教育部人文社会科学研究基金(12YJCZH078)
- 作品数：6 被引量：12H指数：2
- 相关作者：黄招娣刘遵雄黄德昌应宛月罗佳更多>>
- 相关机构：华东交通大学江西理工大学江西财经大学更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金江西省研究生创新基金更多>>
- 相关领域：自动化与计算机技术经济管理理学电子电信更多>>
- 基于改进粒子群算法的神经网络优化证券投资组合方法
- 2014年
- 采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种改进型粒子群(Improved Particle Swarm Optimizer,IPSO)算法,可以优化BP(Back Propagation)神经网络,并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明:该研究方法能够在预测精度和稳定性方面明显优于传统的PSO-BP神经网络优化证券投资组合方法。
- 黄招娣
- 关键词：粒子群算法BP神经网络证券投资组合
- 基于nRF905的水稻田监测系统的研究被引量：2
- 2012年
- 介绍了一种基于nRF905的水稻田环境无线传感器网络监测系统的设计与实现,详细阐述了系统组成结构、工作原理、系统硬件和软件设计,实现了水稻田环境的无线传感器网络远程监测。经实验测试,该系统运行稳定可靠,硬件构成简练,体积小,功耗低,有较大的应用空间。
- 黄招娣潘泽中朱路黄德昌
- 关键词：无线传感器网络NRF905远程监测
- EPON中光收发终端注册的模块设计研究被引量：1
- 2012年
- 在对EPON系统的组成、结构、工作原理、多点控制协议进行了介绍的基础上,阐述了ONU注册的过程以及注册过程中会出现的冲突问题及其解决办法,并分析注册过程特点,通过相应功能模块实现ONU注册。仿真结果进行分析表明,ONU能够快速准确的在OLT上实现注册。
- 黄招娣张跃进黄德昌
- 关键词：EPONOLTFPGA
- 基于PSO的神经网络优化证券投资组合方法研究被引量：6
- 2013年
- 针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法。在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化。将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法。
- 黄招娣应宛月余立琴肖祥阔罗佳
- 关键词：粒子群算法神经网络证券投资组合
- 基于q-高斯分布的投资组合实证分析被引量：1
- 2014年
- 投资组合是一个复杂系统问题,选择合适的q-分布及其密度表达形式是应用中的一个重要问题。首先从含有噪声的线性随机微分方程中推导出q-高斯分布概率密度函数,其表达形式简单,参数对分布的影响非常直观;接着将q-高斯分布应用于投资组合理论的均值-方差模型和均值-VaR模型;最后结合沪市股票数据进行实证分析,结果表明两种模型在q-高斯分布假设下的实际收益均大于其在高斯分布假设下的实际收益。
- 刘遵雄刘江伟郑淑娟陈英
- 关键词：投资组合均值-方差模型均值-VAR模型
- Q-高斯核支持向量机的财务危机预报被引量：2
- 2013年
- 针对科学实践、经济生活等诸多领域数据分布相对复杂的分类问题,使用传统支持向量机(SVM)无法很好地刻画其变量间的相关性,从而影响分类性能。对于这一情况,提出使用经典高斯函数的参数推广形式——Q-高斯函数作为SVM的核函数构建财务危机预警模型。结合沪深股市A股制造业上市公司的财务数据分别建立T-2和T-3财务预警模型进行实证分析,采用显著性检验筛选出合适的财务指标并利用交叉验证方法确定模型参数。相比高斯核SVM财务危机预警模型,使用Q-高斯核SVM建立的T-2和T-3模型的预报准确率都提高了大约3%,而且成本较高的第Ⅰ类错误最多降低了14.29%。
- 刘遵雄黄志强晏峰张恒
- 关键词：财务危机预警支持向量机
