基于改进模糊聚类算法的地铁站点重要性分析

为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分.采用误判率交叉估计法对模糊聚类结果进行检验.实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06％,目标函数值降低了5.33％,误判率为0,更适用于地铁站点的重要性分析.     

制造业上市企业的融资约束预测——基于机器学习算法的视角

企业融资约束指数的构建方法一般采用两步法,一是判断企业是否存在融资约束,二是通过财务指标构建融资约束指数。本文运用机器学习的方法探讨企业的融资约束指数的构建,首先,判断企业是否存在融资约束,采用聚类算法（K均值聚类和系统聚类）对这些企业进行分类,然后在聚类的基础上,采用分类算法（决策树、逻辑回归、神经网络）探讨企业融资约束的影响特征。本文通过分类算法预测结果,得到决策树算法的准确率是最好的,逻辑回归模型预测的稳定性是最好的,而神经网络预测模型较差。采用逻辑回归模型预测的融资约束概率与SA指数和祝学文的LFC融资约束指数较为密切相关。从企业融资约束的重要特征来看,在聚类的预分类中,重要特征变量为利息保障倍数和股利支付率,在分类算法中,重要特征变量为财务费用率和净资产报酬率。     

基于Canopy-K-means算法的半挂汽车列车行驶数据分析

为实时监测车辆行驶状态,建立了基于Canopy-K-means算法的车辆行驶安全特征分类模型.采用Canopy-K-means聚类算法对车辆行驶数据进行挖掘分析,以欧氏距离大小作为数据集属性间的相似性分类指标,得到表征不同行驶安全特征的离线聚类质心;搭建T ruckSim与Simulink联合仿真平台,设置定半径变车速和方向盘斜阶跃输入仿真工况对车辆行驶状态进行在线识别;同时为验证该方法在实车上的应用效果,设置相同工况对离线聚类质心进行验证分析.仿真和实车结果表明:基于Canopy-K-means算法的数据挖掘方法可以对不同行驶状态数据进行分类,得到的表征不同行驶安全特征的聚类质心能在一定程度上对车辆行驶稳定性进行评价,可以作为车辆控制和预警的判定依据.     

高维数据流子空间聚类发现及维护算法

近年来由于数据流应用的大量涌现,基于数据流模型的数据挖掘算法研究已成为重要的应用前沿课题.提出一种基于Hoeffding界的高维数据流的子空间聚类发现及维护算法--SHStream.算法将数据流分段（分段长度由Hoeffding界确定）,在数据分段上进行子空间聚类,通过迭代逐步得到满足聚类精度要求的聚类结果,同时针对数据流的动态性,算法对聚类结果进行调整和维护.算法可以有效地处理高雏数据流和对任意形状分布数据的聚类问题.基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性.     

加权共协矩阵聚类融合研究

当前的聚类融合算法大多不考虑进行融合的成员的质量,当聚类成员存在聚类质量差或者有噪声干扰时,融合结果将受到影响。本文提出了一种对聚类成员进行加权的融合算法。该方法对聚类成员的质量进行简单评价,并据此对其赋予权重,生成加权共协矩阵,能够有效的消减聚类成员质量差异和噪声对融合的影响,进而得到更好的融合结果。     

我国房地产业发展水平差异分析及政策建议

文章以我国省际层面房地产业的数据为样本,用主成分分析模型研究了房地产发展水平,用聚类分析模型进行了分类,并用方差分析检验了分类结果的可靠性。发现我国房地产业的发展水平可分为5类:领先地区、先进地区、赶超地区、后发地区和后进地区,并提出了相应的政策建议。     

监管科技在金融监管部门中的应用现状及启示

金融科技在促进金融创新的同时,也给金融监管带来了一定的挑战。目前,传统的监管方式已难以满足监管要求。为提高监管效率、降低监管成本,各国政府积极推动监管科技(Regtech)的发展,通过加强监管科技的研究和应用,优化金融监管部门的监管工具和手段。文章梳理了我国监管科技在金融监管部门中的应用现状及存在问题,并基于国外实践经验,提出完善我国监管科技应用的相关政策建议。     

浅谈当前我国期货业的现状及展望

近年来,我国期货业发展迅速,期货市场成交量连创新高,期货业呈现出持续增长态势。本文从分析我国期货业现状入手,对期货业的发展做出展望,认为未来我国期货业将通过提供多样化的产品和服务,提高期货公司核心竞争力,在有效监管和规范管理下良性发展。     

改进k-means聚类在股价波动趋势上的应用

股票价格在一段时间内的波动趋势对研究预测这支股票有着非常重要的作用。研究将K-means聚类利用层次聚类算法思想进行改进,对股价波动趋势进行聚类,并在一定范围内选择出最优聚类数。此方法在此问题上聚类效果优于原始k-means聚类算法,为未来对股价波动趋势的预测研究提供帮助。     

苏南地区县域经济发展与对策研究

文章首先通过聚类分析法对具有代表性的苏南地区14个县级市的经济发展水平进行层次分类,接着结合县域经济的发展趋势,选取并收集各市的相关数据,运用面板数据模型归纳分析了苏南地区县级市经济发展的主要影响因素.最后依据实证结果,文章为苏南地区县域经济发展提出了政策建议,希望能为全国其他地区县域经济发展提供借鉴.     

制造业企业开展套期保值业务的现状及对策分析

在经济全球化背景下,制造业企业在原材料采购和产品销售方面,面临着巨大的价格波动风险。制造业企业如何充分利用期货市场开展套期保值业务来规避价格风险,是企业必须面对的一个重要课题。文章通过对上市的制造业企业展开抽样调查,了解我国上市的制造业企业开展套期保值业务的现状及存在的问题,据此提出强化期货知识培训、丰富期货品种、加强期货市场创新、降低交易成本等方式,提高企业参与套保的积极性,发挥期货市场为实体经济发展服务的广度和深度。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

克隆选择算法的研究与实现

基于人工免疫系统的原理,提出了一种克隆选择算法。该算法引入了克隆选择、受体编辑、抗体循环补充机制等思想,并通过整合克隆选择过程中亲和度的成熟,可在搜索过程中自动获取与积累相关联搜索空间的知识,在有限资源的条件下高效的求得问题的解。     

径向基函数网络的改进算法在油价预测中的应用

本文将径向基函数网络应用在国际原油价格预测中,采用一种改进的HCM算法来确定径向基函数的中心,并以纽约市场国际原油期货的日收盘价为对象进行预测,其结果表明,该模型具有较好的学习和泛化能力,为国际原油价格的预测提供了一条新的途径。     

基差偏离度对中国商品期货市场定价的影响 —基于横截面检验的实证分析

构建了中国商品期货市场上最近月合约的基差偏离度指标,并以此构造多空组合进行横截面检验.研究结果发现:基差偏离度较高的期货组合未来会获得较低的收益,而基差偏离度较低的期货组合未来会获得较高的收益;中国商品期货市场上现货溢价的现象较为普遍,由基差偏离度构造的多空组合其超额收益主要来自于组合的多头.这说明基差偏离度是中国商品期货市场上的重要定价因子和风险指标.     

一种基于ANN的市场营销组合策略模型

应用人工神经网络,充分考虑影响产品市场占有率的各种因素,建立相应的神经网络模型。借此对市场营销组合策略进行前瞻性分析,有助于企业根据市场特点,有针对性的选择市场营销组合策略,从而提高企业产品的市场占有率。     

基于协整理论的美国电力期货市场实证研究

本文基于VAR的协整理论,对美国PJM电力期货市场作了模型实证研究。因果关系检验显示下月合约价格是现货价格单向的Granger原因。协整检验结果显示电力期货价格和现货价格存在长期稳定均衡的关系,期货市场具有价格发现的功能,与现货市场相比价格发现功能较弱。方差分解结果显示,期货价格受自身的影响很大,受现货价格的影响很小;而现货价格受自身影响很大,随着滞后期的增加,受自身的影响逐渐减弱,受期货市场的影响逐步增大,期货市场在价格决定中起主导作用;脉冲响应函数同样显示现货对期货的影响较小,期货对现货的影响相对较大。     

基于EMD分解的螺纹钢期货价格发现的实证研究

运用经验模态分解方法(EMD),分别将螺纹钢期货价格和现货价格时间序列分解成若干IMF分量和趋势项。通过对分解后的不同分量进行统计和计量分析发现:①与期货价格与现货价格的相关性相比,相应的趋势项之间具有更高的相关关系;②期货价格的主IMF分量在形态上对现货价格主IMF分量具有引导作用;③IMF中期波动分量和长期波动能够很好的表现出期货价格和现货价格的因果关系。这些结果表明,螺纹钢期货市场已经基本具备了价格发现的功能。     

Emerging Impact of Chinese Commodity Futures Market on Domestic and Global Economy

In this paper we construct a set of indices that capture the special features of the Chinese commodity futures market for the period from January 2000 to December 2011 to analyze the general properties of China＇s commodity futures market. Using these indices we investigate the risk premiums of Chinese commodity futures and verify that the commodity futures can act as an effective diversification tool for Chinese asset management. It is found that the commodity futures can hedge both expected and unexpected inflation in China, and agricultural commodity futures are found to signal inflation 2 months beforehand. Finally, we explore the relationship between Chinese and US commodity futures markets in the years 2000 and 2010, and find that their interactions strengthen over time. Our research reveals an increasingly important role of the Chinese commodity futures market in both the domestic and the global economy. Some policy changes are suggested in response to this trend.     

基于PCA-k-means和PSO-SVM的AI上市公司财务预警

通过探索影响人工智能上市公司市值增长率的财务指标,建立融合主成分分析(PCA)和k-means的PCA-k-means模型,并将指标归类为盈利、效率、负债、成长因子.围绕ST公司和非ST公司的分类建立融合粒子群算法和支持向量机(PSO-SVM)模型,为财务预警工作提供支撑.实验选取了2019年人工智能行业42家非ST公司和8家ST公司的数据.结果表明,营运能力是人工智能上市公司最核心的成长能力,市场投资不仅关注短期利润更注重长期回报,行业投资趋于理性和稳健.