郭斌
- 作品数：2 被引量：8H指数：1
- 供职机构：石家庄铁道大学更多>>
- 发文基金：河北省软科学研究计划中国博士后科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 中国股指波动率的智能预测模型与实证检验
- 2016年
- 文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型。以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性。检验结果表明,AlWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度。
- 耿立艳郭斌
- 关键词：波动率预测最小二乘支持向量机
- 基于LSSVM-DACPSO模型的物流需求预测被引量：8
- 2015年
- 最小二乘支持向量机(LSSVM)的推广与应用依赖于核函数中参数的选择。文章针对LSSVM在物流需求预测中参数选择的随意性、耗时性等问题,将LSSVM与动态加速系数粒子群优化(DACPSO)算法结合,提出一种基于LSSVM-DACPSO的物流需求预测模型。该模型首先利用DACPSO算法的寻优能力选择LSSVM最优参数,然后运用LSSVM的非线性运算能力对物流需求量进行预测。利用我国的物流数据进行实例分析,结果表明,相比于TVACPSO算法、PSO算法和交叉验证法,DACPSO算法优化的LSSVM具有更高的预测精度和更快的建模速度,该模型具有一定的推广与应用价值。
- 耿立艳郭斌
- 关键词：最小二乘支持向量机物流需求预测
