一、用数学方法作新产品的市场预测(论文文献综述)
刘岩峰[1](2020)在《多重不确定性需求下装备制造企业多品种生产计划方法研究》文中研究指明企业战略目标的实现依赖于对战略指导下的生产经营活动的计划及实施。生产系统运行管理的首要职能就是对系统生产活动的计划管理。企业生产计划又是企业的总体生产大纲,在实际应用中使用较为广泛的如企业资源计划ERP、制造执行系统MES等,都需要依据生产计划大纲才能转化为可具体执行的生产作业计划并加以实施和控制。作为制造业的核心,装备制造企业在国民经济和工业建设中的地位及其重要。伴随着工业革命持续推进,客户对产品的需求也逐渐定制化、多样化,使得生产变得复杂化、分散化,装备制造企业开始转向多品种小批量生产,装备产品生产越来越柔性。产品生产的发展特征也逐渐表现出个性化、多样化。与此同时,也使装备制造企业多品种生产计划面临着客户需求多样个性、动态多变和难以预见的新挑战。但通过对覆盖了7个大类装备制造业137个企业进行访谈和问卷调查表明:相对于最终消费品制造企业而言,装备制造企业由于其产品知识密集,产品比较专业化和复杂化,设计制造上顾客参与度低以及需求变更、修改订单等原因,生产计划制定仍然面临着诸多的不确定性需求问题。当前企业都面临着市场需求的多样化、定制化和持续多变的环境问题。为了能够快速应对外部需求不断变化,如何制定计划是企业组织生产活动和生产过程的永恒主题。因此,迄今已有众多关于生产计划方法方面的研究成果,但这些方法主要是针对确定性需求或是需求数量不确定、需求数量-期限不确定情形下的生产计划制定,生产实际中大多还是基于经验或数学方法,并通过反复实验或称“试错法”来制定生产计划。面对客户需求品种、质量、数量、期限上的多重不确定性,如何描述客户需求的多重不确定性以及多重不确定性需求之间的关系?如何将这些多重不确定性需求关系及其需求共性反映到生产计划制定之中?又如何建立多重不确定性需求下多品种生产计划模型?这是生产计划管理理论和实践上亟待破解的难题。本文围绕装备制造企业多品种生产中,面临多重不确定性需求下迫切需要解决的生产计划方法问题开展研究,研究完成的主要工作有以下四个方面:(1)对多重不确定性需求以及装备制造企业多重不确定性需求概念进行了界定。首先,对不确定基本概念与相关理论基础进行了分析,主要从单重不确定性研究扩展到多重不确定研究,从常用的随机性和模糊性,也拓展到了粗糙性。然后,分别根据研究对象的不同和对象属性不同的特点进行了分类和划分,以及对相关文献的梳理,从而界定了多重不确定性和多重不确定性需求的概念。最后,通过对现实中的装备制造企业的需求问题进行了提炼和归纳,给出了装备制造企业多重不确定性需求的概念界定。(2)分析了制造企业多重不确定性需求以及它们相互之间的关系,并提出了生产计划应对的生产策略。首先,分别对生产计划制定的不确定性的品种、数量、质量、交货期等需求要素分析。其次,按照制造企业客户需求的影响过程,逐一明确各种需求之间的关系及相互影响,从而建立制造企业客户多重不确定性需求之间的关系模型。再次,采用动态情景分析描述装备制造企业多重不确定性需求的作用关系,提出了多重不确定性需求的各情景下的生产计划应对策略。最后,采用动态随机规划方法建立了多重不确定性需求下生产计划动态规划模型;并针对装备制造企业的实际问题,采用了不同的生产计划安排策略,包括先来先服务、短作业优先、需求时间优先以及最小转换成本策略等,并采用了算例模拟对比分析。研究表明:品种、数量、交货期、质量等需求要素存在着不确定性并且是相关影响的,算例结果证明该模型有效且有实用价值。(3)根据装备制造企业的订单变动和紧急订货情景,建立了多重不确定性需求下装备制造企业多品种生产计划模型。首先,对装备制造企业订单变动和紧急订货情景下产生的品种、数量、交货期和质量的需求变化进行分析。其次,根据满足客户需求、生产计划成本最小、产品生产周期最短、利润最大化四个生产目标,建立了具有多重不确定性的装备制造企业多目标生产计划模型。再次,在该模型中,不仅考虑了各种生产约束条件,还采用数学表达方式描述模糊不确定性数量需求,模糊不确定性交货期、由于客户和企业的认知不同产生的粗糙不确定性质量,以及在一定范围内波动的模糊价格需求等。最后,模型算例模拟求解采用了带精英策略的快速非支配排序遗传算法(NSGA-II)算法,结果表明该模型的有效性和可行性;同时将运算结果对比了带罚函数的粒子群算法求解该模型的模拟运算结果,对比结果表明NSGA-II算法求解本模型更适用。(4)构建了多重不确定性需求下装备制造企业多品种相似性生产计划模型。首先,针对装备制造企业分析了客户的离散随机的品种需求、模糊的交货期需求、随机的数量需求、模糊的质量需求。其次,对装备制造企业的产品和组件的相似性分析,建立了产品或组件的相似性计算模型。再次,针对产品或组件的相似性距离和多重不确定性需求的相似性,建立了基于FCM(模糊C-均值模糊聚类)的聚类模型。然后,根据聚类模型建立了相似生产计划模型,并利用多层编码遗传算法求解。最后,对比了SAGA(基于遗传模拟退火算法的聚类算法)的聚类分析,结果表明:SAGA聚类算法比FCM算法求解该聚类模型优越性更明显;对各模型进行模拟求解验证了模型的可行性和实用性。
赵淼[2](2020)在《政府数据治理中的政企耦合机理研究 ——以内蒙古为例》文中提出党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》中强调,“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”这是数据作为生产要素首次在中央层面被予以明确,把数据纳入生产要素,反映了有效的数据是生产力的重要组成部分。近几年,各地政府纷纷响应国家大数据战略出台相关大数据政策文件,并在开发利用政府数据资源方面进行了很多探索和尝试来加速推进政府数据治理实践进程,囿于体制机制、部门数据孤岛、专业人才欠缺以及数据治理成本等阻碍与难点,各地数据治理成效参差不齐。面对上述数据治理困境,地方政府纷纷选择与企业合作开发利用政府数据资源,企业参与政府数据治理二者可以优势互补相互促进,可以预见政企合作将成为未来政府数据治理发展的必然趋势。因此,梳理当前政府数据治理中政企合作的现状,分析政府与企业二者之间在政府数据治理中的关联和相互作用关系,探讨一种能够实现政府数据资源价值最大化及政府与企业向协调有序的整体发展的政企合作方式变得紧迫而重要。本文将基于系统耦合理论这一研究视角探析政府数据治理中政府和企业的关联和相互作用关系,对现有政府数据治理中数据收集、数据共享、数据开放、数据利用四个核心环节的政企合作模式进行分类和分析,提炼二者耦合特征和内涵,构建由基本要素、核心要素、促成要素、和目标要素构成的政企耦合理论分析模型,并以理论分析模型为指导,构建政府数据治理中政企耦合发展评价模型,最后运用评价模型对内蒙古政府数据治理中的政企耦合程度进行实证检验。本文为分析政府数据治理中政府和企业的耦合发展提供了新的理念和评价方法体系,有助于促进政府数据治理领域中协同治理格局的形成。
赵艺菲[3](2020)在《新零售下物流水平对市场需求影响预测不一致的物流外包契约》文中指出随着信息技术的不断发展,2016年马云在杭州的云溪大会上首次提出“新零售”这一概念。“新零售”是线上线下以及物流企业的深度融合,从向消费者销售商品转向消费者服务,高质量、高效率的物流服务直接影响了消费者的体验感受,进而影响了市场销售数量。但是物流服务对市场需求影响程度到底如何呢?在这一点上新零售商和第三方物流企业往往因为各自的数据来源、分析方法、以及对市场认识的差异导致二者的预测是不一致的。这种不一致会导致新零售商与第三方物流企业在物流服务价格、数量、服务水平等方面产生分歧,甚至导致合作关系破裂。为此,针对市场预测的不一致情况,对新零售商与第三方物流企业的物流外包契约进行了研究。首先,在完全竞争市场下,构建市场总容量可变与市场总容量不变的物流外包契约模型。研究表明,市场需求占比系数不断变化,在市场总容量不变时,预测不一致不影响外包协议的达成,物流外包协议单价不受预测不一致的影响,但第三方物流企业服务水平及其收益与其预测正相关,新零售商的收益与双方的预测正相关。在市场总容量可变时,预测的不一致将影响外包协议的达成,只有双方预测的乘积大于阀值时才能达成外包协议,且达成的协议单价、物流服务水平、以及双方的收益均与各自的预测正相关。随后,在不完全竞争市场下,构建市场总容量可变与市场总容量不变的物流外包契约模型。研究表明,在市场总容量不变时,市场需求预测增长系数的变化,影响物流外包协议的达成,第三方物流企业不提供物流服务时,双方才能达成外包协议,不符合现实意义。在市场总容量不断变化的情况下,市场需求预测的增长系数影响物流外包协议的达成,协议达成过程中存在阀值,存在新零售商与第三方物流企业利润收益的最大化情况。最后,总结了主要的研究结论,并从市场需求函数的更进一步变化,以及新零售服务商和第三方物流企业的风险规避性差异两个维度确定了进一步的研究方向。
李兴有[4](2020)在《基于人工智能的量化多因子模型的拓展及在中国股票市场上的应用》文中提出量化投资主要基于数学的方法完成投资的决策和实施,而且其中往往伴随着计算机技术的参与。量化投资的理论、策略以及实践在金融环境成熟的海外投资市场已经发展多年。伴随着近年来人工智能技术的再度兴起,各种新技术、新模型和高性能的计算机也与量化投资的结合越来越紧密,并且相关的概念和研究也逐渐被越来越重视。量化投资具有很多特点:首先是严格按照数理结果做出投资决策。在量化投资中决策的依据是模型的结果,而不是投资者的感觉。量化投资很好的克服了传统投资方式下人性缺陷带来的不足,每一次的投资决策所有的行动理由全部基于严密的数学计算结果。其次量化投资可以做到高效、严密的处理分析数据。传统的投资方法面对当今信息时代爆炸性增长的数据,难以做到全面、缜密和具有逻辑的分析处理。而量化投资模型可以很快速的处理成千上万关于投资的信息,最新的人工智能算法又可以在复杂的各种信息中理清关系构建评估体系,可以说基于计算机技术的量化投资可以看到传统的投资方式难以看到的信息。最后量化投资可以做到从金融数据中发掘价值。从最初的统计套利,根据统计学的原理在具有相同性质的股票之间寻找价差,到之后基于概率和历史数据挖据模型,量化投资利用数学知识建立起完全有别于传统定性投资的方法,并不是只简单的借助股票基本性质来作为分析的手段。本文关注于量化投资策略中的多因子模型,借助人工智能技术对其进行拓展,具体的主要工作有:首先,在投资领域中量化投资策略占据着主导,量化投资策略的核心在于根据因子与收益和风险之间的关系来配置资产组合。因此提升资产配置效率的核心就在于对因子模型的不断改进,本文提出利用Elman神经网络来预测多因子模型中的因子,这种处理方法可以取得相较于传统的量化多因子模型更好的结果,文中以2017年2018年的8个季度数据为样本,首先检验了多因子模型的效果,结果表明多因子模型在中国证券市场中具有显着的效果。同时通过对比实验证明,未来一期的因子在建立资产配置组合时效果优于用当期因子预测资产未来的收益。而在预测未来一期因子方面,传统的线性回归模型对于数据要求较多,必须满足平稳或协整等条件。本文中通过检验表明因子数据无法满足相关要求。因此文中提出利用非线性的Elman神经网络来预测因子的未来走势,实验结果表明Elman神经网络预测出的因子可以起到一定的作用,并且将预测因子和原有的多因子模型相结合可以获得显着的优于原有模型的效果,该方法拓展了资产配置的途径,提升了资产配置的效率。其次,本文研究了宏观经济因子在多因子选股模型中的应用,在传统的多因子模型中,必须首先依靠Fama-MacBeth回归检验因子的有效性,当因子无法完成有效性检测时,则认为在传统的框架下无法建立起因子与股票收益率之间的关系,进而宏观经济因子不能应用于多因子选股模型。但是有些宏观经济因子与股票收益率之间存在关联是符合经济学研究的,因此本文提出为了更好的刻画二者之间的关系,可以在线性模型不能建立起二者之间关系的情况下,利用基于神经网络的非线性模型来研究宏观经济因子与股票收益率之间的关系,实验表明添加了宏观经济因子的神经网络模型能够更好的拟合股票收益率,更进一步本文依靠神经网络模型的预测结果作为评分依据建立多因子选股模型,实验表明神经网络模型选出的投资组合在收益率表现上显着优于传统方法,并且添加了宏观经济因素的多因子模型表现更为优异,这更进一步证明了宏观经济因子对于股票收益率的影响。最后,Smart Beta投资策略是基于Alpha策略和Beta策略相结合的一种投资策略,其核心是在跟踪指数的同时改变指数的权重确定方式。传统的指数和Beta策略在编制指数时大部分以成分股的市值、成交量等权重确定方式为依据。而Smart Beta策略则根据Alpha因子作为权重编制的依据。本文首先依据Smart Beta策略的构建方法,依据公司质量因子和等权重法分别对所跟踪的指数进行了构建,并比较了在Smart Beta策略下的两种权重确定方式的表现优劣。在对比中可以看出,不同的指数适合不同的权重确定方法。因此本文提出基于人工智能算法的分类功能来预测指数适合的权重确定方法。然后分别验证了BP神经网络和线性层模型对于指数适合权重方法的预测,结果表明人工智能算法对于分类不同的指数和其权重确定方式起到了一定作用。
侯准[5](2020)在《黑龙江省对俄跨境电商进口企业供应链管理绩效评价研究》文中研究表明当前,中国经济已步入新常态发展阶段,跨境电商的发展为中国经济发展提供了强大的动力。黑龙江省根据自身的地理区位优势,大力推动对俄进口跨境电商和企业的发展,成为扩大内需、拉动就业、促进创业、加速产业优化革新、经济结构性调整的重要推手。为此,黑龙江省逐步建立了哈尔滨跨境电商综合试验区、中俄跨境电商产业园、伊戈尔俄罗斯商品大市场和罗斯帝国俄罗斯商品集散中心等对俄进口跨境电商服务设施项目,同时完善了“佳木斯电子商务园区”、“绥芬河市青云交易市场”等配套产业链,黑龙江省对俄进口跨境电商取得了重大发展,进口企业的规模也日益扩大。但是,黑龙江省对俄进口跨境电商覆盖范围广、涉及环节多,导致对俄跨境电商进口企业的供应链较为复杂。在这种情况下,怎样优化供应链管理、提升供应链管理绩效是黑龙江省对俄跨境电商进口企业所面临的难题。首先,对相关概念进行界定、阐述供应链管理绩效评价相关理论。然后,分别从上游供应商管理、中游服务提供商管理、下游消费者管理、供应链人才培养管理四个方面对黑龙江省对俄跨境电商进口企业供应链管理现状展开分析,得出黑龙江省对俄跨境电商进口企业供应链管理存在商品同质化严重,质量参差不齐、跨境配送成本高,逆向物流难度大、售后侵权行为频发、供应链管理专业人才匮乏等问题。接着,以BSC和SCOR绩效评价模型为基础,对评价模型中的指标进行修改和补充,初步构建评价指标体系,通过《黑龙江省对俄跨境电商进口企业供应链管理绩效评价指标体系调查问卷》收集相关数据,对指标体系的可信性和合理性进行验证,结果显示验证通过,最终确定了包含采购环节,物流通关环节,售后环节,学习与成长环节4个一级指标,24个二级指标在内的黑龙江省对俄跨境电商进口企业供应链管理绩效评价指标体系。接着,构建综合评价模型。选择使用熵权法来确定评价指标的权重,通过《黑龙江省对俄跨境电商进口企业供应链管理绩效评价调查问卷》收集得到257份黑龙江省对俄跨境电商进口企业供应链管理绩效评价的等级打分数据,利用模糊综合评价法构建综合评价模型并进行评价,评价结果显示在整体层面以及采购环节、物流通关环节、售后环节、学习与成长环节,黑龙江省对俄跨境电商进口企业供应链管理绩效隶属均为“一般”。最后,结合评价结果和黑龙江省对俄跨境电商进口企业供应链管理存在的问题,针对性的从采购管理、物流管理、售后管理、供应链管理人才培养四个方面提出优化建议。
穆俊晨[6](2019)在《供应链管理模式下S企业绩效评价研究》文中认为随着全球市场经济的发展、顾客生活层次消费水平的提高,消费结构开始发生转变,消费者对产品质量和服务水平要求也愈发严格,卖方市场逐渐向买方市场转变,市场逐渐向以消费者为核心的模式发展。零售商作为供应链中直接与顾客打交道的节点企业,占据了供应链中重要的地位,供应链模式也发生了变动,从过去的以制造商为核心逐步转变成以零售商为核心的模式。家电零售业本身是一个以物流和供应链为核心的行业,作为核心零售商要与上游供应商及其下游消费者保持良好的的关系,并围绕自身打造一条完整的供应链。因而买卖双方之间不能仅仅局限于是短期的买方卖方关系,而更应该发展为一种长期的战略合作伙伴关系,从而在新时代的竞争环境中提高供应链管理水平,缩短存货周转期,减低库存量,满足客户不断增长的产品质量和服务需求,实现以自身为核心节点企业的整个供应链上节点企业的共赢。现在,国内越来越多的人们开始关注这种新兴的以零售商为核心的供应链模式,然而,国内外对供应链和供应链绩效的研究仍然集中在以制造商为主导的供应链模式上,而较少地对以零售商为核心的供应链模式进行研究。因此,为弥补这方面研究的不足,对零售商主导的供应链的相关问题进行优化和创新具有十分重要的理论和现实意义。本文在回顾供应链与供应链绩效评价相关理论的基础上,对零售商主导的供应链绩效评价体系进行了研究。首先介绍了零售商主导型供应链的定义、结构模型、特征,并在此基础上结合供应链绩效评价的有关理论以及零售商主导型供应链绩效的影响因素,从内部绩效评价(财务角度、营运流程、学习与发展)和外部绩效评价(合作能力、顾客角度)五个维度共24个三级指标构建评价指标体系,然后利用层次分析法确定各指标权重,最后采用模糊综合评价法对S企业供应链绩效进行分析和评价。
张昕[7](2019)在《基于系统耦合的省域森林公园旅游效率分析及预测研究》文中指出森林公园作为我国重要的森林资源代表,同时也是森林旅游开展的重要场所。近年来,随着国家对生态文明建设的重视程度进一步提升,加上森林旅游需求日益扩大,我国森林公园在规模上得到了快速发展。但总体而言,这种快速发展主要归根于国家的投入,森林公园整体经营效率不高。加上现有相关研究多采用数据包括分析的方法对旅游效率进行研究,否认了投入和产出双方之间的互动,忽视了森林公园的动态发展,不符合现实规律。为此,本文从系统耦合的角度出发,通过结合文献分析、熵权法、TOPSIS等方法,对我国省域森林公园的旅游效率进行分析及预测,以协调森林公园投入增加和效益增长之间的关系。本文主要研究结论如下:(1)2003-2017年间,全国森林公园投入总体情况不佳,且各年度投入差异不大;各省份森林公园投入呈现东部沿海多于中西内陆;城镇化水平低的省市区多于城镇化水平低的省市区的特征。(2)2003年-2017年间,全国森林公园总体旅游效益较低,林业大省旅游效益总体较高且上升倾向更为明显,东部沿海省份旅游效益较高但逐年下降,西部经济欠发达地区及东部城镇化较高省份旅游效益表现较差。(3)2003年-2017年间,全国以及各省份森林公园投入和产出两大系统之间存在极强的相互影响关系,且这种关系还呈波动上升的发展趋势。(4)2003年-2017年间,全国森林公园投入产出耦合协调度较低,总体处于轻微失调的状态,31个省市区中仅三分之一的省份森林公园投入和产出耦合协调度较为理想,旅游产出落后于旅游投入是导致该现象出现最为主要的原因。(5)2003年-2017年间,全国森林公园投入产出耦合协调度变动以保持稳定和波动上升为主,总体上向着良性协调的方向发展。东部沿海省份及中部林业大省森林公园投入和产出常年处于相互促进和提升状态,经济较为落后的西部省份及东部城镇化水平较高的直辖市森林公园投入和产出长期处于相互拮抗状态。(6)2018至2020年期间,全国森林公园投入产出耦合协调度将整体延续以往趋势,以相对稳定和缓慢上升为主。但在空间分布上将由以往的“东高西低”的整体格局逐步转变为“一超多强,全面开花”的格局。
唐岱[8](2018)在《汕头市入境旅游客源市场研究》文中研究指明汕头市位于沿海地区,拥有发展旅游业的资源禀赋,先天优势明显,同时海上丝绸之路的提出强化了汕头港的港口建设,在政策优势和资源优势双向影响下,汕头市入境旅游客源市场将会拥有非常广阔的发展空间和美好的发展前景。本研究通过采集近十年汕头市入境旅游人数,绘制了汕头市入境客源市场的演化趋势图,并计算了汕头市不同客源国的亲景度。通过构建了偏离—份额(SSM)分析模型,将汕头市与全国、广东省的入境客源市场作比较,得出汕头市相对于全国和广东省的发展现状、不同特点以及未来发展走向。从时间演变趋势来看,广东省和全国入境客源市场演化趋势整体相近,而汕头市入境客源市场与全国和广东省有明显区别,核心客源集中于泰国、中国香港、韩国、日本、新加坡等国家;从亲景度的变化规律来看,2006年至2015年汕头市专项研究指数的变化有两个趋势,呈现出总体上升和下降的趋势;从SSM结果来看,在国家背景下和广东省的SSM分析之后,基于份额成分,结构偏离成分和竞争力偏离成分的三个组成部分的特征将汕头的主要入境资源市场划分为四个发展阶段:机会,成长,停滞和衰退。根据以上分析,结合汕头市不同入境客源市场的发展特点,本文针对处于不同阶段的客源国提出针对性市场开拓策略,主要有以下几方面:1)机会阶段的开发对策有:精准定位潮商印度尼西亚客源市场,加大开展宣传力度;完善景区配套设施与管理要素,提高旅游服务水准;2)成长阶段的开发对策有:建立旅游品牌,丰富产品结构,塑造旅游地形象;加强联系沟通,推进区域内多景点联合开发与营销;增开旅游包机和旅游专列;3)停滞阶段的开发对策有:适度营销,侧重打造主题文化遗产项目;提高游客体验深度,创造特色旅游产品;先易后难,有步骤开发入境旅游市场;加强入境政策导向,便利入境旅游客源;4)衰退阶段的开发对策有:全面整合旅游资源,升级再造旅游景区;加强区域之间旅游合作;树立本地特色侨乡旅游品牌。
刘治[9](2018)在《基于数据挖掘的电商销量预测研究》文中进行了进一步梳理2016年以来,京东、阿里营收增速同比下降到40%到50%,相比过去三位数的增速,这表明电商营收增速已趋于平缓,流量和移动互联网红利等带来的超高速增长基本结束。客户需要更加多变,企业间竞争激烈,电商进入精细化运营阶段。通过应用新的技术来提高企业的运营水平,在企业和社会中已经达成共识,尤其是数据科学技术。数据挖掘(DateMining)技术从21世纪初开始应用到世界领先的企业,2012年左右国内企业开始普遍重视,但在当时受到缺少大量数据的掣肘。经过多年的数据平台搭建和积累,目前很多企业已经有了较为丰富的历史数据,可以说如今理论、工具和原材料积累都已经基本成熟。企业需要对其业务范畴以及运营范畴内的很多数据进行有效的预测,以安排下一个阶段的生产、物流、营销、以及新业务的扩展。通过对文献的学习和企业调查发现,目前预测技术在企业应用中出现的最大问题是业务的预测需求与预测技术脱节。本文以跨产业数据挖掘流程(Cross-Industry Process for Data Mining,CRISP-DM)的方法论来指导预测任务,将以数据为核心的知识发现工具引入到传统的需求预测中。不仅引进了数据挖掘的技术,更加重要也具有应用价值的是将数据挖掘的流程引入。从消费者购物行为和电商的网络营销出发,全面总结了影响销量预测的模式和影响因素。为数据挖掘模型的建立准备了全面的业务知识,也指导了数据挖掘过程中相关数据的获取和分析,这是以往大多数研究中缺失或薄弱的环节。本文采用因果预测的方法,建立随机森林、支持向量机、神经网络三个最常用的数据挖掘模型进行预测,另外对比了经典的多元线性回归。采用十折交叉验证的方法评价模型的预测结果,发现在当前的数据集下,采用径向基核的支持向量机预测效果最佳,达到了 7%的误差率,而且模型的泛化性能最稳定。但相比,多元线性回归的预测效果也很优秀,预测效果接近。表明当前业务场景下,影响因素对销量的影响模式以线性为主。在当前的方法论指导下,可以获得优秀的预测结果和丰富的管理启示,证明本文提出预测流程的具有较大的应用价值。研究中数据写入、处理、分析和建模都采用开源软件R语言编程实现。
印如意[10](2018)在《基于海量文本挖掘的证券市场情绪监控及预测》文中认为Web2.0和移动互联网催生了网络上用户海量内容的生成。证券市场上的用户同样地喜欢通过社交媒体来表达自己对市场的看法和情绪,因此社交媒体近年来吸引了研究者和业界的大量关注,但是从这些社交媒体中抽取出对研究和产品有帮助的信息存在各种困难。为了有效地从社交媒体中抽取出证券市场用户的情绪信息,并且探索其对证券市场的影响,本文针对证券市场用户内容数据特点,提出了证券市场市场情绪分类算法;在市场预测方面,针对传统金融时间序列预测存在的问题,提出基于RiskReturn的金融时间序列预测算法;进而,将预测模型应用到实际交易情境下,通过量化交易分析的手段,研究其在证券市场上的表现。本文主要内容包括以下三个方面:第一,针对Web2.0时代用户数据较为混乱的特点,提出了Encoder-Decoder句表征的方式,将所有的文本映射成为高维的语义向量,通过标注数据集,训练神经网络分类模型,对海量数据进行情感分类,分类的准确率达到81.23%,并和已有的方法准确率进行比较,证明了方法的有效性,并考虑标注成本下,在不同标注量上和已有方法比较,证明了本文的分类方法在少量标注集就有优秀表现的优势,从而通过情感分类,可以做到对证券市场进行情绪监控;第二,针对传统金融时序预测分析面临的不考虑风险而只预测收益率的问题以及无法表达数据特征之间非线性关系的问题,本文将波动率作为风险度量指标,提出Risk-Return模型,同时用长短时记忆神经网络来刻画序列数据特征之间非线性关系,并且通过实验验证了Risk-Return金融时间序列模型的有效性;第三,结合市场情绪数据和金融市场预测模型,将预测结果形成量化策略,并研究其在市场上的表现,结果显示模型预测高收益-低风险的股票准确率达到59.411%,量化策略在市场上取得了优异的13.357%的年化收益率的成绩,并且各项风险指标较低。本文贡献有以下三个方面,第一,针对证券市场上用户评论数据特点提出的Encoder-Decoder+NN的证券市场用户情绪分类算法,证明了方法的有效性,能够做到市场情绪监控;第二,引入长短时记忆神经网络,对金融时间序列预测进行预测,预测结果方面,既考虑收益率又考虑风险值;第三,探索了深度学习与大数据在金融风险领域的实践以及证明了情绪对证券市场的影响并提供测量影响的方法。
二、用数学方法作新产品的市场预测(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用数学方法作新产品的市场预测(论文提纲范文)
(1)多重不确定性需求下装备制造企业多品种生产计划方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 装备制造企业生产面临着持续多变的环境 |
1.1.2 装备制造企业多品种生产面临着多重不确定性需求 |
1.1.3 装备制造企业亟待解决多重不确定性需求下多品种生产计划问题 |
1.1.4 研究的前沿发展动态 |
1.2 问题的提出 |
1.3 研究的目标与意义 |
1.3.1 研究的目标 |
1.3.2 研究的意义 |
1.4 研究内容和研究方法 |
1.4.1 研究内容 |
1.4.2 研究思路 |
1.4.3 研究方法 |
1.5 研究的创新性工作说明 |
第2章 相关研究文献综述 |
2.1 文献检索情况概述 |
2.1.1 文献检索范围 |
2.1.2 相关文献情况分析 |
2.1.3 学术趋势 |
2.2 关于不确定性需求研究 |
2.2.1 随机不确定性需求 |
2.2.2 模糊不确定性需求 |
2.2.3 粗糙不确定性需求 |
2.3 关于多重不确定性的研究 |
2.4 关于多品种生产计划的研究 |
2.5 关于装备制造企业生产计划的研究 |
2.6 已有研究的贡献与不足 |
2.6.1 已有研究贡献 |
2.6.2 已有研究不足 |
2.6.3 已有研究启示 |
2.7 本章小结 |
第3章 概念界定与相关理论基础 |
3.1 概念界定 |
3.1.1 多品种生产 |
3.1.2 生产计划 |
3.1.3 不确定性 |
3.1.4 多重不确定性需求 |
3.2 动态规划理论 |
3.3 多目标规划 |
3.4 本章小结 |
第4章 多重不确定性需求下生产应对策略和动态生产计划方法 |
4.1 多重不确定性需求之间影响关系 |
4.1.1 品种需求不确定的影响关系 |
4.1.2 数量需求不确定的影响关系 |
4.1.3 质量需求不确定的影响关系 |
4.1.4 交货期需求不确定的影响关系 |
4.2 多重不确定性需求下生产应对策略 |
4.3 多重不确定性需求下动态生产计划模型 |
4.4 模型求解 |
4.5 算例分析 |
4.6 本章小结 |
第5章 多重不确定性需求下装备制造企业多品种多目标生产计划方法 |
5.1 问题描述及假设 |
5.1.1 问题描述 |
5.1.2 问题假设 |
5.1.3 变量和参数说明 |
5.2 多品种多目标生产计划模型 |
5.2.1 目标函数 |
5.2.2 目标函数的约束条件 |
5.2.3 不确定性数量需求描述 |
5.2.4 不确定性交货期需求描述 |
5.2.5 不确定性质量需求描述 |
5.2.6 不确定性价格需求描述 |
5.3 模型求解 |
5.3.1 NSGA-II算法求解 |
5.3.2 带罚函数粒子群算法求解 |
5.4 算例分析 |
5.4.1 初始数据 |
5.4.2 运行结果 |
5.5 本章小结 |
第6章 多重不确定性需求下装备制造企业多品种相似生产计划方法 |
6.1 问题描述与假设 |
6.1.1 不确定性品种需求描述 |
6.1.2 不确定性交货期需求描述 |
6.1.3 不确定性数量需求描述 |
6.1.4 不确定性质量需求描述 |
6.2 多品种相似性与聚类分析 |
6.2.1 多品种相似性分析 |
6.2.2 不确定性需求聚类分析 |
6.3 多品种相似生产计划模型 |
6.4 模型求解 |
6.5 算例分析 |
6.5.1 初始数据 |
6.5.2 运行结果 |
6.6 本章小结 |
第7章 结论与展望 |
7.1 本文的主要结论 |
7.2 本文的主要贡献 |
7.3 后续研究工作展望 |
参考文献 |
附录 A 企业生产计划与调度控制的不确定性及风险调查问卷 |
在学研究成果 |
致谢 |
(2)政府数据治理中的政企耦合机理研究 ——以内蒙古为例(论文提纲范文)
摘要 |
abstract |
绪论 |
(一)选题背景及意义 |
1.研究背景 |
2.研究意义 |
(二)国内外相关研究进展 |
1.政府数据治理研究进展 |
2.政府与企业耦合协调关系研究 |
3.政府数据治理中的政企合作相关研究 |
(三)研究内容、方法与技术路线 |
1.研究内容 |
2.研究方法 |
3.技术路线 |
(四)可能的创新点 |
一、相关概念与理论基础 |
(一)相关概念 |
1.政府数据治理 |
2.耦合 |
3.政府数据治理中的政企耦合 |
(二)理论基础 |
1.现代信息论 |
2.治理理论 |
3.系统耦合理论 |
二、政府数据治理中政企耦合的理论模型构建 |
(一)耦合的重要基础 |
1.数字经济的发展 |
2.数字政府的建设 |
(二)耦合动力分析 |
1.内部动力因素 |
2.外部动力因素 |
(三)政府数据治理中的政企合作模式及其特征 |
1.政府数据收集中的政企合作模式及其特征 |
2.政府数据开放和共享中的政企合作模式及其特征 |
3.政府数据利用中的政企合作模式及其特征 |
(四)政府数据治理中的政企耦合内涵及要素分析 |
1.耦合内涵分析 |
2.耦合要素分析 |
三、政府数据治理中政企合作的耦合发展评价模型 |
(一)指标体系构建 |
1.评价指标体系构建原则 |
2.评价指标体系构建 |
(二)综合发展水平评价模型 |
1.功效函数 |
2.指标赋权 |
3.专家打分问卷调查及数据处理 |
(三)耦合测度模型 |
1.耦合度模型 |
2.耦合协调度模型 |
四、内蒙古政府数据治理中政企耦合发展实证研究 |
(一)数据来源 |
(二)数据处理与结果分析 |
1.政府数据治理水平评价指数 |
2.企业参与政府数据治理的水平分析 |
3.耦合度及耦合协调度测算结果 |
4.结果分析与讨论 |
五、研究结论与展望 |
参考文献 |
附录1 政府数据治理中政企耦合评价指标体系权重打分问卷 |
附录2 专家打分矩阵及权重、一致性比例及最大特征值 |
附录3 调查问卷 |
致谢 |
攻读硕士学位期间论文发表情况 |
(3)新零售下物流水平对市场需求影响预测不一致的物流外包契约(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 选题意义 |
1.2 研究思路与研究方法 |
1.3 研究内容与框架 |
1.4 研究技术路线图 |
2 相关理论介绍及国内外研究综述 |
2.1 相关理论介绍 |
2.1.1 新零售与供应链管理 |
2.1.2 契约理论 |
2.1.3 博弈论 |
2.2 国内外文献综述研究 |
3 完全竞争下物流水平对市场影响预测不一致的物流外包契约 |
3.1 引言 |
3.2 模型的假设与条件 |
3.3 市场总容量不变的物流外包契约 |
3.4 市场总容量可变的物流外包契约 |
3.5 算例 |
3.6 本章小结 |
4 不完全竞争下物流水平对市场影响预测不一致的物流外包契约 |
4.1 引言 |
4.2 模型的假设与条件 |
4.3 市场总容量不变的物流外包契约 |
4.4 市场总容量可变的物流外包契约 |
4.5 算例 |
4.6 本章小结 |
5 结论与展望 |
5.1 本文主要结论 |
5.2 未来研究展望 |
致谢 |
参考文献 |
个人简历、在学期间发表的学术论文及取得的研究成果 |
(4)基于人工智能的量化多因子模型的拓展及在中国股票市场上的应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 选题背景及研究意义 |
一、选题背景 |
二、研究意义 |
第二节 研究内容和方法 |
一、研究内容 |
二、研究方法 |
三、研究创新点 |
第二章 研究综述 |
第一节 从投资理论的历史中认识量化 |
第二节 现代资产组合理论及其发展 |
一、现代资产组合理论 |
二、现代资产组合理论之后的发展及完善 |
第二节 CAPM理论及其发展 |
一、CAPM理论的基本内涵 |
二、CAPM理论的发展和完善 |
第三节 多因子模型理论及其发展 |
一、Fama-French因子模型 |
二、因子模型中因子的研究 |
三、基于因子模型的Alpha策略与Beta策略 |
第四节 人工智能的内涵与发展 |
一、人工智能的基本定义与内涵 |
二、人工智能在金融领域的应用 |
第五节 有关量化投资的研究方法 |
第六节 对当前研究的总结评析 |
第三章 量化投资的Alpha策略 |
第一节 引言 |
第二节 量化投资策略理论及其实践 |
一、量化多因子模型以及其具体实践 |
二、因子选股在中国股市的有效性实践 |
第三节 利用神经网络探寻新的Alpha因子 |
一、人工神经网络 |
二、Elman神经网络预测Alpha因子未来的值 |
第四节 基本结论 |
第四章 宏观经济Alpha因子 |
第一节 引言 |
第二节 传统的宏观因子有效性检测方法 |
一、传统的回归方式检测因子的有效性 |
二、Fama-MacBeth回归 |
第三节 Fama-MacBeth回归的实践 |
第四节 基于神经网络模型检测宏观因子有效性 |
第五节 分析与结论 |
第五章 量化投资中的Beta策略 |
第一节 前言 |
第二节 量化投资中的Beta策略 |
一、Beta策略的内涵和发展 |
二、Smart Beta策略以及其内涵 |
第三节 Smart Beta策略实践 |
一、数据和指数权重 |
二、人工智能算法的训练数据要求和指数的设定 |
第四节 基于人工智能的Smart Beta权重策略 |
一、线性层和BP神经网络的基本内涵和数学实现 |
二、基于BP神经网络的数据实验 |
三、实验结果分析 |
第五节 分析与结论 |
第六章 研究结论与展望 |
第一节 主要研究总结 |
第二节 研究的主要发现和结论 |
第三节 新技术带来新挑战及政策含义 |
第四节 研究不足和展望 |
参考文献 |
英文参考文献 |
中文参考文献 |
后记 |
攻读博士学位期间取得的研究成果 |
(5)黑龙江省对俄跨境电商进口企业供应链管理绩效评价研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外研究评述 |
1.4 研究内容、方法与技术路线 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 技术路线 |
1.5 本章小结 |
2 相关概述和理论基础 |
2.1 跨境电商概述 |
2.1.1 跨境电商基本内涵 |
2.1.2 跨境电商的特点 |
2.2 跨境电商进口企业基本内涵 |
2.3 供应链概述 |
2.3.1 供应链基本内涵 |
2.3.2 供应链模型类别 |
2.4 供应链管理绩效评价概述 |
2.4.1 供应链管理绩效评价的内涵 |
2.4.2 供应链管理绩效评价的基础 |
2.4.3 供应链管理绩效评价的方法 |
2.5 相关理论基础 |
2.5.1 供应链管理绩效评价模型 |
2.5.2 长尾理论 |
2.5.3 供应链管理理论 |
2.6 本章小结 |
3 黑龙江省对俄跨境电商进口企业供应链管理现状及问题分析 |
3.1 供应链管理现状 |
3.1.1 上游供应商管理 |
3.1.2 中游服务提供商管理 |
3.1.3 下游消费者管理 |
3.1.4 供应链人才培养管理 |
3.2 供应链管理主要存在的问题 |
3.2.1 商品同质化严重,质量参差不齐 |
3.2.2 跨境配送成本高,逆向物流难度大 |
3.2.3 售后侵权行为频发 |
3.2.4 供应链管理专业人才匮乏 |
3.3 本章小结 |
4 黑龙江省对俄跨境电商进口企业供应链管理绩效评价指标体系构建 |
4.1 指标体系构建原则 |
4.2 构建评价指标体系 |
4.2.1 确定绩效评价指标 |
4.2.2 绩效评价指标的含义 |
4.3 评价指标体系验证分析 |
4.3.1 问卷设计与样本描述 |
4.3.2 信度与效度检验 |
4.4 本章小结 |
5 黑龙江省对俄跨境电商进口企业供应链管理绩效评价模型构建及评价 |
5.1 评价方法 |
5.2 熵权法确定权重 |
5.2.1 数据无量纲化 |
5.2.2 计算熵值和熵权 |
5.3 基于模糊评价法的综合评价模型 |
5.4 黑龙江省对俄跨境电商进口企业供应链管理绩效综合评价 |
5.4.1 熵权法确定权重 |
5.4.2 基于模糊综合评价法的综合评价 |
5.4.3 评价结果分析 |
5.5 本章小结 |
6 黑龙江省对俄跨境电商进口企业供应链管理绩效的优化建议 |
6.1 优化采购管理 |
6.1.1 加强供应商开发力度 |
6.1.2 严格把控货源 |
6.2 优化物流管理 |
6.2.1 创新物流配送模式 |
6.2.2 健全物流保障机制 |
6.3 优化售后服务 |
6.3.1 制定专门性消费者权益保护规则 |
6.3.2 成立专门品牌投诉机构 |
6.3.3 建立与俄罗斯共同认可的售后制度 |
6.4 加大供应链管理人才培养力度 |
6.4.1 与高校合作建立实训实习基地 |
6.4.2 通过行业大赛增强学生职业能力 |
6.5 本章小结 |
结论 |
参考文献 |
附录1 |
附录2 |
攻读学位期间发表的学术论文 |
致谢 |
(6)供应链管理模式下S企业绩效评价研究(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 选题背景与依据 |
1.2 研究目的与意义 |
1.3 国内外供应链管理的研究现状 |
1.3.1 国外供应链研究现状 |
1.3.2 国外供应链绩效评价研究现状 |
1.3.3 国内供应链研究现状 |
1.3.4 国内供应链绩效评价研究现状 |
1.4 研究方法与研究内容 |
1.4.1 研究方法 |
1.4.2 研究内容 |
1.4.3 框架结构 |
2 相关理论综述 |
2.1 供应链理论 |
2.1.1 供应链的含义 |
2.1.2 供应链的特征 |
2.2 供应链绩效评价理论 |
2.2.1 供应链绩效评价的概念 |
2.2.2 供应链绩效评价的特征 |
2.3 供应链绩效综合评价方法 |
2.3.1 平衡计分卡 |
2.3.2 层次分析法 |
2.3.3 模糊综合评价法 |
3 供应链管理模式下的S企业绩效评价体系的构建 |
3.1 S公司简介 |
3.2 S企业的供应链现状分析 |
3.3 供应链管理模式下的S企业绩效评价指标体系的构建 |
3.3.1 S企业绩效评价指标初选 |
3.3.2 绩效评价指标的确定 |
3.4 建立AHP-模糊综合评价法模型 |
3.4.1 层次分析法确定权重 |
3.4.2 利用模糊综合评价法确定评价结果 |
4 供应链管理模式下的S企业绩效评价体系的应用 |
4.1 供应链管理模式下零售企业绩效评价体系的应用 |
4.1.1 层次分析法确定指标权重 |
4.1.2 模糊综合评价法进行评价 |
4.2 评价结果分析 |
5 结论与不足 |
5.1 研究结论与展望 |
5.2 创新点与不足 |
5.2.1 本文的创新之处 |
5.2.2 本文的不足之处 |
参考文献 |
致谢 |
附录 |
攻读学位期间取得的研究成果 |
(7)基于系统耦合的省域森林公园旅游效率分析及预测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究综述 |
1.3.1 森林旅游研究综述 |
1.3.2 旅游效率研究综述 |
1.3.3 综述小结 |
1.4 研究内容与方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.5 研究框架及思路 |
2 概念界定及理论基础 |
2.1 相关概念界定 |
2.1.1 森林公园 |
2.1.2 旅游效率 |
2.2 理论基础 |
2.2.1 可持续发展理论 |
2.2.2 耦合协调理论 |
3 研究设计 |
3.1 数据来源及处理 |
3.2 森林公园投入产出系统指标选取 |
3.3 森林公园投入产出系统指标权重计算 |
3.3.1 投入系统指标权重计算 |
3.3.2 产出系统指标权重计算 |
4 森林公园投入产出现状及发展态势研究 |
4.1 森林公园投入现状及发展态势研究 |
4.1.1 森林公园投入总体现状研究 |
4.1.2 森林公园投入发展态势研究 |
4.2 森林公园产出现状及发展态势研究 |
4.2.1 森林公园产出总体现状研究 |
4.2.2 森林公园产出发展态势研究 |
5 森林公园投入产出耦合协调关系研究 |
5.1 森林公园投入产出耦合度研究 |
5.1.1 森林公园投入产出耦合度现状研究 |
5.1.2 森林公园投入产出耦合度发展态势研究 |
5.2 森林公园投入产出耦合协调度研究 |
5.2.1 森林公园投入产出耦合协调度现状研究 |
5.2.2 森林公园投入产出耦合协调度发展态势研究 |
6 森林公园投入产出耦合协调关系预测 |
7 结论与建议 |
7.1 主要结论 |
7.1.1 森林公园投入现状及发展态势方面 |
7.1.2 森林公园投入产出耦合协调关系方面 |
7.1.3 森林公园投入产出耦合协调关系预测方面 |
7.2 相关建议 |
7.3 不足与展望 |
参考文献 |
致谢 |
(8)汕头市入境旅游客源市场研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容及创新点 |
1.4 研究方法及技术路线 |
2 文献综述 |
2.1 国外研究综述 |
2.2 国内研究综述 |
2.3 研究述评 |
3 基础概念与理论 |
3.1 相关概念界定 |
3.2 理论基础 |
4 汕头市入境客源市场的演化趋势分析 |
4.1 年际变化分析 |
4.2 亲景度分析 |
4.3 汕头市入境客源市场演化趋势总体结果分析 |
5 汕头市入境客源市场的SSM分析 |
5.1 SSM模型的应用 |
5.2 汕头市主要客源市场在全国背景下的总体偏离—份额分析 |
5.3 汕头市主要客源市场在广东省背景下的总体偏离—份额分析 |
5.4 总体SSM结果分析 |
6 基于SSM分析结果的汕头市入境客源市场的开发策略 |
6.1 处于机会(潜在)阶段的入境客源市场的开发策略 |
6.2 处于成长阶段的入境客源市场的开发策略 |
6.3 处于停滞阶段的入境客源市场的开发策略 |
6.4 处于衰退阶段的入境客源市场的开发策略 |
7 结论与展望 |
7.1 主要研究结论 |
7.2 研究不足与展望 |
参考文献 |
致谢 |
(9)基于数据挖掘的电商销量预测研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
序言 |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 销量影响因素 |
1.2.2 电商销量预测 |
1.3 研究方法 |
1.4 研究内容和技术线路 |
2 销量预测相关理论知识 |
2.1 销量影响因素相关理论 |
2.1.1 网络消费者行为 |
2.1.2 营销策略 |
2.1.3 影响销售的因素总结 |
2.2 电商销量预测 |
2.3 数据挖掘 |
2.4 预测方法 |
2.4.1 时间序列预测 |
2.4.2 数据挖掘预测 |
2.4.3 综合预测法 |
2.5 本章小结 |
3 基于数据挖掘的预测建模 |
3.1 数据挖掘软件 |
3.2 预测目标分析 |
3.3 预测数据分析 |
3.4 预测数据准备 |
3.4.1 预测数据预处理 |
3.4.2 选择解释变量 |
3.5 预测模型的构建 |
3.5.1 随机森林 |
3.5.2 支持向量机 |
3.5.3 BP神经网络 |
3.6 结果分析 |
3.6.1 模型比较策略 |
3.6.2 平均误差函数 |
3.6.3 结果总结 |
3.7 本章小结 |
4 电商销量预测应用实例 |
4.1 企业现状概述 |
4.2 预测目标分析 |
4.3 电商销量相关数据分析 |
4.3.1 数据获取 |
4.3.2 电商销量探索性分析 |
4.3.3 特征探索分析 |
4.4 电商销量数据准备 |
4.4.1 数据预处理 |
4.4.2 选择解释变量 |
4.5 电商销量预测模型构建 |
4.6 结果分析 |
4.6.1 结果比较 |
4.6.2 结果总结 |
4.7 本章小结 |
5 结论和展望 |
参考文献 |
附录 A |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(10)基于海量文本挖掘的证券市场情绪监控及预测(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究问题 |
1.3 研究意义及创新点 |
1.4 研究框架 |
第二章 相关研究综述 |
2.1 证券市场预测及市场风险 |
2.2 情感分析 |
2.3 本章小结 |
第三章 研究框架 |
3.1 研究概述 |
3.2 证券市场用户情感分析 |
3.3 金融时间序列分析 |
3.4 量化交易分析 |
第四章 证券市场情绪挖掘算法 |
4.1 证券市场情绪挖掘算法流程 |
4.2 Word2Vec词向量表征 |
4.3 Encoder-Decoder+NN情绪分类算法 |
4.4 证券市场情绪表达 |
4.5 实验 |
4.5.1 数据描述 |
4.5.2 Word2Vec词向量模型训练 |
4.5.3 Encoder-Decoder+NN情感分类模型训练 |
4.5.4 证券市场情绪展示 |
4.5.5 方法讨论 |
4.6 本章小结 |
第五章 基于Risk-Return的金融时间序列预测 |
5.1 Risk-Return模型 |
5.2 金融时间序列预测模型 |
5.3 基于Risk-Return的金融时间序列预测模型 |
5.4 实验 |
5.4.1 数据描述 |
5.4.2 不同数据集下Risk-Return的金融时间序列预测 |
5.4.3 不同时间跨度下Risk-Return的金融时间序列预测 |
5.4.4 方法讨论 |
5.5 本章小结 |
第六章 量化交易应用实例 |
6.1 量化交易模型设计 |
6.2 量化交易策略 |
6.3 实验 |
6.3.1 数据描述 |
6.3.2 改进后的Risk-Return的金融时间序列预测 |
6.3.3 量化交易实验结果 |
6.4 本章小结 |
第七章 结论与展望 |
7.1 研究总结 |
7.2 管理启示 |
7.3 研究展望 |
致谢 |
参考文献 |
四、用数学方法作新产品的市场预测(论文参考文献)
- [1]多重不确定性需求下装备制造企业多品种生产计划方法研究[D]. 刘岩峰. 沈阳工业大学, 2020(01)
- [2]政府数据治理中的政企耦合机理研究 ——以内蒙古为例[D]. 赵淼. 内蒙古大学, 2020(01)
- [3]新零售下物流水平对市场需求影响预测不一致的物流外包契约[D]. 赵艺菲. 重庆理工大学, 2020(08)
- [4]基于人工智能的量化多因子模型的拓展及在中国股票市场上的应用[D]. 李兴有. 中国社会科学院研究生院, 2020(12)
- [5]黑龙江省对俄跨境电商进口企业供应链管理绩效评价研究[D]. 侯准. 东北林业大学, 2020(02)
- [6]供应链管理模式下S企业绩效评价研究[D]. 穆俊晨. 天津科技大学, 2019(07)
- [7]基于系统耦合的省域森林公园旅游效率分析及预测研究[D]. 张昕. 中南林业科技大学, 2019(01)
- [8]汕头市入境旅游客源市场研究[D]. 唐岱. 厦门大学, 2018(02)
- [9]基于数据挖掘的电商销量预测研究[D]. 刘治. 北京交通大学, 2018(12)
- [10]基于海量文本挖掘的证券市场情绪监控及预测[D]. 印如意. 电子科技大学, 2018(09)