2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、收益最大化問題是科學(xué)研究、股票投資和商業(yè)投資中的熱門話題。此問題在新股申購決策以及公司新產(chǎn)品投資的過程中表現(xiàn)得尤為突出。本文針對該問題,提出了分合增益模型,并將該模型實際應(yīng)用到新股申購?fù)顿Y問題中。
  對于分合增益模型的建立,本文采用有向圖論對其進(jìn)行形式化定義。根據(jù)其投資發(fā)散選擇和時間上連續(xù)性的不同,將模型分為并發(fā)增益、繼發(fā)增益以及并繼增益三種模型。針對新股的發(fā)行具有數(shù)量的不定性和時間的連續(xù)性,本文采用同時考慮數(shù)量和時間約束條件的

2、并繼增益模型做出申購策略。
  在新股申購的決策中,新股具有多個屬性特征,但是其中存在冗余。文中用聚類和χ2估計方法對新股特征進(jìn)行預(yù)處理,從原特征集中抽取出兩個不同的特征集,將抽取出來的特征作為模型的輸入集得出增益值。文中將增益分為兩類,一類為非極限增益,另一類為用來與非極限增益進(jìn)行比較的理想的極限增益和平均增益。對于非極限增益,采用最大熵思想、LMT和線性回歸方法的交叉結(jié)合進(jìn)行求解;對于理想的極限增益,用Dijkstra算法得出

3、,用來與非極限增益進(jìn)行比較;對于平均增益,可根據(jù)增益過程中連續(xù)分離子集的分布在某一時間約束下進(jìn)行求解。
  實驗結(jié)果表明,采用LMT分類結(jié)合分析處理后的線性回歸方法預(yù)測結(jié)果及趨勢較接近事后最優(yōu)路徑的最大收益。同時針對同樣的數(shù)據(jù)組,用不同的特征集進(jìn)行了對比實驗,通過實驗得出,包含42個特征的特征集得到的收益要比包含39個特征的特征集得到的收益高。
  本文在提出N元分合增益模型后,將其應(yīng)用到了新股申購?fù)顿Y問題中,從而幫助投資者

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論