检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

用宿主防御指数预测脾虚证及脾虚程度的设想

中国中西医结合杂志 1994年第S1期14卷 239-240页

作者：丁洁吴咸中天津市中西医结合急腹症研究所天津300100

关于宿主防御指数(HDI)的概念已开始用于对外科患者的评价,引起国外学者的重视。日本学者齐藤等人根据食管癌患者机体防御功能减弱的特点,对32例该病患者的营养状态、细胞免疫、体液免疫、嗜中性细胞量、补体水平和血清因子等21项指标... 详细信息

关于宿主防御指数(HDI)的概念已开始用于对外科患者的评价,引起国外学者的重视。日本学者齐藤等人根据食管癌患者机体防御功能减弱的特点,对32例该病患者的营养状态、细胞免疫、体液免疫、嗜中性细胞量、补体水平和血清因子等21项指标进行了分析,并将其中与手术预后密切相关的10项指标作为判断分析的依据,建立了一个含10个变量的数学表达式。借 HDI 值来预测食管癌患者术后死亡的危险性。中医学认为,脾胃功能协调平和,则心肝肺肾四脏气旺,腠理固密,筋骨柔和,外邪无以侵犯。若脾胃气虚,元气不足,形气俱虚,营养失固。

关键词：脾虚证宿主防御脾胃气虚外科患者嗜中性细胞气不足脾胃功能机体防御功能指数预测体液免疫

航空发动机叶轮机部件低状态特性的指数预测方法

在线全文

学校读者我要写书评

暂无评论

航空动力学报 2005年第6期20卷 1032-1036页

作者：王广李军牟牧空军工程大学飞机推进系统实验室陕西西安710038

介绍了一种预测航空发动机叶轮机部件低状态特性的指数预测模型。该模型考虑到空气可压缩性的影响,运用相似理论,结合发动机的部件特性关系,得到了两个指数值,进而得到了发动机的低状态部件特性。数值模拟表明,该方法的精度较高,对研究... 详细信息

介绍了一种预测航空发动机叶轮机部件低状态特性的指数预测模型。该模型考虑到空气可压缩性的影响,运用相似理论,结合发动机的部件特性关系,得到了两个指数值,进而得到了发动机的低状态部件特性。数值模拟表明,该方法的精度较高,对研究发动机的起动特性特别是在高原使用时存在的起动问题具有重要的指导意义。

关键词：航空航天推进系统起动特性相似理论指数预测

在线全文

学校读者我要写书评

暂无评论

环渤海动力煤价格指数预测研究

价格理论与实践 2014年第4期 68-70页

作者：刘玥王春辉中国矿业大学管理学院

环渤海动力煤价格指数素有"煤炭价格风向标"之称。本文运用EMD-ARMA组合预测模型对环渤海动力煤价格指数进行预测,通过与ARIMA、神经网络和灰色预测三种方法预测结果的比较,得出EMD-ARMA组合预测模型预测精度更高,更适合预测环渤海动力... 详细信息

环渤海动力煤价格指数素有"煤炭价格风向标"之称。本文运用EMD-ARMA组合预测模型对环渤海动力煤价格指数进行预测,通过与ARIMA、神经网络和灰色预测三种方法预测结果的比较,得出EMD-ARMA组合预测模型预测精度更高,更适合预测环渤海动力煤价格指数。最后基于研究结论,提出了促进我国煤炭行业稳定发展的对策建议。

关键词：环渤海动力煤价格指数 EMD-ARMA 指数预测

国际油价影响下航运运价指数预测研究——基于SVR-Adam-LSTM模型分析

在线全文

学校读者我要写书评

暂无评论

价格理论与实践 2023年第1期 74-78,193页

作者：蓝贤钢(译) 珠海城市职业技术学院经济管理学院

波罗的海干散货运价指数是全球航运市场主要运价指数之一,在一定程度上反映航运市场的变动。分析并掌握波罗的海干散货运价指数的主要特征,对提高波罗的海干散货运价指数预测的准确性,从而把握海运价格的变化规律、辅助航运风险管理等... 详细信息

波罗的海干散货运价指数是全球航运市场主要运价指数之一,在一定程度上反映航运市场的变动。分析并掌握波罗的海干散货运价指数的主要特征,对提高波罗的海干散货运价指数预测的准确性,从而把握海运价格的变化规律、辅助航运风险管理等都有着十分重要的意义。而燃油成本是航运企业的重要成本,其成本波动对波罗的海干散货运价指数有着较大影响。本文基于2012年以来的波罗的海干散货运价指数数据和国际原油价格数据,探讨波罗的海干散货运价指数与国际原油价格的变化关系,并分别构建SVR模型、LSTM模型和SVR-Adam-LSTM组合模型对波罗的海干散货运价指数进行预测。结果表明:SVR-Adam-LSTM组合模型相较于单一模型,结合国际油价数据后,表现出更高的预测精度和更强的指数趋势把控能力。预测结果显示:波罗的海干散货运价指数短期内保持上升趋势,后期受疫情、地缘政治等影响出现小幅震荡回调。据此,政府及相关部门应加强对波罗的海干散货运价指数与其他影响因素的研究,同时准确发布能够体现我国市场特色的干散货指数,为我国航运市场平稳发展保驾护航。

关键词：波罗的海干散货运价指数燃油成本指数预测深度学习

在线全文

学校读者我要写书评

暂无评论

基于机器学习的上证及沪深指数预测研究

基于机器学习的上证及沪深指数预测研究

作者：张婉叶中国石油大学(北京)

学位级别：硕士

随着我国经济的高速发展和证券交易制度的逐步完善,股市成为企业融资和人们投资理财的重要场所,对于国家经济的稳定运行和发展具有重大影响。而股票指数能够反映所代表市场的总体价格水平和波动状况,对投资者、企业乃至整个国家都有着... 详细信息

随着我国经济的高速发展和证券交易制度的逐步完善,股市成为企业融资和人们投资理财的重要场所,对于国家经济的稳定运行和发展具有重大影响。而股票指数能够反映所代表市场的总体价格水平和波动状况,对投资者、企业乃至整个国家都有着十分重要的参考作用。基于统计学的时间序列预测模型一般都要求时间序列数据具有平稳性,并且对数据的噪声进行限制,而股票指数是一种具有非线性、非平稳、高度嘈杂等特性的金融时序数据,传统的时间序列预测模型对指数的预测效果欠佳。神经网络是一种类似人脑的机器学习模型,具有强大的学习能力和非线性拟合能力,与指数的特性相契合。故本文在前人研究的基础上,构建了基于LSTM网络和GRU网络的指数预测模型对上证指数和沪深300指数进行预测分析,并用多种评估指标对模型预测的精度进行比较。LSTM网络和GRU网络的预测模型对指数预测表现出了不同优势。GRU网络模型是对LSTM网络的改进,相比于LSTM网络,GRU网络模型参数较少,模型复杂度降低,且稳定性更好。因而无论数据量的大小,GRU网络模型的收敛速度和训练时间均快于LSTM网络。从两个模型的预测结果看,两个模型的指数预测值均与指数交易日收盘价的走势基本吻合,拟合优度在0.9以上,并且不存在明显的滞后现象。当样本数据量较小时,GRU网络模型的预测效果要略优于LSTM网络,但当样本数据量很大时,LSTM网络对指数的表达性能更好。同时两种预测模型对指数不同时段和不同指数均具有一定的普适性。指数化投资是一种能够有效分散风险、投资收益相对稳定的投资策略,具有操作简单、较低的管理成本和交易成本等优点。指数基金是当下比较流行的指数化投资产品,而在选择指数基金时首先要确定目标指数。当选择目标指数时,本文的指数预测模型可以帮助投资者选择成长性和稳定性相对较好的指数。从指数的预测趋势中,投资者可以通过利用股指期货交易来规避市场系统风险,也可以通过构建和股指期货的套利组合,锁定无风险收益。

关键词：指数预测投资策略机器学习 LSTM神经网络 GRU神经网络

基于混合LSTM模型的指数预测与量化择时策略研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合LSTM模型的指数预测与量化择时策略研究

作者：方靖雯中央财经大学

学位级别：硕士

随着深化金融供给侧结构性改革的推进,我国资本市场体系不断完善,北交所的成立带来新机遇的同时,也让投资者置身于更为复杂多变的金融市场,传统投资手段已难以满足投资者需求。针对日趋复杂的金融时序,本文结合信号分析与机器学习方法... 详细信息

随着深化金融供给侧结构性改革的推进,我国资本市场体系不断完善,北交所的成立带来新机遇的同时,也让投资者置身于更为复杂多变的金融市场,传统投资手段已难以满足投资者需求。针对日趋复杂的金融时序,本文结合信号分析与机器学习方法建立预测模型,设计合理的量化择时策略与对照组,对预测结果与回测结果深入对比分析。具体来说,本文将沪深300股票指数作为研究数据,首先选用Symlets小波4阶分解以及自适应噪声的完备经验模态分解技术,将蕴含在复杂市场噪声中的指数波动信号按不同频率进行分离,得到更具平稳性的,波动特征更加明显的子序列。子序列重构后构建合适的长短时记忆网络模型对各分量的波动趋势加以预测,并使用判决系数、均方根误等指标进行评判,将预测结果与Elman神经网络、ARIMA模型、单一LSTM模型比较显示,信号分析手段与LSTM集合的混合预测模型相对单一模型而言预测精度得到有效提高。此外本文引入样本熵判断子序列复杂度以及子序列之间的相关性,以此为预测输入分量的重构依据,减少重构误差。优化后模型的预测精度提升明显,其中WT-SE-LSTM模型相对WT-LSTM模型,MAPE指标的精度评价提升46%,CEEMDAN-SE-LSTM相对CEEMDAN-LSTM模型RMSE指标的精度评价提升39.85%,TIC提升39.68%。最后本文基于时序预测模型构建了以预测价格涨跌特征为信号的量化择时策略,并设置单一模型以及技术指标策略对照组,技术指标策略构建基于KDJ指标、OBV指标以及BOLL指标,从而验证本文策略的优势。回测结果显示混合LSTM模型在回测区间内的累计收益优于所有对照模型,拥有最高累计收益的CEEMDAN-SE-LSTM模型在取得了24.1%的累计回报,夏普比率为1.097,策略波动与最大回撤水平较低,分别为6.48%和0.116。故基于混合LSTM模型的量化择时策略也是行之有效的。本研究一方面能够提升个人投资者以及基金经理获取超额回报的能力,另一方面也能让政府监管机构了解量化投资内在逻辑,从而完善监管政策,防范资本市场风险,促进经济稳中求进。

关键词：小波分析自适应噪声的完备经验模态样本熵长短时记忆网络指数预测量化择时

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

量化方法在股票配对交易和指数预测中的应用

量化方法在股票配对交易和指数预测中的应用

作者：常宝睿重庆大学

学位级别：硕士

在证券投资领域,从基本面分析到技术面分析,投资者选择股票的方法一直都依靠主观的判断。近些年来,特别是股市下跌的行情中,量化基金等金融产品表现出了平稳的收益,人们越来越倾向于量化方法给出的建议。证券公司融资融券业务的启动使... 详细信息

在证券投资领域,从基本面分析到技术面分析,投资者选择股票的方法一直都依靠主观的判断。近些年来,特别是股市下跌的行情中,量化基金等金融产品表现出了平稳的收益,人们越来越倾向于量化方法给出的建议。证券公司融资融券业务的启动使得配对交易这一经典的量化方法得以应用,而“建立配对组”是股票配对的关键所在。一般的配对方法,同一行业内选择股票配对,这一方法具有行业因素的局限性,而聚类的方法从数量的角度来筛选股票对,因而可以不受这一因素的限制,且能给出具体的相似度指标。本文采用聚类的方法选取了四组股票对,与经典的协整法做比较,通过实证检验了聚类方法的可行性和实用性。回归分析广泛应用于股票市场的研究当中。股票指数与其各成分股之间有某种特定的函数关系,通过回归分析,可以建立呈现这种相关关系的数学模型,给出指数与成分股的相关性数值,并根据模型和数据进行回归预测。本文以上证50指数为研究对象,通过回归检验,可以判断出异常点,进而深入分析特殊交易日的情况,给投资者相关的建议。

关键词：聚类分析回归分析配对交易指数预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遗传神经网络的上证股票指数预测

基于遗传神经网络的上证股票指数预测

作者：雷震厦门大学

学位级别：硕士

股票市场风云迭起，股票价格起伏跌宕，投资者渴望能够准确分析和预测股票价格，以便获取丰厚的收益。于是各种股票价格分析预测和方法应运而生。如何建立一个成功率比较高的预测模型，是多年来许多学者一直研究的内容。 ... 详细信息

股票市场风云迭起，股票价格起伏跌宕，投资者渴望能够准确分析和预测股票价格，以便获取丰厚的收益。于是各种股票价格分析预测和方法应运而生。如何建立一个成功率比较高的预测模型，是多年来许多学者一直研究的内容。神经网络作为一种重要的人工智能技术，广泛运用于信号处理、模式识别、系统辨认、自适应控制等领域。也应用于经济景气分析、时间序列、证券组合优化等领域，并取得了常规经济学研究方法所不能得到的效果。现在使用得最广泛的神经网络是BP（Back Propagation）网络，主要原因是因为它不需要研究对象的先验知识，其原理和结构都比较简单，且具有学习、记忆、联想、容错、并行处理等能力。在准确地提取了样本的基础上，能够掌握研究系统的特征。然而BP网络算法是建立在梯度下降算法的基础上，从而不可避免地导致以下三个缺点：1、学习过程收敛速度慢，2容易陷入局部极小点，3、鲁棒性不高。这些缺点使BP神经网络在一些复杂的非线性系统的模拟方面存在着致命的弱点。近年来，一种新的优化搜索算法—遗传算法正在迅速发展。遗传算法以其很强的搜索优化能力和广泛的适应性渗透到各个领域，并取得了良好的效果。本文提出了股票指数预测的一种方法。该方法结合了BP神经网络和遗传算法的优点。具体而言，本书共分三章。第一章是国内外股票市场的主要特征及股票指数预测方法述评。首先讨论了国内外在股票市场特性方面的研究成果，从而为本文的遗传神经网络预测建立理论基础;其次评价了国内外对于股票行情预测所采用的方法。第二章是股票指数预测模型的构建。通过将人工神经网络和遗传算法的优点结合起来，建立了遗传神经网络的股票指数预测模型。第三章是预测结果分析和模型改进意见。首先对预测结果进行分析、评价。其次是对遗传神经网络预测模型提出改进意见，再次是结论和本模型的经济意义。附录讨论了本文的股票预测方法所用到的BP算法和遗传算法，评价了它们各自的数学基础和优、缺点。

关键词：指数预测遗传算法神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

指数预测的一种混合模型

系统工程理论方法应用 2002年第2期11卷 157-162页

作者：张玉林仲伟俊常松东南大学经济管理学院南京210096

粗集和神经网络相结合反映的是人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合模型用于指数趋势的预测 ,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余 ,提高神经网络预测... 详细信息

粗集和神经网络相结合反映的是人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合模型用于指数趋势的预测 ,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余 ,提高神经网络预测精度的同时还降低了学习负担 ;利用遗传算法进行属性离散化和网络权重的优化获得了较优的预测精度。对上证综指的实证分析表明 ,这种混合模型的性能明显优于 BP和

关键词：指数预测混合模型金融工程粗集神经网络遗传算法金融市场上证综指人工智能