基于移动窗口的适应性在线投资组合策略

在线投资组合选择问题是当前量化投资领域一个重要的研究问题.为了避免剧烈波动的股票市场中过去较长时间的股价数据对当前的投资决策产生干扰,基于移动窗口设计在线投资组合策略.首先利用近期股价数据,计算所有定常再调整策略的近期表现并对其进行排序;根据其排序构造权重,对所有定常再调整策略进行加权平均,提出了基于移动窗口的策略;进一步采用适应性学习的方法选择移动窗口的长度,提出了适应性学习的策略.采用实际股价数据对提出的策略进行了实证分析,结果表明它们具有较好的性能.

基于GA和SCMWPLS算法的NIR光谱信息变量提取研究

光谱数据压缩、信息变量提取是近红外应用研究的热点，是简化模型、提高预测精度的重要手段。本文以杏可见／近红外光谱为例，采用二阶导数、标准化和正交信号校正（OSC）处理以滤除光谱与浓度阵无关的信号；使用SCMWPLS选择出880，894-910和932nm为建模区间建立PLS预测模型，其相关系数（R）、校正误差（SEC）和预测误差（SEP）分别为0．920，0．454和0．470；进行独立运行GA程序100次，依次选择入选频率较高的2个波长点888和900nm作为回归变量，建立GA-MLR预测模型，其R，SEC，SEP分别为0．905，0．488和0．459，均优于全谱的偏最小二乘建模结果。结果显示，OSC可以滤除光谱与浓度阵无关的信号，减少建立模型所用的主因子数；SCMWPLS和GA可以寻找最优信息变量组合。该方法对于建立低维度、高精度近红外快速分析模型具有普遍参考意义。

基于近红外光谱的鲜味物质与鲜味强度检测

对近红外光谱(NIRS)分析技术结合化学计量学方法定量检测混合溶液中鲜味物质浓度及其鲜味强度的可行性进行探讨。以谷氨酸钠与肌苷酸二钠所构成的鲜味物质混合溶液为研究对象,获取不同鲜味强度的样本并采集其近红外光谱数据。基于偏最小二乘回归法结合竞争性自适应移动窗口区间组合(CMIC)新算法,以及多种常用变量优化算法分别建立混合溶液中鲜味物质浓度和混合溶液鲜味强度的检测模型。实验结果表明,最优的混合溶液中鲜味物质浓度和混合溶液鲜味强度检测模型均是基于CMIC算法建立的简化模型,预测决定系数分别为0.8886、0.9182和0.8097。因此,NIRS分析技术结合化学计量学方法可应用于定量检测混合溶液中鲜味物质浓度及其鲜味强度。