您的位置: 专家智库 > >

国家自然科学基金(71101126)

作品数:3 被引量:35H指数:2
相关作者:倪禾徐步云唐路明更多>>
相关机构:浙江工商大学更多>>
发文基金:国家自然科学基金浙江省高校人文社科重点研究基地项目国家教育部博士点基金更多>>
相关领域:自动化与计算机技术经济管理更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇经济管理

主题

  • 1篇遗传算法
  • 1篇上证综合指数
  • 1篇上证综指
  • 1篇神经网
  • 1篇神经网络
  • 1篇投资组合
  • 1篇启发式遗传算...
  • 1篇人工智能
  • 1篇自回归模型
  • 1篇自组织
  • 1篇自组织神经网...
  • 1篇网络
  • 1篇聚类
  • 1篇聚类算法
  • 1篇沪深300
  • 1篇高斯
  • 1篇高斯混合
  • 1篇VAR
  • 1篇K-MEAN...
  • 1篇K-MEAN...

机构

  • 3篇浙江工商大学

作者

  • 3篇倪禾
  • 1篇唐路明
  • 1篇徐步云

传媒

  • 1篇系统工程理论...
  • 1篇浙江社会科学
  • 1篇新型工业化

年份

  • 1篇2014
  • 2篇2013
3 条 记 录,以下是 1-3
排序方式:
上证综指收益的风险价值测度——基于高斯混合自回归模型的研究
2013年
本文将高斯混合自回归模型(GMAR)引入到风险价值(VaR)的计算上,并将其用于计算上证综指收益的VaR,将所得结果与GARCH类模型进行比较分析发现,GMAR能捕捉剧烈波动的条件异方差性,但对于较小的波动无法捕捉,因此所得VaR曲线较GARCH类模型平坦。而在不同的显著性水平下,GMAR模型预测VaR的能力都显著优于GARCH类模型。
倪禾唐路明
关键词:VAR上证综合指数
自组织神经网络和K-means聚类算法的比较分析被引量:24
2014年
本文主要是研究自组织神经网络作为一种具有拓扑限制的,以特征提取为主要手段的聚类算法,并与传统的K-means算法进行比较分析,并将它们应用于几组人工数据。传统的K-means算法具有计算效率高的优点,但是聚类结果不稳定,初始值对于聚类收敛的结果有一定的影响,相比之下,自组织神经网络由于其引入具有拓扑结构的邻域函数,虽然计算效率比较低,但是可以达到较为稳定的聚类结果,且受初值影响较小。
徐步云倪禾
关键词:人工智能聚类算法自组织神经网络K-MEANS
基于启发式遗传算法的指数追踪组合构建策略被引量:11
2013年
消极组合管理方法已由国内外众多基金的表现证明是一种有效的资产组合投资方式.指数基金作为采取消极管理策略的典型代表,其业绩超越多数采取积极管理模式的基金.指数基金管理者的主要目标是使其基金的收益尽可能接近其标的股指,如我国的沪深300,美国的标普500的收益.本文提出了一种基于启发式遗传算法的寻优方案,通过最大化效用函数来寻找一个最为经济的指数复制组合.该组合同时应该满足拥有最少的资产数量、尽可能少的权重调整次数、最小的收益波动性等限制条件以减少基金开销,并使其收益尽量接近或者超越标的指数的收益.为使该策略具有更强的实用性,文章考虑了股票具有最小交易规模、投资权重分布不平均等实际限制.实验所得策略通过构造追踪组合来匹配沪深300指数,其综合效果超过了使用二次规划、等权或者是先验经验构筑的投资组合.
倪禾
关键词:投资组合启发式遗传算法沪深300
共1页<1>
聚类工具0