时间序列的混沌和非平稳的特点,本文将混沌理论应用于金融时间序列的研究工作中,结果表明所提模型能够有效的提升金融市场价格的预测能力。这些研究成果有利于进一步分析金融市场的风险发生规律,帮助投资者规避风险并扩大收益。

关键词：金融时间序列混沌理论相空间重构经验小波变换神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

相依误差下回归模型的贝叶斯变量选择

相依误差下回归模型的贝叶斯变量选择

作者：路征长春工业大学

学位级别：硕士

近年来,基于回归模型的统计学研究,越来越受到学者们的关注。在当代飞速发展的社会环境下,高维数据随处可见,但是并不是所有的数据都有意义,为了缩小成本,降低消耗,人们更关心一些重要变量,因此,高维数据的变量选择是一个重要的研究课... 详细信息

近年来,基于回归模型的统计学研究,越来越受到学者们的关注。在当代飞速发展的社会环境下,高维数据随处可见,但是并不是所有的数据都有意义,为了缩小成本,降低消耗,人们更关心一些重要变量,因此,高维数据的变量选择是一个重要的研究课题。贝叶斯方法以高效的估计效率以及灵活的机制,在众多变量选择方法当中脱颖而出,对于参数模型和非参数模型同样适用。由于其统计推断的灵活性,同时结合了先验信息,所以它的实际结果更加精确,受到众多统计学者的青睐,近年来,随着计算机性能的不断增强和抽样技术的的不断提高,从而解决了贝叶斯计算量大,计算难的问题,使得贝叶斯方法在实际应用中越来越容易实现,得到了统计学者们的广泛应用。本文采用贝叶斯方法,来处理一些实际的课题:相依误差下回归模型的贝叶斯变量选择。首先本文介绍了回归模型和自回归模型的统计分析,基于统计学者的研究成果,把相依误差应用于回归模型和自回归模型中,分别构造REGAR模型（Regression Autoregression Model）和AR-AR（Autoregression Autoregression Model）模型,在基于EM算法的基础上,提出了一种新的贝叶斯变量选择方法,简称为EMVS,它通过引入“spike and slab”先验,从而确定参数?的最大后验估计（MAP）,然后通过一个额外的门限参数用来估计示性变量?,从而获得?的系数估计。这种方法不仅具有模型识别率高的特点,而且计算量也比较小。相依误差下回归模型的贝叶斯变量选择模拟结果与相依误差Lasso做对比,得出贝叶斯方法优于Lasso方法,最后将相依误差下回归模型的贝叶斯变量选择应用到实际中,本文还还采用2013年到2019年的全国货币供应量以及其影响因素的面板数据,通过相依误差下回归模型的贝叶斯变量选择,确定影响货币供应量的因素有:得出影响货币供应量的影响因素有货币供应量与燃料类商品价格指数,居民消费价格指数,准货币供应量（亿元）,国家财政收入（亿元）。

关键词：相依误差回归模型贝叶斯变量选择 REGAR模型 AR-AR模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

可降解天线设计

可降解天线设计

作者：黄劲风南京航空航天大学

学位级别：硕士

21世纪,电子信息技术的发展达到了一个新的高点。随着电子信息技术的快速发展,难处理、不可降解的电子垃圾逐年增多,环境污染问题日趋严重。天线作为无线通信系统中不可或缺的组成部分,是影响通信系统性能的关键器件。以可降解材料替代... 详细信息

21世纪,电子信息技术的发展达到了一个新的高点。随着电子信息技术的快速发展,难处理、不可降解的电子垃圾逐年增多,环境污染问题日趋严重。天线作为无线通信系统中不可或缺的组成部分,是影响通信系统性能的关键器件。以可降解材料替代传统材料设计天线,成为了当前环境下天线发展的新趋势。本文以环境保护为设计理念,提出可降解天线设计。主要分为以下几个方面开展研究:1)使用可降解材料纯水,聚乳酸（Polylactic Acid,PLA）以及铜,本文提出一种无接触式馈电的方向图可重构水天线。该天线共有25个工作状态,包含1个全向性状态和24个定向性状态。天线不需要工作时可以将水完全排出,从而实现天线隐身。通过采用独特的耦合式馈电结构,该天线可以实现馈电结构与水的完全无接触,工作带宽为2.36 GHz-2.6 GHz(S<-10 d B),覆盖ISM（Industrial Scientific Medical）频带,最大增益为5.8d Bi,效率可达70%。2)使用生物可降解金属镁,本文提出了一种蛇形线结构的环形胶囊天线。利用蛇形线结构,天线尺寸可以大幅度降低。该天线设计可应用于胶囊形医疗植入物,在仿真与测试时,天线结构被放置于50 mm的肌肉组织或者介电常数与电导率相近的溶液内部。该天线工作于2.12 GHz-2.71 GHz,覆盖ISM频段（2.4 GHz-2.48GHz）,最大增益为-18.92d Bi,效率可达0.6%。由于镁及镁离子的生物可降解特性性,该胶囊天线对人体无害并且可在人体内分解吸收。3)基于生物可降解金属镁,本文提出了一种希尔伯特曲线结构的环形胶囊天线。该天线采用希尔伯特曲线结构,实现极小的电尺寸。通过将其放置在人体组织内部进行仿真,该天线工作于765 MHz-1143 MHz,覆盖ISM频段（902 MHz-928 MHz）,最大增益为-15.42 d Bi,效率可达1.5%。实验结果表明,该类型天线可以应用于无线胶囊内窥镜系统,并达到良好的实用效果。

关键词：可降解材料方向图可重构水天线胶囊天线环形天线

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于无线通信的液体天线研究

基于无线通信的液体天线研究

作者：朱佳佳南京航空航天大学

学位级别：硕士

随着无线通信系统在军事、民用领域的广泛应用,天线作为系统中必不可少的部分发挥了至关重要的作用。液体天线作为一种新型天线,充分利用了液体的流动性、透明性等特性,具有可重构性强,雷达散射截面小等优点,在未来无线通信领域具有潜... 详细信息

随着无线通信系统在军事、民用领域的广泛应用,天线作为系统中必不可少的部分发挥了至关重要的作用。液体天线作为一种新型天线,充分利用了液体的流动性、透明性等特性,具有可重构性强,雷达散射截面小等优点,在未来无线通信领域具有潜在的应用价值。基于液体天线的独特优势,本文主要从以下几个方面开展研究:1)提出了一种通用的液体介电参数测量方法并搭建了配套系统,该方法既具有较高的测量效率又保持了全波法的准确性,具有测量频段宽、测试速度快的优点,适用于任意形状的探头。利用液体介电参数测量系统,我们对多种典型液体样本进行了测试,验证了该方法的有效性。2)提出了一种紧凑型频率可重构纯水介质谐振天线,并设计了液体自动控制系统。天线具有较宽的频率可调范围,可以工作在168 MHz-474 MHz(S<-10 d B),在该频段内效率可达80%以上,尺寸为270×270×131 mm(0.15λ×0.15λ×0.07λ@168 MHz)。自主设计的液体控制系统提高了液体天线可重构的效率,该天线可用于VHF(Very High Frequency)和UHF(Ultra High Frequency)频段。3)提出了一种方向图可重构盐水天线,该天线具有可切换的13种稳定工作状态(1种全向性状态和12种定向性状态),水平面上可实现360°波束扫描。天线不用时可排出液体,降低雷达散射面积。天线可工作于334 MHz-488 MHz,覆盖Lo Ra(Long Range)模块的工作频段(433 MHz),基于可重构盐水天线和Lo Ra模块搭建通信系统,验证了水天线在远距离无线通信中的应用。4)提出了一种高增益可穿戴液体介质谐振天线,利用液体可共形特性,天线可实现自由变形,结合Fabry-Perot谐振腔技术,有效提高了天线增益。该天线工作于ISM频段(Industrial Scientific Medical band,2.4 GHz-2.48 GHz),最大增益为8 d Bi,效率可达50%至70%。仿真结果表明,天线在共形以及人体环境下均可以正常工作,适用于人体可穿戴应用。

关键词：液体天线介电参数测量频率可重构天线液体自动控制系统方向图可重构天线可穿戴液体天线

内部交易下随机时滞微分方程的平均场最大值原理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

内部交易下随机时滞微分方程的平均场最大值原理

作者：蔡天缘长春工业大学

学位级别：硕士

本文研究了一类由布朗运动以及泊松随机测度驱动的平均场随机时滞微分方程(MF-SDDE)的最优控制问题。旨在寻求一个最优控制u,根据最优随机控制的最大值原理表明,如果控制u是最优的,那么相应的哈密顿量在u?u处有一个最大值。除了考虑到... 详细信息

本文研究了一类由布朗运动以及泊松随机测度驱动的平均场随机时滞微分方程(MF-SDDE)的最优控制问题。旨在寻求一个最优控制u,根据最优随机控制的最大值原理表明,如果控制u是最优的,那么相应的哈密顿量在u?u处有一个最大值。除了考虑到信息的延迟,本文还加入了其他考虑因素,如对系统未来价值的期望以及内部控制等条件。当交易者从一开始就掌握与系统相关的一些随机变量的未来值的内部信息时,我们建立了最优控制的充分和必要的最大值原理。在解决问题的过程中,本文运用了白噪声分析的方法,来解决内部控制的问题。其中包括Hida-Mallivian微积分,正向积分等,将问题建立在白噪声概率空间上进行论证推导。同时运用Donsker Delta函数,在将非参数化的内部控制问题转化为参数化的非内部控制问题,使其更具经典性更便于问题的解决。通过建立哈密顿函数,给出伴随方程具体解的形式,证明状态方程和伴随方程解的存在唯一性。理论上,给出基于内部交易的一类随机时滞系统的充分型与必要型最大值原理,包括不受平均场作用和受平均场作用两种情况,本文的创新也在于此。在讨论平均场随机时滞微分方程后,我们又研究了一般情况下的随机时滞微分方程的最优控制问题,并建立了与之相应的最大值原理并证明。在论文的最后,我们给出了一类随机微分方程的数值模拟,此方程描述的是具体的金融市场,我们通过前文的证明找到了最优控制,并进行数值模拟,目的是通过大量的随机数利用计算机编程来得到方程的数值解,应用Python程序得到了资产价格随时间变化的走势图,通过数值模拟说明了结论的可行性。

关键词：随机微分方程最优控制内部交易平均场随机时滞微分方程

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进VMD和神经网络的股票预测研究

基于改进VMD和神经网络的股票预测研究

作者：林思扬长春工业大学

学位级别：硕士

股票预测对于金融产品定价、资产最优化配置、投机策略研究和风险管理等方面至关重要,有很多专家学者致力于股票价格预测分析。但是由于股票价格的波动性和非线性的特性,对股票预测带来了很大的困难,就使得一些机器学习方法被应用于股... 详细信息

股票预测对于金融产品定价、资产最优化配置、投机策略研究和风险管理等方面至关重要,有很多专家学者致力于股票价格预测分析。但是由于股票价格的波动性和非线性的特性,对股票预测带来了很大的困难,就使得一些机器学习方法被应用于股票预测中。因此本文运用混沌理论对股票市场进行非线性分析,将改进的变分模态分解与神经网络进行结合应用到股票预测研究中。首先对数据进行分解,本文选择变分模态分解(Variational Mode Decomposition,VMD)进行分解,但是由于变分模态分解中参数K和α值无法确定,所以先用互信息方法求得最佳K值,然后用鲸鱼优化算法寻找最佳α值,再进行VMD分解。对分解后的数据进行相空间重构,然后选择径向基神经网络(Radial Basis Function,RBF)和长短期记忆神经网络(Long Short-term Memory Networks,LSTM)进行预测研究。第一部分提出了WOA-MVMD-RBF股票预测模型。首先选择经典混沌Lorenz-x仿真时间序列进行模拟研究,对其进行改进的变分模态分解,再进行相空间重构,最后进行WOA-MVMD-RBF预测,测试集预测效果较好。为了进一步说明本文提出的WOA-MVMD-RBF预测模型的有效性,选取了RBF、VMD-RBF、MVMD-RBF三个模型进行对比,采用相同的模拟数据进行预测实验,验证了该模型对混沌Lorenz-x仿真时间序列进行预测的有效性;在实证分析部分,选择上证指数和沪深300每日收盘价作为研究对象,两组数据的Lyapunov指数分别为0.0609和0.0914,显著大于零,意味着上证指数和沪深300序列具有混沌特性,并运用LASSO方法进行变量选择。然后进行WOA-MVMD-RBF预测,结果显示效果良好,该模型对股票预测的有效性。第二部分本文提出了WOA-MVMD-LSTM股票预测模型。在保证数据、数据预处理以及分解方法不变的条件下对模拟数据进行了预测,选取了LSTM、VMD-LSTM、MVMD-LSTM三个模型进行对比,结果显示所提出的WOA-MVMD-LSTM模型效果最佳。并对上证指数和沪深300指数每日收盘价进行了预测,结果显示拟合度很高。最后选择八个模型进行对比分析,来测试预测效果,根据上证指数和沪深300指数对比分析结果显示,本文提出的WOA-MVMD-RBF模型优于BP、DNN、RBF、VMD-RBF和MVMD-RBF模型;提出的WOA-MVMD-LSTM模型是优于BP、DNN、LSTM、VMD-LSTM和MVMD-LSTM模型;且WOA-MVMD-RBF和WOA-MVMD-LSTM对比结果看,后者效果更好,拟合度是最高的。这说明两个模型对预测混沌的股票数据效果良好。因此,本文提出的WOA-MVMD-RBF和WOA-MVMD-LSTM模型能有效提高单一预测模型的预测精度,为股票价格预测提出了一种新的解决办法,对于规避和管控风险也具有重要意义,有助于投资者更加有效地应对市场波动和不确定性。

关键词：混沌时间序列股票变分模态分解神经网络 LASSO

融合变分模态分解的深度神经网络预测研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合变分模态分解的深度神经网络预测研究及应用

作者：刘永超长春工业大学

学位级别：硕士

变分模态分解是一种完全非递归、自适应的信号处理办法,在预先确定模态分解个数方面具有优势,在坚实的数学理论基础上,具有更为灵活的应用特性,对于具有非线性混沌现象的股票价格数据,其有效的数据处理方法和预测模型能够为研究者们提... 详细信息

变分模态分解是一种完全非递归、自适应的信号处理办法,在预先确定模态分解个数方面具有优势,在坚实的数学理论基础上,具有更为灵活的应用特性,对于具有非线性混沌现象的股票价格数据,其有效的数据处理方法和预测模型能够为研究者们提供新的方向。本文以融合变分模态分解的深度神经网络方法对经典的混沌Lorenz系统进行仿真模拟,并以沪深300指数每日收盘价作为实证分析对象,具体研究工作如下,第一章绪论部分主要介绍了股票数据的国内外研究现状、研究背景和意义以及文章的主要结构。第二章基本理论部分介绍了神经网络算法步骤、获得变分模态分解的最优解过程、混沌理论及相空间重构等理论。第三章是融合变分模态分解的支持向量机回归模型的研究。在模拟研究部分取定经典混沌Lorenz方程中x、y、z的初值后,利用四阶Runge-Kutta算法积分得到Lorenz-y仿真时间序列,以VMD将序列分解为两个模态后,用SVR模型对模态进行预测,验证了VMD-SVR模型能够对混沌时间序列进行有效预测;实证分析中,将序列分解后利用SVR模型对分解后的模态分别进行预测,将各个模态的预测结果加和得到融合模型的预测结果,其真实值与预测值走势几乎一致。第四章是融合变分模态分解的深度神经网络的研究。模拟研究部分选择Lorenz-x仿真时间序列,利用VMD将序列分解后,再以DNN对模态进行预测,将模态预测结果加和得到融合模型预测结果,测试集和训练集拟合效果较好,验证了融合方法对混沌时间序列进行预测的有效性;在实证分析中,计算股指序列的延迟时间为11,嵌入维数为4,根据这两个参数进行相空间重构得到空间向量,序列的Lyapunov指数为0.0203,说明该序列具有混沌特性,通过训练不同结构的深度神经网络,当隐含层数为两层且各层有9个节点的深度神经网络的平均绝对误差值相对是最小的,最后利用VMD对股指序列进行分解,得到具有混沌特性的5个模态,利用上述深度神经网络对模态分别进行预测,将所得的预测结果加和得到融合变分模态分解的深度神经网络混合模型的预测结果,该混合模型的平均绝对误差为33.4333,改善了单一神经网络和传统线性模型的预测精度,这种基于信号分解和相空间重构技术的混合预测模型效果更优,在实际预测中是更理想的。

关键词：混沌时间序列变分模态分解深度神经网络相空间重构混合模型