On Utility Maximization with Random Interval Payoffs

This article discusses the problem of utility maximization in a market with random-interval payoffs without short-selling prohibition. A novel expected utility model is given to measure an investor's subjective view toward random interval wealth. Some techniques are proposed to transfer a complex programming involving interval numbers into a simple non-linear programming. Under the existence of the optimal strategy, relations between the optimal strategy and assets' prices are discussed. Some properties of the maximal utility function with respect to the endowment are given.

模糊环境下赋权分数布朗运动的欧式期权定价模型

为了刻画金融资产价格呈现的长期记忆性特征,采用赋权分数布朗运动来描述风险资产价格的动态变化过程。考虑到金融市场的不确定性,即具有随机性和模糊性的特征,采用随机分析理论和模糊集理论构建了不确定环境下赋权分数布朗运动驱动的欧式期权定价模型,并推导出了欧式看涨期权和欧式看跌期权的定价公式。

面向虚拟电厂的电力调峰市场隐私保护交易策略

为解决虚拟电厂参与的集中式电力调峰辅助服务市场中因交易关键信息、敏感数据泄露而引发恶意竞价、扰乱市场秩序等问题,设计了一种基于“服务提供商-区块链-电力调度控制中心”的集中式市场隐私保护交易策略,实现了隐私保护和网络安全双约束下的电力调峰市场可信交易。首先,设计了基于价格混淆随机预言机和改进Shamir秘密共享网络的竞标信息隐私保护方案,对提交到区块链上的量价信息进行严格保护;其次,基于同态加密技术,以价格、信用值、时间依次优先的原则设计了区块链智能合约,实现了竞标量的隐私排序和可信自动出清;然后,为了实用价值,在区块链上部署安全性校验合约实现了交易结果的网络安全约束校验,保证了配电网的运行安全和服务提供商的结算安全;最后,通过算例分析和评估,验证了该隐私保护交易策略的有效性和优越性,表明了该策略可以在保护参与方隐私的同时,提高电力系统的灵活性和可靠性。

RF-MIP-LSTM股价预测模型

长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了长时记忆信息传递和模型的稳定性,构建了基于随机森林特征选择的RF-MIP-LSTM模型,并推导了模型的前向与反向传播算法。通过对中国农业银行、盐田港、格力电器三只股票价格和上证指数的预测和比较,表明RF-MIP-LSTM模型的收敛速度和预测精度均优于LSTM模型。

中国科创板股票价格变动预测模型研究

为更好地预测中国科创板股票价格变动走势,使用随机森林和支持向量机两种机器学习算法对中国股票市场的历史数据进行分析,选择318支科创板股票作为样本数据集,并以华兴源创(688001.SH)为例,采用支持向量机和随机森林的原理和算法流程构建数据样本,比较基于昨日收盘价和基于前几日收盘价两种思路的预测效果。结果表明:当基于思路1预测时,随机森林模型的正确率为65.55%,支持向量机模型的正确率为70.59%;当基于思路2预测时,随机森林模型的正确率为43.70%,支持向量机模型的正确率为62.18%。在模型选择上,支持向量机对于股市预测水平更加切合,应更多地采用向量机模型实现对中国科创板股票的预测。在指标选取上,当日各项指标要比历史收盘价数据更加具有参考性,且未来结果不仅受到历史趋势的影响,还可能受到当日的各项指标影响。

基于随机森林模型的烟草销量影响因素分析

烟草行业对市场有较为重要的影响,其销量的影响因素较多,同时烟草销售特征分析相关的研究较少。针对烟草销售的特征对销量的影响,该研究用随机森林模型进行分析,得到18个销售特征对销量是否增长的特征重要性分析。分析发现,在影响销量是否增长中:香烟的调拨价及其统一批发价、零售指导价格对销量具有较大重要性,分别为16.5%、15.6%、15.5%;而是否中支、雪茄、粗支烟的重要性很低接近0%。在销量最高的部分香烟中,调拨价主要集中在60元~130元。该研究结论有助于指导香烟在适宜的调拨价格区间(60~130)的香烟增加生产或投放而提高销量。

预付款机制下的铁矿石供应链金融的均衡决策

供应链金融是铁矿石供应链中企业缓解资金压力和改善供应链资金流的重要途径。考虑钢厂以预付款的方式向矿山企业提供资金支持,共担铁矿石产量随机风险,引入批发价格折扣系数,构建了预付款机制下的两级Stackelberg博弈模型,深入分析矿山企业和钢厂的最优均衡策略,并进一步采用数值实证方法探讨铁矿石价格波动对企业决策和收益的影响。其结果表明,在铁矿石供应链金融中,随着铁矿石市场价格上涨,矿山企业将上调计划产量而获得较高期望收益,而钢厂的最优订购量不变的同时期望收益会增加;当铁矿石市场价格处于较高水平且矿山企业面临较为紧迫的资金需求时,矿山企业参与铁矿石供应链金融的积极性更高,而钢厂在铁矿石市场价格较高时具有较高的期望收益。通过将理论模型推导和实证分析相结合,本文不仅为矿业领域的决策者进行科学决策提供可参考的理论依据,也为促进供应链金融在铁矿石供应链的应用研究添砖加瓦。

基于粒子群优化随机森林算法的河南省葡萄价格预测研究

河南省是中国重要的葡萄种植基地之一,葡萄种植面积广泛且产量丰富。因此预测河南省葡萄价格至关重要。为了提高葡萄价格预测准确性和稳定性,提出一种PSO⁃RF预测模型,该模型用粒子群(PSO)优化随机森林中决策树深度,选择最优预测器个数,进一步得到最优预测器组合。实验结果表明,相比于单一的随机森林预测模型,PSO⁃RF模型具有更高的预测精度,MAE仅为0.0095,R2达到0.968。因此PSO⁃RF预测模型可以对河南省葡萄价格进行更准确的预测。

随机利率模型下信用价差期权的保险精算定价及其应用

将应用信用价差期权来规避企业债券的信用价差风险.首先运用保险精算方法,在金融市场上的无风险利率具有随机波动的前提下,建立信用价差期权模型,利用保险精算定价方法得到信用价差期权的定价公式.然后结合企业债券的信用价差风险,设计信用价差期权,利用已给出相应期权公式进行风险管理.

基于Selenium框架+随机森林模型的农产品价格分析

农产品作为中国市场经济体制中的重要战略资源,其价格波动不仅会给消费者带来影响,还会影响生产经营活动。在大数据技术赋能农业发展的背景下,研究构建了一个基于Selenium框架+随机森林模型,用于实时采集、可视化分析以及序列预测的地方农产品大数据平台系统。将该预测系统和决策树模型、支持向量机(support vector machines,SVM)模型的预测效果进行对比分析,研究发现:该平台的数据采集实时性强,预测效果较决策树模型和SVM模型更好。

证监会随机抽查与股价同步性

随机抽查制度是证监会规范监管行为、提高监管效能的一种新型监管方式。本文以我国沪深A股非金融行业上市公司为研究对象,利用双重差分模型分析了证监会随机抽查对股价同步性的影响。研究发现,随机抽查有利于降低上市公司的股价同步性。机制分析发现,信息披露质量和投资者关注在随机抽查对股价同步性的影响中发挥了中介作用。异质性分析发现,随机抽查对股价同步性的影响因地区法制环境、外部治理环境和公司内部控制质量不同而表现出显著差异。本文丰富了证监会随机抽查与资本市场信息效率间互动分析的研究成果,为考察监管方式有效性提供了增量证据。

基于RF-PSO-LSTM模型的碳交易价格预测研究

碳排放权是一种新型经济环境资源,其价格的波动是碳交易市场的核心问题。为了提高碳价的预测精度,本文在采用随机森林选择特征变量的基础上运用粒子群优化算法(PSO)优化长短期记忆神经网络(LSTM)模型,构建了基于RF-PSO-LSTM的碳价预测模型,并以湖北碳交易市场为例,选取了11个影响碳价的因素进行碳交易价格预测研究。研究结果表明:相比LSTM与RF-LSTM模型,新构建的RF-PSO-LSTM模型取得了最优的预测性能。

基于梯度提升决策树的房价预测模型

为了更精确快速地预测二手房房价,提出基于梯度提升决策树的房价预测模型。首先,采集最新沈阳二手房数据,对数据进行预处理;其次,基于处理后的数据和梯度提升决策树方法建立房价预测模型;最后,利用实验验证模型的有效性。实验结果显示,基于梯度提升决策树模型在拟合优度、均方根差、平均绝对误差都优于岭回归、决策树。在预测房价上具有一定的实用性。

甘肃省猪肉价格预测与风险预警研究

对猪肉价格进行预测、预警,可以有效指导生猪养殖,保障猪肉供需平衡。为促进甘肃省猪肉市场稳定可持续发展,本研究以猪肉价格为研究对象,运用Lasso算法筛选变量,利用哈里斯鹰优化算法(HHO)对随机森林(RF)进行改进,建立预测模型HHO-RF,对猪肉价格进行预测、预警。结果表明:HHO-RF模型均方误差(MSE)为0.22,可决系数(R^(2))为99.76%,相对分析误差(PRD)为20.6,具有较好的拟合效果;对猪肉价格的风险预警效果较好,准确率达到91.67%,说明模型HHO-RF可以较为准确地预测甘肃省猪肉价格走势。对2022年11月至2025年10月甘肃省猪肉价格预测发现,预测期内价格整体呈现先降后升最后稳定的趋势。基于此,推动甘肃省猪肉产业健康发展,建议优化猪肉价格预测系统,提高价格预测精度;拓宽猪肉价格信息公布通道,促进信息共享;建立健全猪肉价格风险预警体系,提高应急调控水平。

基于多元线性回归与随机森林算法的房价预测模型对比研究

为分析房价影响因素,选择更优的机器学习模型预测房价走势,使用两种机器学习算法构建了两种预测模型并对比预测效果。通过对公开数据集进行特征分析、预处理以及数据集划分,构建了多元线性回归预测模型和随机森林预测模型。采用平均绝对误差(MAE)、均方根误差(RMSE)以及决定系数(R2)作为最终评估模型的指标,结果显示随机森林模型的平均绝对误差、均方根误差较小,决定系数较大。评估得出随机森林模型预测准确性较多元线性回归模型更优。

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明:提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。

上市公司信息披露质量对股价极端波动的影响研究

本文以2017—2021年深圳证券交易所A股上市公司为样本,运用联合泊松混合模型,从暴涨和暴跌两个角度探究信息披露质量对股价极端波动的影响情况。研究发现,二者之间存在显著的负相关性,并且当股票价格受信息披露质量的影响出现极端波动时,相对于暴涨,出现暴跌的风险更高。此外,本文还基于联合泊松混合模型中的随机效应,探究了信息披露质量对股价极端波动影响在不同行业之间的差异。通过分析这种差异性,选择适合的股票来构建投资组合,能够帮助不同类型的投资者选择相应投资策略,实现更有效的风险管理。

多不确定条件下的订单农业供应链研究

"保底收购,随行就市"是为了保障农户利益而产生的一种订单农业模式。实行该模式可以有效地帮助农户降低市场风险以及减少违约行为。以"公司+农户"型订单农业为研究对象,综合考虑公司面临的市场需求不确定风险、农户面临的产出不确定风险以及双方共同面临的批发价格波动影响,以传统的契约批发价格为参照对象,分析了实行"保底收购,随行就市"惠农政策后供应链的绩效变化情况,最后结合算例分析给出结论和建议。

模糊随机环境中的欧式障碍期权定价

考虑到现实世界的不确定性包含随机性和模糊性,运用随机分析和模糊集理论研究了模糊随机环境中的欧式障碍期权定价问题.由于各种欧式障碍期权的定价方法和思路基本相同,因此仅以向上敲出看涨障碍期权为例说明如何定价.通过假设标的资产价格服从模糊随机过程,得到了向上敲出看涨障碍期权的模糊价值和其在可能性均值意义下的定价公式.

期货市场有效性理论与实证检验

本文以我国期货市场选取的六种期货的价格行为为对象,利用单位根检验与自相关检验的结合,并同时利用方差比检验和多重方差比检验来随机游走假设进行实证研究,目的在于探讨国内铜、大豆、小麦等六大期货市场是否呈有效态势。结果显示:各种检验方法得出的结论不尽一致,除上天胶外,各大期货市场的对数期货价格序列不能拒绝弱式有效市场假设。