基于TD3可变长度时间窗口最优加权的短期负荷预测策略

传统电力负荷组合模型使用滚动且固定长度时间窗口内的历史预测误差数据进行子模型变权,但该窗口长度无法根据最新环境特点进行自适应调整,导致有效信息的丢失或过时信息的引入,从而降低了短期负荷预测的准确性。利用双延迟深度确定性策略梯度模型(twin delay deep deterministic policy gradient,TD3)构建智能体,设计了一种时间窗口长度自适应可变的变权组合预测策略。通过建立短期负荷预测场景误差最低的目标及相关约束,设计了智能体的输入状态、动作和奖励机制,使智能体能够快速收敛并做出最优决策,从而准确地调整时间窗口长度。在此基础上,组合模型响应智能体实时指导的时间窗口,使用最优加权法实现了子模型的准确变权组合。最后,采用中国北方某地区的真实电力负荷数据进行算例分析,验证了所提策略的有效性和优越性。

多次定向增发与长期市场反应关系研究——来自中国证券市场的经验证据

以往的单一种类外部融资研究认为外部融资后常伴随着负的长期市场反应,然而包括定向增发在内的多数外部融资研究都很少考虑其他外部融资及同一种类多次融资的交叉影响。与着眼于单次定向增发长期市场反应研究不同,以2006—2019年成功实施定向增发的A股上市公司为研究样本,将多数相关研究所剔除的多次定向增发样本作为主要研究对象,并控制了定向增发的频次及其他外部融资的种类,把频繁发行者的影响分离出来,重点关注了多次定向增发的长期市场反应。研究结果表明:多次定向增发后的长期市场反应为负是多次定向增发及多种外部融资叠加效应的体现,低绩效更多的是外部融资的多样性和定向增发发行频次共同作用的结果。