小波包与神经网络相结合的人民币汇率预测

文章提出一种基于小波包与神经网络相结合的人民币汇率建模及其预测的新方法。首先,将人民币汇率序列进行小波包分解;然后,对分解得到的各子时序分别建立神经网络模型进行预测;最后,基于小波包理论对神经网络模型预测的结果予以重构,实现对人民币汇率的预测。以人民币日汇率和人民币每日分时汇率为例进行了实证研究。研究结果表明,利用基于小波包与神经网络相结合的方法进行人民币汇率预测能取得更好的效果。     

非线性动态系统的递归神经网络预测研究--对我国钢铁产量的预测分析

钢铁行业是我国国民经济的支柱产业之一,为国民经济的持续发展作出了积极的贡献.因此,对钢铁产量的预测研究已经成为一项非常重要的课题.文章使用基于数据挖掘和知识发现的人工神经网络法、时间序列分析法、递归神经网络技术来预测钢铁产量的方法,并将递归神经网络方法预测的结果与前面的两种方法的预测结果进行比较,比较的结果说明该方法是可行的.     

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。     

数据挖掘技术在银行客户关系管理中的应用分析

文章提出了一种基于数据挖掘技术的银行客户关系管理系统的设计方案 ,以期解决我国现行银行信息系统中客户信息管理中存在的问题。在分析了现有银行客户信息系统的现状后 ,讨论了数据仓库、OLAP和数据挖掘在银行CRM中的应用 ,并结合XML和多维数据模式设计的思想 ,构造了一个银行客户关系管理系统的架构     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

基于ARIMA与小波神经网络模型的生猪价格预测比较

文章在分析传统生猪价格预测方法局限性的基础上,利用四川省生猪价格周度数据分别建立小波神经网络和ARIMA预测模型,通过预测的评价指标对比,可以看出,小波神经网络在非线性的映射能力,多指标复杂的波动的数据内在规律逼近方面较之于时间序列模型更优。并且,小波神经网络将生猪养殖链的各个阶段的产品和要素价格都带入进行了训练,符合生猪养殖链的价格传递机制,更好的探究出了生猪价格的波动特征。     

小波域非线性滤波器及神经网络的图像降噪

本文介绍了一种与小波变换混合使用的神经网络图像降噪处理方案。在对退化了的图像只要进行一级小波变换,然后利用多层神经网络(LNN)对小波系数进行非线性降噪。实验结果证明,该方案比传统的线性滤波有着更好的图像峰值信噪比(PSNR)。     

改进小波神经网络下的我国发明专利授权数量预测

专利授权信息是反映专利权人在不同科技领域和产业部门技术积累与控制能力的重要指标,因此政府和企业在作专利战略规划和决策时越来越重视专利授权预测分析的结果。采用小波神经网络模型对国内月度专利授权数量展开时间序列研究,并对其进行短期预测。研究结果表明,小波神经网络训练和泛化平均绝对误差分别是298件和955件,t检验值表明建立的小波神经网络是可信的,网络的训练结果和泛化结果与实际值差异不明显;小波神经网络预测的平均相对误差为10.88%,在期望值有剧烈波动的情况下,小波神经网络依然能够比较准确地预测我国各月度的发明专利授权数量。     

数据挖掘技术在分析型CRM中的应用研究

CRM是一种以"客户为中心"为核心思想的企业经营管理模式,它首先是一种营销理念,同时也是一种先进技术的集成系统。通过对面向客户的各个领域业务工作流程的自动化,采用数据库、数据仓库、数据挖掘等技术手段,将这种营销理念实践到企业的日常运作中,并且将这种结果转化为对企业的决策支持作用,实现了一种数据驱动的企业决策过程。文章介绍了数据挖掘和CRM这些背景知识与体系结构,并着重分析了基于数据挖掘技术的CRM系统中的应用。     

小波包与混沌理论相结合的人民币汇率预测

文章应用小波包变换和混沌理论提出一种人民币汇率建模及其预测的新方法。首先将人民币汇率序列进行小波包分解,并对分解后得到的各部分进行混沌判别,以确定其混沌特性;然后对各部分分别建立混沌模型进行预测;再对混沌模型预测的结果进行小波包重构,则得到原始汇率序列的预测结果。以人民币日汇率和人民币每日分时汇率为例进行了实证研究。研究结果表明该方法具有较高的精度,并具有极大的应用前景。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

Non-classical Algorithm for Time Series Prediction of the Range of Economic Phenomena With Regard to the Interaction of Financial Market Indicators

The aim of the article is to present non-clasical copyrighted algorithm for prediction of time series, presenting macroeconomic indicators and stock market indices. The algorithm is based on artificial neural networks and multi-resolution analysis （the algorithm is based on Daubechies wavelet）. However, the main feature of the algorithm, which gives a good quality of the forecasts, is all included in the series analysis division into, a few partial under-series and prediction dependence on a number of other economic series. The algorithm used for the prediction, is copyrighted algorithm, labeled M.H-D in this article. Application of the algorithm was performed on a series presenting WIG 20. The forecast of WIG 20 was conditional on trading the Dow Jones, DAX, Nikkei, Hang Seng, taking into account the sliding time window. As an example application of copyrighted model, the forecast of WIG 20 for a period of two years, one year, six month was appointed. An empirical example is described. It shows that the proposed model can predict index with the scale of two years, one year, a half year and other intervals. Precision of prediction is satisfactory. An average absolute percentage error of each forecast was： 0.0099%---for two-year forecasts WIG 20; 0.0552%--for the annual forecast WIG 20; and 0.1788%---for the six-month forecasts WIG 20.     

Analysis of sectoral credit default cycle dependency with wavelet networks: Evidence from Turkey

In this paper, we investigate the relationship between industrial production and sectoral credit defaults (non-performing loans ratio) cycle by wavelet network analysis in Turkey over the period January 2001–November 2007. We use feedforward neural network based wavelet decomposition to analyze the contemporaneous connection between industrial production cycles and sectoral credit default cycles at different time scales between 2 and 64 months. The main findings for Turkey indicates that industrial production cycles effect the sectoral credit default cycles at different time scales and thus indicate that the creditors should consider the multiscale sectoral cycles in order to minimize credit default rates.     

基于小波神经网络的企业技术创新能力模糊综合评价

在对企业技术创新能力系统进行分析的基础上,建立了企业技术能力评价指标体系并提出了基于小波神经网络的综合评价方法,采用模糊综合评价法生成评价样本集。仿真试验表明该方法用于企业技术创新能力综合评价的有效性与准确性,为企业技术创新能力的评价研究提供了一种新的模型。     

社会性企业成长过程及其自组织演化机理

以创业生态系统为背景,探讨社会性企业成长过程及其自组织演化机理。基于社会性企业成长模型,分析社会性企业成长各阶段受创业生态系统不同程度的影响,提出自组织演化模型,证明创业生态系统中网络扩张对社会性企业自组织演化具有影响作用并表现出自更新、自适应、自催化、自循环等特征,表明社会性企业对创业生态系统具有一定的联结、革新作用,但不是驱动其成长的唯一要素。     

地区综合实力的ANN分析

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，因而用它来评价地区综合实力是可行的。针对地区综合实力评价问题，建立了基于神经网络的评价系统，给出了应用实例。     

大宗农产品价格风险评估——基于小波神经网络-Bootstrap方法的实证研究

构建了一个将小波神经网络与Bootstrap抽样相结合的价格风险评估模型。采用国际通用的VaR(在险价值)风险指标评估了国内小麦、水稻、玉米、大豆和棉花5种主要大宗农产品现货价格的风险水平,仿真研究了以上大宗农产品价格下跌风险和价格上涨风险的分布特征。结果表明:按价格风险水平由高到低对5种主要大宗农产品进行排序依次为棉花、大豆、玉米、小麦和水稻;从风险均值来看,我国大宗农产品价格特别是粮食价格的风险处于较低水平;从风险的经验分布来看,除大豆外,其他大宗农产品(特别是小麦、水稻和玉米)的涨价风险高于跌价风险;5种农产品的价格均存在偏度风险和峰度风险。     

基于聚类—神经网络的客户价值分类方法及应用

本文从价值客户管理角度出发,建立了一种基于聚类——神经网络的客户价值分类模型。阐述了客户价值分析与评价指标设计、分类建模原理与网络学习算法选择、网络学习的前导原理与聚类算法、建模流程设计,并以某地区小灵通客户价值分类预测模型的使用及客户管理策略为应用实例。提出了研究的框架与方法,为企业客户价值管理决策系统的开发提供了重要模型依据。