基于粒子群神经网络的股票价格预测研究

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现。本文将粒子群算法用于神经网络的训练,提出了一种股票价格预测的新方法,研究表明预测效果良好。     

基于Spike神经元的神经网络及其股市预测模型

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的动态的Spike神经元作为计算单元,进行信息的编码和处理。文中给出了基于粒子群算法的Spiking神经网络学习模型,并运用于上证指数的趋势预测,结果表明其用于股市预测是有效性。     

基于Spike神经元的神经网络及其学习算法研究

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的Spike神经元作为计算单元,具有更好的生物特性。文中讨论了其原有的学习算法,提出了基于粒子群算法的学习模型,分析了该模型的算法时间复杂度。非线性分类问题的实验结果表明基于粒子群算法的学习模型具有更好的全局收敛性。     

自适应粒子群最小二乘支持向量机在铁路货运量预测中的应用

针对铁路货运量与其影响因素间的复杂非线性关系,建立自适应粒子群最小二乘支持向量机(APSO-LSSVM)模型用于铁路货运量预测研究,利用最小二乘支持向量机的优良特性预测铁路货运量,并采用自适应粒子群算法优化选择LSSVM的参数。通过对我国铁路货运量的实例分析检验APSO-LSSVM模型的预测性能。结果表明,APSO-LSSVM模型有效地预测了我国铁路货运量,具有较高的预测精度及较快的收敛速度。     

BaselⅢ净稳定融资比率能否替代存贷比?——来自中国上市银行的经验证据

本文基于2000～2014年中国20家上市商业银行的微观数据,采用实证分析的方法分别从整体和局部两个维度分析净稳定融资比率能否取代存贷比作为流动性风险监测指标.本文的研究结论表明:(1)从个体来看,20家上市商业银行在两种指标体系下达标率表现存在巨大差异;(2)从商业银行经营实际来看,两套流动性风险监管指标体系对部分银行能得出较为一致的达标率,而对于另外一些银行而言,一致性效果较差;(3)就上市银行整体而言,用净稳定融资比率代替存贷比作为流动性风险的监测指标在某种程度上能起到存贷比作为流动性风险监测指标的效果.最后,文章针对流动性风险监管给出了有益的政策建议.     

仓储运输企业财务风险的识别、判断与控制

本文分析了仓储运输业企业存在的财务风险类型，针对其中的流动性风险和筹资风险，通过实证研究的方法进行定量分析，判断53家企业的财务状况，采用Y得分的方法计算出财务风险大小，最后根据因子分析得出影响流动性风险以及筹资风险的重要指标，并以此提出财务风险的控制措施。     

基于Elman神经网络的社会消费品零售总额预测

本文利用Elman神经网络的非线性映射能力和粒子群优化算法的全局搜索能力,建立社会消费品零售总额预测模型,预测未来一段时间内的社会消费品零售总额。预测结果表明:所建立的社会消费品零售总额预测模型具有较强的预测泛化能力,仅依靠过去一段时间内社会消费品零售总额便可以准确稳定地预测出未来一段时间内的社会消费品零售总额。     

基于小波神经网络的上市公司财务风险预警研究

简述小波神经网络的基础理论和算法,建立财务风险预警指标,利用小波神经网自适应能力强、收敛速度快和预测精度高的特点对上市公司财务风险进行实证研究。应用结果表明,小波神经网络在财务风险预警中能够提高准确度,加快收敛速度,为财务风险预警提供了新的研究方法。     

商业银行如何应对强监管指标——基于流动性匹配率控制角度

互联网金融的冲击使得银行流动性风险频频发生,银监会提出流动性匹配率等新的监管指标以防范流动性风险。然而现有研究仅通过优化期限错配以及控制传统流动性缺口对流动性风险进行防范,无法满足银监会的监管要求。基于最新的流动性监管指标流动性匹配率对流动风险的影响,通过建立"剩余长期资金匹配短期资产"的净流动性缺口以控制流动性风险,建立贷款组合优化模型,以应用实例验证所建立的贷款组合优化模型可以满足新监管指标的要求。     

资本市场与我国商业银行流动性风险研究——基于面板数据实证分析

在资本市场加速发展的背景下,资本市场与银行的流动性风险的关系不容忽视。本文首先用面板数据模型和多元回归模型对资本市场发展状况与银行流动性风险的关系进行了实证分析,然后结合我国银行资本结构现状对回归结果进行深度分析,最后给银行流动性风险管理提出建议。研究成果表明：（1）从指标上来看,资本市场发展程度对银行整体的流动性风险影响较小;（2）对单个银行寥亨,资奎市场发展程度对其流动性风险影响差异较大;（5）资本市场发展对银行有隐性流动性风险,这是在指标上没有的。     

基于BP神经网络的超市财务风险预警研究

通过对超市财务风险分析和指标的选取,构建基于BP神经网络的超市财务风险预警模型,利用MATLAB数学分析软件对模型进行训练和仿真实验,预测超市的财务风险。     

创业板推出对主板流动性影响的实证分析

创业板的推出是中国股票市场的一件大事,其对主板股市影响的好坏也众说纷纭。股市流动性风险是测量股市质量很好的指标,本文在详细介绍流动性及股市流动性概念的基础上,构造了股市流动性指标和测量股市流动性风险的指标—流动性风险价值(L_VaR),通过利用L_VaR测量中国创业板推出前后中国上证综指、深证成指和美国标普500指数的流动性风险,实证表明创业板的推出相应加大了中国股市的流动性风险,并且中国股市的流动性风险比美国大。说明中国股市的质量有待进一步的改善,以保障创业板的平稳健康发展。     

基于PSO-BP神经网络的DOA估计方法

提出利用粒子群算法优化BP神经网络来改善来波到达角估计性能的方法。传统的BP神经网络 易 陷入局部最优,因此采用粒子群算法对网络的权值和阈值进行优化,并将其应用到来波到达 角估计中。所提方法仅利用阵列协方差矩阵的第一行作为来波方位特征,与常用的 协方差矩阵 上三角特征相比,在不损失有效方位信息的基础上使特征维数极大降低。仿真实验 证明：同经典的RBF神经网络方法相比,基于所提方法的神经网络结构更简洁,泛化性能更 好,来波方位估计精度更高。     

财务公司流动性风险管理方法分析

保持正常的流动性,是财务公司赖以生存和发展的基础,加强流动性风险管理也显得更为紧迫与重要。财务公司可以通过指标法、流动性缺口分析法和压力测试法,对财务公司流动性风险进行识别、计量和评估,从而得出财务公司增强流动性风险控制的方法和措施,即围绕流动性管理目标区,以分析流动性信息为切入点,以平衡流动性供求关系和现金流量为着重点,通过加强风险的预警、日常防范和事后处置,完善流动性管理制度与优化流动性操作工作,建立合理的流动性风险管理体系,确保流动性风险可控。     

基于粗集和神经网络的BPR风险评价

在构建风险因素指标集的基础上,采用粗集与神经网络串行结合对业务流程重组风险进行评价。通过粗集减少指标的数量,提取主要特征指标,降低神经网络构成系统的复杂性及计算时间,并给出实证。     

商业银行流动性风险监管改革趋向研究

许多发达国家的商业银行在此次国际金融危机中遭受了流动性冲击,这说明国际金融监管体系在系统性流动性风险监控方面存在局限性。为弥补监管漏洞,避免再次发生系统流动性危机,各国政府与国际金融组织对流动性风险监管进行了补充完善。本文比较了国际金融危机中问题银行的财务指标特征,分析了国际流动性风险监管标准指标设置的理论依据合理性,通过概括巴塞尔银行监管委员会、美国、英国流动性风险监管改革的主要内容,归纳出发展趋向,并对中国银行业流动性风险监管改革提出建议。     

基于粒子群算法优化的神经网络在入侵检测中的应用

利用粒子群算法对入侵检测神经网络模型进行优化。仿真结果表明,与BP神经网络和GA神经网络相比较,具有较强的逼近和容错能力、较快的收敛速度和较好的检测效果。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

基于巴塞尔协议Ⅲ对我国商业银行流动风险管理的研究

2013年6月,商业银行体系内部出现流动性紧张,流动性风险管理成为研究的焦点。《巴塞尔协议Ⅲ》是由巴塞尔委员会发布的,旨在提高银行的风险管理水平。本文从我国商业银行流动性风险的界定入手,分析了我国当前流动性风险的现状,认为流动性风险产生的原因有资产负债期限结构不相匹配、利率变化导致的不确定性、银行客户投资行为的改变,提出从完善流动性风险管理指标、风险预警和提升金融创新能力三个政策建议。     

基于粗集和神经网络的BPR风险评价

在构建风险因素指标集的基础上,采用粗集与神经网络串行结合对业务流程重组风险进行评价。通过粗集减少指标的数量,提取主要特征指标,降低神经网络构成系统的复杂性及计算时间,并给出实证。