基于Logistic回归的股价上涨概率预测研究

将Logistic回归应用在多因子模型时,模型可利用反映股票涨跌信息的因子与股票收益率的历史数据实现Logistic回归对未来股价上涨概率的预测。实证分析结果显示,2012—2018年运用Logistic回归筛选出的大概率上涨的股票组合可获得较高的平均收益率、胜率和夏普比率,Logistic回归在沪深市场上可成功发挥其对股价上涨概率的预测功能。     

大学生运营自媒体创业的现状与对策

随着大学毕业生人数的逐年增加,就业形势日趋严峻,越来越多的大学生找不到适合自己的工作。在这样的社会条件下,国家和政府越来越鼓励大学生创业,从政策到实际的支持力度非常大,也有越来越多的毕业生开始将目光转移到创业上。运营自媒体创业是这个时代年轻人的焦点,很多大学生依靠互联网实现自己的创业理想。文章基于笔者运营"专注上海实习"微信公众号的创业实践,就当前大学生运营自媒体进行创新创业的现状进行分析,并提出行之有效的建议。     

中国生态效率的测算与区域差异分析--基于超效率SBM和空间自相关分析

运用基于非期望产出的超效率SBM模型测算中国30个省区2003-2016年的生态效率,并用空间自相关的方法对其整体和局部区域差异进行了分析。结果表明:第一,中国高生态效率区少且整体水平偏低,由东部向中西部递减,呈现显著的区域差异;第二,中国区域生态效率呈现显著且不断变化的空间集聚现象,多表现为显著的正空间自相关性,相似水平生态效率区相互影响;第三,高生态效率区难以充分发挥其对周边地区的辐射带动作用,存在极化现象。因此,研究提出建议包括:推动转变经济发展方式,引导地区产业结构调整;因地制宜地制定适合不同地区的发展政策;加强区域合作交流,充分发挥高生态效率区的扩散效应。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现，也是一种不曾意识到的瞬时脸部表情,持续时间短，强度弱。为了提高其准确率，提出了基于Radon变换的微表情识别算法。首先，对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis，2DPCA）降维预处理，使用光流法对降维后图像提取运动特征；然后使用Radon变换算法对光流图像进行处理，得到对应微表情的特征值和特征图像；最后使用支持向量机进行微表情分类识别。实验结果表明，使用Radon变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%，通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

一种利用机器学习优化MIMO窃听信道天线选择的方法

为保障多输入多输出窃听信道系统中信息传输的保密性，提出了一种基于机器学习的天线选择方案。首先利用机器学习解决分类问题准确率高、处理大数据高效这一优势，设计了基于奇异值分解的特征值提取、基于信干噪比的标签赋值方案，建立了k最近邻分类器和逻辑回归分类器选择最优天线最大化保密性能（可达保密速率和保密中断概率）。与传统天线选择方案相比，所提方案获得了几乎一致的保密性能，并且大幅降低了系统的选择复杂度和误比特率。     

蜂窝网络自组织研究及展望

自组织网络技术是提高蜂窝网络运行效率、降低运营成本的重要工具，已作为基本功能在4G标准化初始版本获得引入并得到不断发展。在复杂度更高的5G网络中实现网络自动化管理的需求将进一步增强。回顾了蜂窝网络自组织技术的基本概念、分类和主要用例，分析了主要研究方法；总结了学术界、标准化组织及研究机构的研究进展，重点介绍了基于机器学习的最新研究成果；调查了工程应用现状，分析了自组织网络面临的主要挑战，同时指出了新的研究方向。     

地方政府债务对工业资本配置效率的非线性影响效应——基于动态面板平滑转换回归PSTR模型的检验

经济新常态下,提高工业资本等要素配置效率是实现经济向高质量增长转变的必然要求。本文在政府主导、投资驱动的工业发展模式下,结合地方债务压力和金融发展差异门限变量,在非线性框架下运用动态面板平滑转换回归模型实证检验地方债务规模与工业资本配置效率的渐进演变关系。研究发现,适度的地方债务规模有助于提高资本配置效率,但随着债务压力增加,举债对资本配置的正效应逐步减弱并产生负效应。究其原因,适度举债能补齐工业基础设施短板,压低土地成本,对工业发展产生杠杆效应,从而提高资本配置效率;但过度举债推升财政风险,占用信贷资源并强化企业融资约束,造成资本配置低效率。此外,研究发现,地方信贷规模提升,能缓解举债的融资约束,促进工业行业间的资本流动;而工业金融深化程度提高,能增强市场竞争机制在要素配置中的作用,缓解举债造成投资错配,从而增强资本配置效率。以上分析结果表明,地方政府举债应更理性、适度、规范。     

大规模MIMO系统中基于CNN的延迟CSI反馈改进算法

在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统中，基站根据用户反馈的信道状态信息进行自适应编码调制以提高频谱效率，因此需要将用户侧估计到的信道状态信息反馈到基站。由于反馈过程存在的延迟会降低系统性能，因此在考虑延迟的情况下，对基于深度学习的信道状态信息自编码器CsiNet进行改进，使用下行信道的延迟状态信息作为信道状态信息自编码器的期望输出信号来对自编码器进行训练，减少了反馈延迟误差的影响。仿真结果表明，在延迟为1时隙时，所提方案的归一化均方误差(Normalized Mean Square Error,NMSE)仅为自回归-主成分分析方案、基于压缩感知的方案和基于卷积神经网络的CsiNet方案的1/8~1/7，并且随着时隙增加，NMSE性能提升越明显。