一、在已有的传统灰色模型基础上,提出利用强化和弱化缓冲算子对原始数据序列进行数据进行预处理的策略,从而得到一组较为平缓的数据序列用于GM(1,1)预测模型的输入,然后分别利用组合插值和三次样条插值对传统GM(1,1)模型的背景值进行改进,以获得新的预测模型。最后利用本章的预测方法对上证指数日收益率进行仿真实验,结果表明,本章方法克服了受冲击扰动数据影响的问题,并且具有更高的模拟和预测精度本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name。二、在William Sharpe提出的资本资产定价模型(CAPM)基础上,提出在多因子情况下遇到多重共线性问题时,一种新的解决这种困难的方法,即偏最小二乘的二次多项式回归方法。该方法不仅考虑每个因素对收益的影响,还可以考虑到影响因素之间的相互作用对收益的影响,从而更加全面的分析影响资产回报率的因素。另外,我们还把偏最小二乘支持回归理论与支持向量回归理论结合,解决中国股票市场的多影响因子的优化问题,克服各因子间的多重共线性的干扰,从而筛选出影响股票收益回报率的重要因素变量,为股市的技术分析提供一个可信的工具进行预测-电动液压滚弧机数控滚弧机价格低张家港滚圆机多少钱。三、考虑到SVR的算法过程中的由于不敏感损失函数中的ε、惩罚因子C和径向基函数中的σ2这三个参数取值的不同,则会导致支持向量回归模型不同的。故而在支持向量回归的理论基础上,结合我国经济运行的基本特点,汲取支持向量回归和群智能算法的优点,分别提出通过控制误差ε的取值,对偏最小二乘支持向量回归模型中参数集(C,σ2)采用带有RBF核的遗传算法进行近似寻优,之后采用偏最小二乘支持向量回归对上证综指收益率进行预测,算法对存在高度的非线性、耦合性的金融数据,有着良好的适应性,从而确保了预测的精度。四、针对金融数据的非线性和不确定等特性,借助模糊逻辑系统,提出一种新的金融市场波动率的预测方法-模糊FEGARCH模型,用来更好的应对具有非线性特性的收益率数据进行预测。其次,为了判断分布型模型和不对称型模型对预测精度的影响程度,分别采用分布型和不对称型与模糊FEGARCH)的波动模型进行预测比较。另外,综合智能算法和时间序列的优点对股票波动率进行预测,利用加权最小二乘支持向量回归模型进行初步预测,然后利用EGARCH模型对加权最小二乘支持向量回归的预测误差后进行修正,通过EGARCH模型来估计预测模型的拟合误差及其分布规律,得到最终的上证综指波动率预测值。最后,对上述两种方法的预测结果的采用的SPA检验方法,该方法的优点在于可以遍历对比每个模型的所有损失函数(预测误差),从而全面的比较模型的预测精度进行预测-电动液压滚弧机数控滚弧机价格低张家港滚圆机多少钱本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name