基于岭回归和Lasso回归的螺纹钢期货价格实证分析

期货是金融市场的重要组成部分,期货的交割通常是在一段时间后进行,因此对于期货价格预测显得尤为重要,其中螺纹钢期货价格预测成为提高我国钢铁产业竞争力的重要举措.通过对螺纹钢期货结算价及其影响因素的数据进行分析,分别利用岭回归和Lasso回归两种方法消除共线性的影响,得到两种修正多元回归模型,应用两种修正多元回归模型分别对螺纹钢未来一周的期货价格进行预测,并与真实价格进行比较,最终发现基于两种方法得到的模型预测准确率均高于95%以上,且基于Lasso回归方法的拟合效果更好,证明构建的两种回归模型对螺纹钢价格的走势与预测均有重要的参考价值.     

基因组预测中先验分布的两种超参数设定策略比较

基因组选择是通过全基因组的标记信息估计出个体的基因组育种值并加以选择的育种方法.主要围绕最佳线性无偏预测(BLUP)和贝叶斯方法展开.这些方法均在某种先验假设下进行,因此需要对先验分布的参数进行设定.依据设定先验超参数的原理,探讨了对单核苷酸多态性(SNP)基因型进行与不进行标准化两种策略下先验超参数的设定方法,并利用QTLMAS2012的模拟数据,分别计算了7种预测方法(岭回归BLUP(RRBLUP)、BayesA、BayesB、BayesCπ、快速BayesB(FBayesB),快速混合正态分布(FMixP)和基于马尔科夫链-蒙特卡洛算法的MixP(简称MMixP))在2种策略下的基因组育种值.结果显示:当采用同一种预测方法,对SNP基因型进行标准化处理与否不影响基因组育种值估计结果.但由于对基因型进行标准化处理在方法上更具有通用性,并可以突出效应大的SNP位点,故建议进行SNP效应值估计前,先将SNP基因型标准化,再设定先验分布的参数值.     

基于预测变量图结构的高维逻辑回归模型

针对高维数据集,提出一种利用预测变量之间的图结构信息来改进稀疏逻辑回归模型的方法。该方法通过利用高维图结构数据或者重叠组结构来进行逻辑回归建模,即使预测变量的图结构未知,该方法仍适用,当图结构为某些特殊形式时,目前流行的方法,如Adaptive Lasso,(Overlapping) Group Lasso和岭回归都可以看作是该模型方法的特例。数值模拟和实例分析应用表明:该方法能有效地利用预测变量图结构信息,提高模型在估计、预测以及变量选择等方面的表现,并且该模型在有限样本情形下是有效的;该模型方法克服了数据集的维数问题,利用高维数据的图结构提高了稀疏逻辑回归模型的性能,可广泛应用于高通量基因数据集的疾病分类研究中。     

基于二次Lasso回归的纵向驾驶员模型研究

为了更好地模拟实际驾驶员行为，提出基于二次回归和 Lasso回归方法的纵向驾 驶员回归模型. 通过采集纵向驾驶行为数据，提取可能影响驾驶行为的状态参数，进而建立二 次回归驾驶员模型；面向多参数回归模型中的多重共线问题，采用Lasso回归方法进行状态参 数筛选；结合筛选数据建立二次回归驾驶员模型. 为了验证模型的有效性，与PI驾驶员模型和 一次 Lasso回归驾驶员模型进行仿真对比 . 仿真结果表明，相较于其他两种模型，所建立的驾 驶员模型具备良好的工况跟随效果，同时能较好地反映实际驾驶行为特征.     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

基于全基因组选择的长牡蛎肥满度分布参数预测方法

全基因组选择是一种用于改良动植物育种群体中数量性状的方法,通过使用覆盖整个基因组的分子标记信息对复杂性状进行预测,从而帮助筛选出更适合培育的亲本.基于长牡蛎的单核苷酸多态性(SNP)位点信息,提出了一种预测长牡蛎肥满度分布参数的全基因组选择的新方法.首先,采用一种基于不同评价准则的二次特征选择方法,挑选与肥满度相关性较高的SNP位点;其次,利用所挑选的SNP位点信息构建具有正则化项的高斯通用加性模型对每个长牡蛎样本肥满度分布参数进行预测;最后,在长牡蛎数据上将所提方法和一些现有方法进行了验证比较.实验结果表明,所提方法具有更好的拟合精度和更低的均方误差,并能对样本性状稳定性进行有效的评估.     

一种新的支持向量回归预测模型

采用支持向量机理论建立了一种新的支持向量回归预测模型,模型的求解可转化为二次规划问题,并能实现模型参数的自动选择,运用MATALAB软件进行编程实现.用此模型对我国财政收入问题进行了预测,并与统计回归模型进行了比较,结果表明了该模型具有较好的预测效果和概化能力.     

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归（Ridge Regression,RR）解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA) 方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。然后,通过设立预警值实现健康状况预警,以保证桥梁健康运行。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了一个有效的预测模型。     

基于REGAR模型的对外贸易对人民币汇率波动的影响分析

探讨自回归相依误差回归模型参数估计的变量选择方法,给出求解算法.模拟研究发现,SCAD和自适应Lasso方法比Lasso效果更好.将变量选择方法应用于人民币汇率波动的影响研究,选择出2个具有显著影响的因素——外汇储备、货币和准货币供应量期末值.外汇储备的降低、货币和准货币供应量期末值的增加均会导致人民币汇率的升高.     

皖北小麦主栽品种农艺性状分析

运用相关分析、通径分析和多元逐步回归分析方法,对39份皖北小麦主栽品种进行农艺性状分析,以探讨品种产量影响因素之间的相互关系,旨在为小麦的遗传改良与育种利用提供依据。结果表明,各农艺性状与产量的相关系数达到显著水平的是小穗粒数、小穗数和千粒重;通径系数大小顺序为穗粒数、千粒重、单穗结实小穗数;建立了产量因素与产量的回归方程,解释了单位面积产量变异的99.3%。通径分析结果显示,千粒重、穗粒数、小穗数是通过单位面积产量提高产量。因此,高产育种时,宜考虑选择有效穗数、穗粒数和千粒重高的小麦品种。