前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的寓言故事及寓意主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：寓言故事及寓意范文

（赤峰學(xué)院 蒙古文史學(xué)院，內(nèi)蒙古 赤峰 024000）

摘 要：“諺語群”是諺語中相互間有一定關(guān)聯(lián)的一批諺語的集合。它和分散的諺語比起來，更客觀、更全面、更系統(tǒng)。本文以蒙古族諺語為例，在陶匯章先生研究的基礎(chǔ)上，探討“諺語群”的分類及其意義。

關(guān)鍵詞 ：諺語群；諺語；蒙古族

中圖分類號：H214

文獻(xiàn)標(biāo)識碼：A文章編號：1673-2596（2015）07-0180-02

基金項(xiàng)目：內(nèi)蒙古民委2014年度課題《蒙古族動物類諺語的隱喻機(jī)制研究》的階段性成果（MW-YB-2014035）

“諺語群”是諺語的地方性、時(shí)代性、口語性的綜合反映，它以各種關(guān)聯(lián)為紐帶，可以分為不同的類別。本文以蒙古族諺語為例，在陶匯章先生研究的基礎(chǔ)上，探討了“諺語群”的分類及其意義。

一、“諺語群”的概念

“諺語群”是陶匯章先生在他的論文集《諺語文論》中首先提出來的一個(gè)新概念。這個(gè)新概念的提出，為諺語的研究開拓了一個(gè)新的視角，提供了一個(gè)新的思路。陶匯章先生在《諺語文論》中首先列舉了28條論述房屋朝向的諺語，然后分類解釋，最后總結(jié)說：“像這樣相互間有一定關(guān)聯(lián)的一批諺語，我們叫它為一個(gè)‘諺語群’?！彼€進(jìn)一步解釋：“‘諺語群’是諺語與諺語之間等同物、類似物的匯聚。”諺語是廣大人民群眾千百年來在生活生產(chǎn)實(shí)踐中沉淀下來的語言智慧和經(jīng)驗(yàn)的總結(jié)，它是一種客觀存在，諺語與諺語也和人與人一樣，也會有這樣那樣的聯(lián)系，所以，諺語也可以按照它的內(nèi)容、形式的關(guān)聯(lián)的不同，分成一個(gè)一個(gè)的不同的“群”。陶匯章先生根據(jù)他幾十年研究諺語的心得，認(rèn)為，中國諺語的研究，“應(yīng)當(dāng)在總體研究、群體研究和個(gè)體研究的相互配合中，不斷向前推進(jìn)”。

二、“諺語群”的分類

“諺語群”是諺語中相互間或在內(nèi)容上或在形式上有一定關(guān)聯(lián)的一批諺語的集合，而每一個(gè)集合的內(nèi)部，還可以因?yàn)楦鞣矫娴牟町惙殖刹煌念悇e。也就是說，大的“諺語群”中還可以分成若干個(gè)小的“諺語群”，而且每一個(gè)小的“諺語群”中的諺語有些還有交叉的現(xiàn)象。所以，“諺語群”的分類是一個(gè)極其復(fù)雜、繁瑣的事情。根據(jù)目前掌握的資料，大體上可以分為以下六類：

1.內(nèi)容關(guān)聯(lián)而說法不同。這主要是針對敘述式諺語而言。這類“諺語群”中的諺語內(nèi)容相關(guān)聯(lián)，甚至完全相同，只是在表達(dá)時(shí)采用了不同的說法，可以正說、反說，加字、減字，簡說、繁說，韻文、散文，文言文、白話文，等等。例如：“青春不能挽回，衰老無法避免”；“年華莫虛度，青春不再來”；“日月莫虛度，青春不再來”；“別虛度年華，莫荒廢青春”；“黃金丟了，可以找回來；時(shí)間過去了，就無法追回”；“青春挽不回，暮年難擺脫”。這六條蒙古族諺語在內(nèi)容上完全相同，都是告誡人們時(shí)間一去不復(fù)返，應(yīng)該珍惜時(shí)間，只是在表達(dá)時(shí)采用了不同的說法，所以，它們是一個(gè)“諺語群”。

2.內(nèi)容關(guān)聯(lián)而比喻不同。這主要是針對運(yùn)用了比喻修辭手法的諺語而言。這類“諺語群”中的諺語說明的是同一個(gè)道理，只是在表達(dá)時(shí)采用了不同的比喻形式。例如：“駿馬能飛躍塹壕，意志能克服艱險(xiǎn)”；“月套環(huán)要起風(fēng)，人立志能成功”；“只要有根子，就會開放出花朵來；只要有志氣，就會闖出路子來”。這三條蒙古族諺語是一個(gè)“諺語群”，都采用了比喻的修辭手法，分別用不同的喻體，表達(dá)了有志者一定能戰(zhàn)勝困難、獲得成功的道理。

3.內(nèi)容關(guān)聯(lián)而襯句不同。這主要是針對復(fù)句式諺語而言。復(fù)句式諺語是由兩個(gè)或兩個(gè)以上的句子組成的諺語，但一般以兩個(gè)句子的為最多。在復(fù)句式諺語中，其中一個(gè)單句表達(dá)它的主旨，另一個(gè)單句只作為襯托使用，它從正面或反面來烘托主句的意思。襯句有的具有比喻的性質(zhì)，但它與主句相對獨(dú)立，起的作用不僅限于比喻而已。襯句在復(fù)句中，有的在前，有的在后，但它們的作用是一樣的，類似于“興”，即“先言他物以引起所詠之辭”。例如：“講人心靈美的，別看衣著，要看心靈”；“名山不在高峻，而在于景色；人好不在相貌，而在于心靈”；“花美在外觀，人美在內(nèi)心”；“與其選擇漂亮的臉蛋，不如物色善良的心靈”；“臉蛋好看不算俊，心底善良才算美”；“心地不善的人，學(xué)識再多也無用”；“外貌美只能取悅一時(shí)，內(nèi)心美才能經(jīng)久不衰”；“蛇美只在皮外，人美卻在內(nèi)心”。這八條蒙古族諺語是一個(gè)“諺語群”，它們以各種襯托來強(qiáng)調(diào)人心靈美的重要性。

4.比喻、內(nèi)容相同而說法不同。有一些諺語，作比喻的事物基本相同，所表達(dá)的內(nèi)容也大體一致，只是在表達(dá)時(shí)采用了不同的說法。例如：“買馬須瞧牙口，交友須摸底細(xì)”；“馬要看牙口，人要看行動”；“馬看牙口，人聽說話”；“想買馬瞧牙口，欲交友察心地”。這四條蒙古族諺語是一個(gè)“諺語群”，都是以馬為喻，在內(nèi)容上也完全相同，它們一方面告訴人們買馬時(shí)，要觀察馬的牙齒，根據(jù)它的牙齒可以判斷它的年齡；另一方面又告訴人們交友的方法，當(dāng)然，主要是告訴人們交友的方法。

5.比喻或襯句相同而內(nèi)容不同。在一些諺語中，比喻或襯句相同，長期沿用，已經(jīng)形成了一種大體固定的句式，但主句卻有變化，表達(dá)了不同的內(nèi)容，說明了不同的道理。例如：“金錢如糞土，聲譽(yù)值千斤”；“金錢如糞土，人格值千金”；“金錢如糞土，道德值千金”。這三條蒙古族諺語都以“金錢如糞土”為喻，但卻分別說明了聲譽(yù)、人格、道德的更可貴?！敖疱X如糞土”經(jīng)過人們的反復(fù)使用，已經(jīng)成為一種固定的句式，在它的后面可以有各種各樣的不同的說法。所以，以“金錢如糞土”為比喻或襯句的一批諺語，可以是一個(gè)“諺語群”。

6.形式相同而內(nèi)容不同。在諺語中，還有一些諺語，在內(nèi)容上不同，但在形式上卻完全相同，它們也可以形成一個(gè)“諺語群”。例如：“寧可折骨頭，不可敗名聲”；“寧可窮而存志，不可富而失節(jié)”；“寧可在家鄉(xiāng)斷骨，不可在他鄉(xiāng)丟丑”；“寧可喪失生命，不可失去氣節(jié)”；“寧可光明磊落地死去，不可卑鄙無恥地生存”；“寧可做窮人，不可做壞人”；“寧可拋卻頭顱，不可失卻名譽(yù)”；“寧可折腰，不可彎腰”。這八條蒙古族諺語雖然表達(dá)的內(nèi)容不同，但都采用了“寧可……，不可……”的形式，也是一個(gè)“諺語群”。

三、“諺語群”的作用、意義

把一個(gè)個(gè)分散的諺語集中起來研究，不僅有助于我們從群體上把握諺語的本質(zhì)特點(diǎn)，幫助我們更客觀、更全面、更系統(tǒng)地認(rèn)識、了解諺語。首先，研究“諺語群”有助化深化“諺語學(xué)”的研究。“諺語學(xué)”在我國由于種種原因，它起步晚，發(fā)展慢，還是一門新興的學(xué)科。而“諺語群”概念的提出，為我國“諺語學(xué)”的研究提供了一個(gè)新的角度，為全面了解諺語的相關(guān)問題提供了一個(gè)相互印證的參照物。諺語產(chǎn)生于民間，在文字產(chǎn)生以前，主要依靠口口相傳延續(xù)，而諺語傳播者的知識、經(jīng)歷和生活體驗(yàn)又都不一樣，所以在長期的傳承過程中，就產(chǎn)生了差異，例如：前面所列舉的關(guān)于“買馬”與“交友”的四條蒙古族諺語。內(nèi)容和比喻格式完全相同，但在說法上卻存在差異。在一個(gè)“諺語群”中，諺語之間有的是時(shí)共關(guān)系，有的是歷時(shí)關(guān)系。通過對同一個(gè)“諺語群”中古今諺語的對照、比較，可以追溯到它的源頭。其次，對“諺語群”的研究，有助于我們客觀、全面、系統(tǒng)地了解事物的本來面貌。正如陶匯章先生在《諺語文論》中所說的：“民間智慧是一個(gè)整體，要從宏觀上去作整體把握；執(zhí)著于一條、兩條諺語，勢必流于片面，斷章取義而不得其真義。研究諺語群，就是要研究諺語的整體組合現(xiàn)象，積不完整為完整，不全面為全面，不周密為周密?！泵晒抛逯V語是蒙古族民間文學(xué)寶庫中一種古老而獨(dú)特的表達(dá)形式，其中不僅蘊(yùn)含著千百年來蒙古族人民語言方面的智慧和經(jīng)驗(yàn)，而且還反映了蒙古族的風(fēng)俗習(xí)慣（比如禁忌、好惡等）、生產(chǎn)生活狀態(tài)、宗教信仰、價(jià)值觀念、思維方式等。如果把蒙古族的諺語集中起來，分成若干個(gè)小的“諺語群”來研究，那將會使我們對這個(gè)民族及其歷史、文化有一個(gè)更全面、更系統(tǒng)的了解?！皬倪@個(gè)意義上說，我們也可以把諺語群比作歷史的黑匣子”。

總之，集中的“諺語群”和分散的諺語，是不一樣的。“諺語群”是系統(tǒng)的、開闊的，便于人們多方面、多角度、多層次地考察語言現(xiàn)象，它像一個(gè)裝滿水果的籃子，你可以自由地從中挑選你喜愛的或需要的水果，而不是像隨意扔在地上的分散的水果，需要你一個(gè)一個(gè)地揀，費(fèi)時(shí)費(fèi)力。

參考文獻(xiàn)：

〔1〕陶匯章.諺語文論[M].長春：吉林文史出版社，2005.

〔2〕朱榮阿，材音博彥，蘇利婭編.蒙古族格言俗語集萃[M].呼和浩特：內(nèi)蒙古人民出版社，1988.

〔3〕邢莉.草原牧俗[M].濟(jì)南：山東教育出版社，1999.

第2篇：寓言故事及寓意范文

1課程的定位和目的

實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)，是我校創(chuàng)設(shè)的中醫(yī)專業(yè)本科（七年制和五年制）的一門專業(yè)基礎(chǔ)課。它是在該專業(yè)本科學(xué)生學(xué)習(xí)完普通基礎(chǔ)課和中醫(yī)、西醫(yī)專業(yè)基礎(chǔ)課程之后，為使學(xué)生于在校期間能掌握一定的進(jìn)行中醫(yī)學(xué)實(shí)驗(yàn)研究的基礎(chǔ)知識和基本技能，初步樹立正確的中醫(yī)科研觀點(diǎn)和思路，提升本科學(xué)生的知識層次和學(xué)術(shù)水平而創(chuàng)建的一門新興課程。因此，該課程定位為專業(yè)基礎(chǔ)課，學(xué)科目錄隸屬于中醫(yī)基礎(chǔ)理論學(xué)科。

正是基于實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)的課程定位，課程在創(chuàng)建之初就提出了該課程的教學(xué)目的在于，通過課堂講授和實(shí)驗(yàn)技能的訓(xùn)練和操作，使學(xué)生能夠系統(tǒng)了解和掌握進(jìn)行中醫(yī)藥學(xué)實(shí)驗(yàn)研究的基本知識和規(guī)律，樹立和端正進(jìn)行中醫(yī)藥學(xué)研究的正確的科研思維和觀點(diǎn)，熟悉和掌握進(jìn)行中醫(yī)藥學(xué)研究的基本程序、基本方法和基本技能，并了解中醫(yī)現(xiàn)代研究的成就與進(jìn)展。從而達(dá)到提高學(xué)生科研意識、科研水平和動手能力之目的。并希望通過該課程為培養(yǎng)和造就中醫(yī)自己的科學(xué)實(shí)驗(yàn)研究人才開辟新的途徑。

2課程實(shí)踐

實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)在其課程實(shí)踐的十年中，無論在授課的對象、授課的方式、理論課和實(shí)驗(yàn)課的比例上都經(jīng)歷了一定的變革。

2.1授課對象的改變  從開課之初，實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)主要是針對中醫(yī)五年制本科三年級的學(xué)生。該階段的學(xué)生已經(jīng)基本學(xué)習(xí)完中醫(yī)的專業(yè)課程，正準(zhǔn)備進(jìn)入臨床實(shí)習(xí)。但自2006年起，由于我校課程的重新調(diào)整，實(shí)驗(yàn)中醫(yī)學(xué)由中醫(yī)五年制本科的專業(yè)基礎(chǔ)考察課，更改為七年制科研方向（理科基地班）的專業(yè)基礎(chǔ)考試課。自此，它的授課對象也發(fā)生了改變，主要面向七年制四年級第二學(xué)期的學(xué)生。相對于五年制本科三年級學(xué)生，這些學(xué)生由于在一、二年級接受了較為系統(tǒng)的現(xiàn)代生物知識體系和實(shí)踐操作的訓(xùn)練，因此，與前者相比，他們對課程中所介紹的中醫(yī)科研現(xiàn)代研究部分的領(lǐng)悟要明顯占有優(yōu)勢。

2.2授課方式的改變  實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)在設(shè)立之初由于沒有固定的課程組，所以主要由參與《實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)》自編教材編寫的十幾位教師擔(dān)任授課任務(wù)。主要方式就是，每個(gè)老師利用1次課講授他的研究思路和成果。這種授課方式雖然生動，但卻不利于保持課程講授的連貫性和統(tǒng)一性。自2001年，隨著實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)課程組的出現(xiàn)，該課改為了擁有固定教師的專職授課。這一變革無論從教師的備課還是學(xué)生的聽課效果都有了長足進(jìn)步。

2.3理論課和實(shí)驗(yàn)課比例的改變  實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)課程設(shè)制的目的中有重要的一條就是要提高學(xué)生科研動手能力。因此，實(shí)驗(yàn)課始終是該課程的重要組成部分。2006年，伴隨著課程對象的改變，該課程實(shí)驗(yàn)的比例也發(fā)生了變化，在總課時(shí)72學(xué)時(shí)沒變的基礎(chǔ)上，由之前的12學(xué)時(shí)提高到了18學(xué)時(shí)。由4次實(shí)驗(yàn)課，增加為6次實(shí)驗(yàn)課，這大大提高了實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)對學(xué)生科研動手能力的培養(yǎng)。

3教材及教師隊(duì)伍建設(shè)

由于實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)是我校新開創(chuàng)的一門課程，因此，沒有現(xiàn)成的教材可以采用。2000年劉燕池教授組織十幾位在中醫(yī)科研上有經(jīng)驗(yàn)的教授編寫了校內(nèi)自編教材《實(shí)驗(yàn)中醫(yī)學(xué)基礎(chǔ)》。這本教材分為上下兩篇。上篇主要介紹中醫(yī)科研的基本程序和方法。下篇則主要通過對中醫(yī)科研成果的介紹來向?qū)W生展示中醫(yī)學(xué)實(shí)驗(yàn)研究的方法和途徑。由于是初次編寫，前無藍(lán)本可依，所以盡管這本教材現(xiàn)在看來顯得相對比較粗糙，但對于教材重要的是要立足于能使學(xué)生建立一個(gè)盡可能規(guī)范、比較完整的專業(yè)知識體系的原則而言，這本教材基本上體現(xiàn)了這一指導(dǎo)思想，所以它從2000年一直延用至今，共8屆學(xué)生。在此雖然更換教材，但是在課堂教學(xué)中教師講授的內(nèi)容已經(jīng)根據(jù)中醫(yī)科研的發(fā)展作了很大的修改。

此外，在教師隊(duì)伍的建設(shè)上，十年來也有了翻天覆地的變化。由起初的1位專職授課教師，發(fā)展壯大為擁有4位博士的固定教師隊(duì)伍。目前該課程教師的平均年齡為37歲，學(xué)歷100%為博士，有1名教授，2名副教授和1名講師。

4獲得的經(jīng)驗(yàn)

第3篇：寓言故事及寓意范文

關(guān)鍵詞：股票價(jià)格收益率 波動率 GARCH模型

中圖分類號：F830.91 文獻(xiàn)標(biāo)識碼：A

文章編號：1004-4914（2015）08-097-04

一、引言

波動率是股票收益率不確定性的一種度量，是衡量金融風(fēng)險(xiǎn)的重要指標(biāo)，被廣泛使用于整個(gè)金融理論研究與投資實(shí)務(wù)中，例如資產(chǎn)定價(jià)、投資組合優(yōu)化、風(fēng)險(xiǎn)管理等。研究表明，波動率具有明顯的集聚性和持續(xù)性，具有很強(qiáng)的自相關(guān)特性，因此，對于市場波動率的歷史研究能夠幫助人們更好地預(yù)測它的變化趨勢、管控投資風(fēng)險(xiǎn)、提高收益率?，F(xiàn)實(shí)需求與理論需求，催生了大量的波動率預(yù)測模型研究，典型例子如指數(shù)加權(quán)移動平均（EWMA）模型、自回歸條件異方差（ARCH）模型、廣義自回歸條件異方差（GARCH）模型，等等。就GARCH模型來說，使用最為普遍的當(dāng)屬GARCH（1，1）模型。研究人員使用這些模型對金融市場做了許多研究，包括匯率市場、期貨市場、股票市場、金融衍生產(chǎn)品市場等。

中國經(jīng)濟(jì)在2010年成為世界第二大經(jīng)濟(jì)體，國內(nèi)投資者投資需求急劇擴(kuò)大，但受限于國內(nèi)金融市場的不發(fā)達(dá)，大量的國內(nèi)投資者僅限于房地產(chǎn)、國債、基金、股票等少數(shù)產(chǎn)品，期貨、期權(quán)等衍生品投資只是少數(shù)人的投資領(lǐng)域。在國內(nèi)房地產(chǎn)價(jià)格持續(xù)多年爆發(fā)性上漲之后，許多個(gè)人投資者把目光投向了股票市場。分析預(yù)測股票市場收益率的未來趨勢，可以為個(gè)人投資者提供一定的參考。本文選取了國內(nèi)11個(gè)板塊的代表性個(gè)股作為研究對象，使用GARCH（1，1）模型分析各板塊收益率的波動率、預(yù)測未來股票收益率的范圍。

二、數(shù)據(jù)選取和分析

本文選取滬深300成份股中的代表11個(gè)不同板塊的11只股票作為研究對象，涵蓋2011年首個(gè)交易日的收盤價(jià)至2014 年最后一個(gè)交易日共969個(gè)數(shù)據(jù)。為了方便分析，防止休市日數(shù)據(jù)空缺，將數(shù)據(jù)向前推移，形成連續(xù)的時(shí)間序列。其來源是大智慧軟件的歷史數(shù)據(jù)。無論是對投資者還是分析人員來說，收盤價(jià)都是很重要的，更能反映上市股票的股份走勢，從而具有引導(dǎo)投資者或者分析人員的作用。日市場收益率，是反映日價(jià)格波動變化程度的指標(biāo)，收益率的標(biāo)準(zhǔn)差或方差可以體現(xiàn)市場的波動特征和風(fēng)險(xiǎn)特征，因此選擇日市場收益率來研究既是市場需求也是研究慣例。

通過對選取的11只股票股價(jià)進(jìn)行統(tǒng)計(jì)分析，通過使用大智慧軟件下載，得到各股的日收盤價(jià)格，表1列出各股的統(tǒng)計(jì)期間的首個(gè)收盤價(jià)和最后收盤價(jià)，以及除去各股停牌日的數(shù)據(jù)得到總的數(shù)據(jù)個(gè)數(shù)。最少為928個(gè)，最多為969個(gè)，基本在940個(gè)左右。

（一）收益率描述性統(tǒng)計(jì)

先描述建立模型和統(tǒng)計(jì)檢驗(yàn)所使用的基本數(shù)據(jù)，將股票市場日收益率rt定義為股價(jià)比值的對數(shù)，即股價(jià)對數(shù)值的一階差分。

rt=ln=lnst-lnst-1

其中st，st-1表示時(shí)刻t，t-1的股票收盤價(jià)格。選取對數(shù)收益率在統(tǒng)計(jì)計(jì)算時(shí)更容易處理：

lnst-lnst-k=lnss=lnss?ss…ss

=lnss+lnss+…lnss

=rt+rt-1+…rt-k

這樣連續(xù)復(fù)合多期的收益率只需要把它寫成單周期的收益率的加總。

下面就國金證券做詳細(xì)介紹。求出國金證券股票的日收益率，并結(jié)合時(shí)間變化得到收益率的時(shí)間序列圖：

通過對國金證券收益序列的線性圖可以看出，國金證券股票收益率表現(xiàn)出持續(xù)性和波動集聚性，即大的波動后面常常伴隨著較大的波動，較小的波動后面的波動也較小。

對于國金證券進(jìn)行分析，經(jīng)檢驗(yàn)統(tǒng)計(jì)得到國金證券對數(shù)收益率序列均值（Mean）為0.1056%，標(biāo)準(zhǔn)差（Std.Dev.）為0.030495，偏度（Skewness）為0.350899大于0，說明序列分布有長的右拖尾，即樣本期間內(nèi)收益率大于于平均值的交易日較多。峰度（Kurtosis）為4.625334，高于標(biāo)準(zhǔn)正態(tài)分布的峰度3，說明收益率序列具有尖峰的特征。Jarque-Bera統(tǒng)計(jì)量為38.80067遠(yuǎn)大于標(biāo)準(zhǔn)正態(tài)分布的臨界值9.21，說明存在“厚尾”的特征，P值為0.00000，拒絕該對數(shù)收益率序列服從正態(tài)分布的假設(shè)。

對于其它10只股票的統(tǒng)計(jì)描述重復(fù)以上操作。得到收益率時(shí)間序列與圖1類似，所以就不一一繪出，都具有相似特征。而其它10只股票的描述性統(tǒng)計(jì)量經(jīng)過整理與國金證券的數(shù)據(jù)整合后得到表2，從表2中可以了解到國金證券的平均收益率最高，北大荒的最低。偏度都不為0，峰度值都大于3，J-B值也都非常大。所以其它10只股票的收益率序列也拒絕服從正態(tài)分布假設(shè)。

（二）序列的平穩(wěn)性檢驗(yàn)

在對收益率分析之前，首先遇到數(shù)據(jù)的平穩(wěn)性問題，因?yàn)镚ARCH模型對樣本數(shù)據(jù)的要求是序列必須保持平穩(wěn)。本文運(yùn)用ADF（Augmented Dickey―Fuller test）方法檢驗(yàn)方法進(jìn)行序列平穩(wěn)性檢驗(yàn)，對收益率序列進(jìn)行檢驗(yàn)，得到的ADF結(jié)果如表3。

ADF檢驗(yàn)結(jié)果顯示：對于國金證券的t統(tǒng)計(jì)量的值-29.92496小于顯著性水平為1%的臨界值，同時(shí)對應(yīng)P值為0，則股票收益率序列在1%的顯著性水平下拒絕原假設(shè)，即接受不存在單位根的結(jié)論，因此收益率序列是具有平穩(wěn)性，說明利用ARCH類模型進(jìn)行模擬是有效的，同樣檢驗(yàn)其他10只股票，得到的ADF檢驗(yàn)結(jié)果顯示也具有平穩(wěn)性，從而利用ARCH類模型進(jìn)行模擬也是有效的。

（三）序列殘差A(yù)RCH效應(yīng)檢驗(yàn)

序列的平穩(wěn)性得到檢驗(yàn)，再對序列的相關(guān)性進(jìn)行檢驗(yàn)，如果序列不具有自相關(guān)性則只需要考慮GARCH模型，否則需要嵌入ARMA模型來消除序列的相關(guān)性，再次，對數(shù)據(jù)進(jìn)行異方差A(yù)RCH效應(yīng)檢驗(yàn)。

對于序列自相關(guān)性的檢驗(yàn)，調(diào)用Eviews中的view-correlogram檢驗(yàn)得到其序列的自相關(guān)函數(shù)分析圖2。

AC是自相關(guān)系數(shù)ξk，即構(gòu)成時(shí)間序列的每個(gè)序列值rt，rt-1，…rt-k之間的簡單相關(guān)關(guān)系。圖1中右邊的序列數(shù)字1，2…12表示滯后階數(shù)，ξk表示時(shí)間序列中相隔k期的觀測值之間的相關(guān)程度。ξk的取值范圍是-1～1，并且越接近1，自相關(guān)程度越高。PAC是偏相關(guān)系數(shù)？漬kk，是指對于時(shí)間序列rt，在給定rt-1，rt-2…rt-k+1的條件下，rt與rt-k之間的條件相關(guān)關(guān)系。其值的范圍為-1～1，AC下對應(yīng)的數(shù)值表示對應(yīng)滯后階數(shù)k下的自相關(guān)系數(shù)大小，可以觀察到序列的自相關(guān)程度很低。且Q統(tǒng)計(jì)量對應(yīng)的P值均大于置信度0.05，所以序列在5%的顯著性水平上不存在顯著的相關(guān)性。其它10只股票經(jīng)同樣檢驗(yàn)發(fā)現(xiàn)其它收益序列也不具有顯著自相關(guān)性。

由于序列不存在顯著的相關(guān)性，即rt與rt-1之間無關(guān)系是由于受到白噪聲干擾。將白噪聲定義為εt。

設(shè)立模型：rt=πt+εt

將去序列去均值化，得到et=rt-rt，國金證券取均值后為et=rt-0.001056

通常檢驗(yàn)一個(gè)模型的殘差是否含有ARCH效應(yīng)的檢測方法包括：ARCH―LM檢驗(yàn)和殘差平方相關(guān)圖檢驗(yàn)。本文運(yùn)用殘差平方相關(guān)圖方法來檢驗(yàn)國金證券的收益率序列。對殘差的平方相關(guān)圖檢驗(yàn)首先建立zt=e2t，再對zt用軟件取view-correlogram，得到zt的自相關(guān)函數(shù)分析圖如下：

由圖3可以觀察自相關(guān)系數(shù)AC，PAC對應(yīng)的值很小，且Q統(tǒng)計(jì)量對應(yīng)的伴隨概率p都基本為0。所以殘差平方序列存在自相關(guān)，即序列具有ARCH效應(yīng)。

重復(fù)以上操作得到其它10只股票的殘差平方序列自相關(guān)函數(shù)分析圖，整理數(shù)據(jù)后得到表4（見下頁），除了寶新能源的伴隨概率隨著滯后階數(shù)增大而趨于0以外，其它各股對應(yīng)伴隨概率都趨近于0這里就沒有一一列出。由表4可知寶新能源在高階滯后下也具有ARCH效應(yīng)，其它10只股票的ARCH效應(yīng)顯著，所以這里只需用GARCH模型對各股收益率下一列進(jìn)行建模。

三、GARCH（p，q）模型

在描述收益率序列rt的GARCH（p，q）模型由兩部分組成。第一部分是均值過程：

Rt=a+θiRt-i+εi+ηjεt-j

第二部分為條件異方差：

h2t=β+φiε2t-i+ψjh2t-j;β>0，φi>0，ψj>0;

即隨機(jī)擾動項(xiàng)滿足上式則序列服從GARCH（p，q）過程。

實(shí)際應(yīng)用中，模型中的q值較小，所以一般地GARCH（1，1）模型就能夠描述大量的金融時(shí)間序列數(shù)據(jù)。

（一）GARCH（1，1）一般模型

GARCH（1，1）模型的公式為

σ2t=γVL+αr2t-1+βσ2t-1 （1）

其中，σt為t天后的某個(gè)市場變量的波動率，σ2t為第t天的方差率，VL為長期平均收益率方差，γ為VL的權(quán)數(shù)，α為r2t-1的權(quán)數(shù)，β為σ2t-1的權(quán)數(shù)。因?yàn)闄?quán)數(shù)之和為1，有

γ+α+β=1

GARCH（1，1）模型中的“（1，1）”表示σ2t是基于r2的最近觀測值和方差率的最近估計(jì)值。

設(shè)ω=γVL，則GARCH（1，1）模型可以重新寫為

σ2t=ω+αr2t-1+βσ2t-1 （2）

估計(jì)參數(shù)的時(shí)候，常用模型（2）的形式，一旦得到ω，α以及β的估計(jì)值，則γ等于1-α-β。長期平均方差率VL可以計(jì)算成ω/γ。為了得到穩(wěn)定的GARCH（1，1）過程，需要滿足α+β<1，不然長期方差率的權(quán)數(shù)將是負(fù)值。

（二）GARCH（1，1）模型中的參數(shù)估計(jì)

σ2t=ω+αr2t-1+βσ2t-1

通過EViews軟件估計(jì)各股票模型參數(shù)結(jié)果如表5所示：

通過表示了計(jì)算GARCH（1，1）模型參數(shù)的過程，經(jīng)過計(jì)算的到的參數(shù)值分別為ω=3.02e-05，a=0.053084，β=0.915674，

得到：σ2t=3.02e-05+0.05308r2t-1+0.915674σ2t-1

并且本例中長期方差率VL為：0.0009666784長期波動率為=0.03109，即日波動率0.03109，而年波動率σ=0.03109=0.492356即49.2356%，由于股票波動率典型處于15%～60%之間，通過實(shí)際波動率的值49.2356%對GARCH（1，1）模型預(yù)測準(zhǔn)確度做一個(gè)預(yù)估計(jì)。

四、波動率預(yù)測

股票波動率可以定義為股票收益率的年標(biāo)準(zhǔn)差。對于股票未來波動率對于投資者或證券研究人員非常重要，所以會嘗試估計(jì)出未來波動率，這里主要利用GARCH（1，1）模型來估計(jì)。

（一）波動率的極大似然估計(jì)

首先定義第i天的方差估計(jì)值vi=σ2i。我們假設(shè)ri關(guān)于方差的條件概率分布為正態(tài)分布。那么，最佳的參數(shù)應(yīng)該最大化表達(dá)式（3）的值：

exp （3）

取對數(shù)得到右式中的-lnvi-最大化，即-mln（v）-最大化，我們只需要使得最大化即，將該等式關(guān)于v求導(dǎo)，并令它等于零，我們得到的v的極大似然估計(jì)為r2i。即可以定義第3天的波動率v3=r22=1.8971e-06，從而對于未來某天的波動率可以基于已知波動率求出。

（二）未來股票波動率的估計(jì)

第t天的波差率可以從第t-1天結(jié)束之時(shí)估計(jì)得出。當(dāng)使用GARCH（1，1）模型的時(shí)候，該值為

σ2t=（1-α-β）VL+αr2t-1+βσ2t-1即

σ2t-VL=α（r2t-1-VL）+β（σ2t-1-VL） （4）

在未來的第t+n天，有σ2t-n-VL=α（r2t+n-1-VL）+β（σ2t+n-1-VL）r2n+t-1的期望值為σ2n+t-1。因此E[σ2t+n-VL]=（α+β）E[σ2t+n-1-VL]，其中E表示期望值。反復(fù)利用該等式，可以得到E[σt+n-VL]=（α+β）n（σ2t-VL）即E[σ2t+n]=VL+（α+β）n（σ2t-VL），該公式利用了第t-1天結(jié)束之時(shí)存在的信息，預(yù)測了第t+n天的波動率。

例如已知2011年1月6日國金證券股價(jià)波動率為1.8769e-06，可以求出2014年12月31日的股價(jià)波動率期望為E[σ2946]=VL+（α+β）943（σ23-VL）=0.000966647。這樣我們利用這個(gè)模型可以估計(jì)未來股票收益率的波動率，在為股票投資者提供一種參考。

五、收益率預(yù)測

由于股票市場的股票收益率的分布不符合正態(tài)分布而是接近穩(wěn)態(tài)分布，所以對于股票收益率的預(yù)測比較難控制，而本篇論文結(jié)合傳統(tǒng)B-S期權(quán)定價(jià)模型假設(shè)股票價(jià)格在短時(shí)間內(nèi)變化服從正態(tài)分布，根據(jù)正太分布的可加性可以假設(shè)股票價(jià)格收益率服從正態(tài)分布。以此估計(jì)股票未來收益率。

由伊藤定理推導(dǎo)出lns遵循的過程滿足的股價(jià)行為模型：

ln（sT/s0）～漬μ-T，σ

μ為股票年預(yù)期收益率，σ為股票價(jià)格的年波動率。

現(xiàn)在定義μ為0時(shí)刻與T時(shí)刻之間的連續(xù)復(fù)利年收益，那么：

sT=s0eμT，因此μ=ln

其中s0=7.3，st=19.79，T=4，σ=0.4924

得μ=0.2493，則3個(gè)月后的股票收益率滿足式（4）：

ln（s0.25/s1）～漬0.2493-0.4924/2×0.25，0.4924

（4）

s0.25為2015年3月底的股價(jià)，s1=19.79。

由于一個(gè)正態(tài)分布變量值位于均值兩邊1.96倍標(biāo)準(zhǔn)準(zhǔn)差范圍內(nèi)的概率為95%。因此，95%的置信度下3月底收益率范圍為

0.032-1.96×0.2462

即實(shí)際收益率落在-0.45～0.515之間的概率為95%。通過大智慧軟件取得數(shù)據(jù)2015年3月31日的股票收盤價(jià)格為25.51，當(dāng)天收益率為0.254為正好落在這一區(qū)間內(nèi)。同樣估計(jì)出其它股票的波動率期望以及2015年3月31日的收益率，驗(yàn)證收益率是否落在預(yù)測的3月低股票收益率范圍內(nèi)，結(jié)果如表6。

由表6可以看出11只股票的實(shí)際收益率落在預(yù)測范圍內(nèi)的有7只，而有4只股票的實(shí)際收益率超出估計(jì)范圍上限。由于2011到2014年股票市整體緩慢上升，這里利用歷史數(shù)據(jù)預(yù)測2015年股票收益率。而近幾年在新一輪經(jīng)濟(jì)改革下，國家相繼出臺經(jīng)濟(jì)政策，例如2015年1號文件關(guān)于農(nóng)業(yè)改革，“一帶一路”的不斷發(fā)展，“國企改革”等等一系列舉措在刺激國內(nèi)需求，再結(jié)合國內(nèi)股市受國家政策影響較大的特點(diǎn)。所以2014年下半年和2015年一季度的股市漲幅普遍較大，所以政策相關(guān)股的收益率基本超出預(yù)期收益率上限范圍。同時(shí)對股票未來的某天的的波動率的平方提供期望值，能對于股票后期風(fēng)險(xiǎn)波動提供一定參考，所以此模型具有一定實(shí)用性。結(jié)合實(shí)證結(jié)果最后運(yùn)用此模型估計(jì)6月初的各股收益率，可以提供投資者和研究員提供參考。

六、主要結(jié)論與啟示

本文結(jié)合GARCH（1，1）模型估計(jì)股票未來波動率和收益率。這樣投資者和研究人員在分析股票的時(shí)候結(jié)合估計(jì)結(jié)果可以做一定的參考分析。這里11只股票涉及11個(gè)不同板塊領(lǐng)域，以及結(jié)合“一帶一路”和“國企改革”等大的經(jīng)濟(jì)政策方針，結(jié)合中國股票市場和宏觀經(jīng)濟(jì)的關(guān)系，不難看出鋼鐵、鐵路的板塊股票漲幅明顯較大，適合投資，對于厭惡風(fēng)險(xiǎn)的投資者可以選擇銀行、鋼鐵和通信行業(yè)，因?yàn)樗鼈兊哪瓴▌勇氏鄬^小，而對于風(fēng)險(xiǎn)愛好者可以推薦證券行業(yè)，它的年波動率較大且收益率范圍最大，適合風(fēng)險(xiǎn)愛好者投資。結(jié)合此模型可以對其它股票做同樣研究預(yù)測為投資分析作參考。以上的結(jié)論意見由本文實(shí)證研究所得，僅供參考。

參考文獻(xiàn)：

[1] Andersen TG;T.Bollerslev Answering the Skeptics：Yes Standand Volatility Models Do provide Aecurate Forecasts 1998（39）

[2] R.Engle “Autoregresssive Conditional Heterroscedasticity with Esti

mates of the Variance of UK Inflation，”Econometrica，50（1982：987-1008）

[3] T.Bollerslev.Generalized Autoregressive Conditional Heteroscedast

icity. Journal of Econometrics，31-27

[4] 梁斯.中國證券市場投資風(fēng)險(xiǎn)研究―基于上海股市2010-2013年數(shù)據(jù)[J].金融教學(xué)與研究，2014（2）

[5] 耿慶峰.基于比較視角的我國股票市場波動ARCH效應(yīng)研究.福州大學(xué)學(xué)報(bào)：哲學(xué)社會科學(xué)版，2013（2）

[6] 謝家泉，楊招軍.基于GARCH模型的股票市場有效性的實(shí)證研究[J].統(tǒng)計(jì)與息論壇，2005（3）

[7] 唐齊鳴.中國股市的ARCH效應(yīng)分析[J].世界經(jīng)濟(jì)，2001（3）

[8] 尹智超.基于GARCH模型的滬深300指數(shù)收益波動率分析.知識經(jīng)濟(jì)，2013（18）

[9] 赫爾J.張?zhí)諅プg.期權(quán)、期貨和衍生證券.北京華夏出版社，1997

[10] 曹志廣，王安興，楊軍敏等.股票收益率非正態(tài)性的蒙特卡羅模擬檢驗(yàn)[J].財(cái)經(jīng)研究，2005（10）

[11] 徐龍炳.中國股票市場股票收益穩(wěn)態(tài)特性的實(shí)證研究[C].//中國會計(jì)與財(cái)務(wù)問題國際研討會論文集，2001

[12] 彭文平，肖繼輝.股市政策與股市波動[J].上海經(jīng)濟(jì)研究，2002（3）

[13] 趙振全[1].中國股票市場波動和宏觀經(jīng)濟(jì)波動關(guān)系的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003（6）

第4篇：寓言故事及寓意范文

摘要：數(shù)字預(yù)失真技術(shù)是有效補(bǔ)償射頻功率放大器的非線性方案；然而，前向數(shù)據(jù)與反饋數(shù)據(jù)之間的延時(shí)估計(jì)是數(shù)字預(yù)失真系統(tǒng)的關(guān)鍵性問題，直接影響著非線性的補(bǔ)償能力。在此基于滑動窗的相關(guān)運(yùn)算，介紹一種整數(shù)倍的環(huán)路延時(shí)估計(jì)算法，同時(shí)基于LMS迭代逐個(gè)數(shù)據(jù)輸入進(jìn)行比較，提出了一種自適應(yīng)小數(shù)倍的環(huán)路延時(shí)估計(jì)算法。最后對算法進(jìn)行仿真驗(yàn)證，結(jié)果表明，經(jīng)過整數(shù)倍的環(huán)路延時(shí)估計(jì)后，對于在[-Ts ] ,Ts 范圍內(nèi)的殘余的小數(shù)倍延時(shí)，該算法均表現(xiàn)出優(yōu)異的估計(jì)性能。

關(guān)鍵詞 ：數(shù)字預(yù)失真；環(huán)路延時(shí)估計(jì)；LMS迭代；射頻功率放大器

中圖分類號：TN929.5?34 文獻(xiàn)標(biāo)識碼：A 文章編號：1004?373X（2015）20?0008?03

A loop delay estimation algorithm based on LMS iteration

TAN Chaoqiang，XIONG Chunlin，WEI Jibo

（School of Electronic science and Engineering，National University of Defense Technology，Changsha 410073，China）

Abstract：DPD（digital pre?distortion）technology is a nonlinear scheme to effectively compensate the RF power amplifier，but the delay estimation between forward data and feedback data is the key of DPD system，which affects the nonlinear compen?sation capability directly. In this paper，the loop delay estimation algorithm of an integer multiple is introduced based on correla?tion operation of sliding window. At the same time，a loop delay estimation algorithm of adaptive fractional multiple is proposedaccording to the comparison of the data inputted one by one based on LMS iteration. The simulation results indicate that the algo?rithm has superior estimation performance of residual fractional multiple delay in the range of [-Ts ] ,Ts after the loop delay esti?mation of the integer multiple.

Keywords：digital pre?distortion；loop delay estimation；LMS iteration；radio frequency power amplifier

0 引言

OFDM 系統(tǒng)因其較強(qiáng)的抗多徑衰落能力和較高的頻帶利用率而備受關(guān)注。與其他多載波調(diào)制技術(shù)一樣，OFDM信號存在著峰值平均功率比PAPR（Peak to Aver?age Power Ratio）較高的問題，致使其通過射頻端的功率放大器時(shí)，容易因功放的非線性而產(chǎn)生帶內(nèi)失真和帶外擴(kuò)展[1]。在諸多功放的線性化技術(shù)中，數(shù)字預(yù)失真DPD（Digital Pre?Distortion）技術(shù)因其自適應(yīng)能力強(qiáng)、補(bǔ)償精度高、代價(jià)適中等優(yōu)點(diǎn)，而具有廣泛的應(yīng)用價(jià)值。

為獲取較好的非線性補(bǔ)償性能，數(shù)字預(yù)失真一般采用自適應(yīng)實(shí)時(shí)工作方式。這意味著，DPD是通過比較前饋序列和反饋序列的差異來不斷調(diào)整的。因此，數(shù)字預(yù)失真在調(diào)整更新之前，需要準(zhǔn)確地估計(jì)反饋環(huán)路中的數(shù)據(jù)延時(shí)并進(jìn)行有效補(bǔ)償。文獻(xiàn)[2]提出一種基于快速傅里葉變換的延時(shí)估計(jì)算法，缺點(diǎn)是需要較大的數(shù)值計(jì)算量；文獻(xiàn)[3]提出的基于傳統(tǒng)的相關(guān)運(yùn)算方案，但是其估計(jì)精度不足，因而不能有效適用于數(shù)字預(yù)失真系統(tǒng)；文獻(xiàn)[4]的環(huán)路延時(shí)估計(jì)方案中包含DLL 環(huán)路（Delay?Locked Loop），在硬件上需要額外的環(huán)路。本文基于LMS迭代逐個(gè)數(shù)據(jù)輸入進(jìn)行比較，提出一種自適應(yīng)的環(huán)路延時(shí)估計(jì)算法，并對算法進(jìn)行了仿真驗(yàn)證。

1 整數(shù)倍的環(huán)路延時(shí)估計(jì)

類似于文獻(xiàn)[3?4]，以采樣周期Ts 為單位，環(huán)路延時(shí)估計(jì)可分為整數(shù)倍環(huán)路延時(shí)估計(jì)和小數(shù)倍環(huán)路延時(shí)估計(jì)兩部分。

首先，進(jìn)行整數(shù)倍的環(huán)路延時(shí)估計(jì)。當(dāng)信號通過功率放大器時(shí)，會因?yàn)楣Ψ诺姆蔷€性而造成信號的失真。

但是對于實(shí)際應(yīng)用中PA的工作環(huán)境，其AM?AM曲線基本是單調(diào)的，這使得PA的輸入與輸出序列在幅度上保持了增減性的一致[5]。因此，可以利用輸入/輸出序列幅度增減性進(jìn)行相關(guān)運(yùn)算來估計(jì)整數(shù)倍的環(huán)路延時(shí)。數(shù)字預(yù)失真基本框圖如圖1所示。

圖1中，前向輸入序列x(n) 與反饋路徑序列 的幅度具有基本一致的增減性；則其基于滑動窗的相關(guān)運(yùn)算可表示為：

2 小數(shù)倍的環(huán)路延時(shí)估計(jì)

經(jīng)過整數(shù)倍的環(huán)路延時(shí)估計(jì)后，考慮到PA 非線性和反饋路徑的噪聲影響，殘余的小數(shù)倍環(huán)路延時(shí)的范圍需要考慮在[-Ts ] ,Ts 情況，需要更加精確的估計(jì)[6]。其估計(jì)過程包含插值和迭代修正2個(gè)步驟。小數(shù)倍延時(shí)θ>0偏移時(shí)Farrow內(nèi)插示意圖如圖2所示。

圖2 小數(shù)倍延時(shí)θ > 0 偏移時(shí)Farrow內(nèi)插示意圖使用4 階的Farrow 結(jié)構(gòu)的FIR 濾波器對前向序列x(n)進(jìn)行小數(shù)倍的延時(shí)θ 移位后進(jìn)行內(nèi)插，得到重建序列xi (n)：

式中參數(shù)α 一般取0.5。將式（6）代入式（4），可得：由于x(n - 2) - x(n - 1)與x(n) - x(n + 1)是相鄰數(shù)據(jù)變量的增量表達(dá)，并且增量變化非常小，因此可以認(rèn)為：x(n - 2) - x(n - 1)≈x(n) - x(n + 1) （8）

因此，式（7）可以簡化為：

xi (n) - x(n) = [x(n - 1) - x(n)]θ （9）

這樣，逐個(gè)數(shù)據(jù)輸入的LMS 算法的迭代公式可以描述為：

第k 次迭代過程中由內(nèi)插濾波器得到的重建信號。

3 仿真結(jié)果與分析

首先進(jìn)行的是整數(shù)倍環(huán)路延時(shí)估計(jì)仿真。相關(guān)運(yùn)算的滑動窗口大小L = 96 。整數(shù)倍的延時(shí)滑動窗移位搜索范圍。

圖3 給出了整數(shù)倍的環(huán)路延時(shí)估計(jì)仿真結(jié)果。其中，實(shí)際設(shè)置的環(huán)路延時(shí)分別為3.2Ts ，7.9Ts 和12.7Ts ，可以看到，估計(jì)出來的整數(shù)倍的延時(shí)值為3Ts ，8Ts 和13Ts 。估計(jì)精度達(dá)到了預(yù)期效果。

圖3 整數(shù)倍環(huán)路延時(shí)估計(jì)仿真

其次，進(jìn)行的是小數(shù)倍的環(huán)路延時(shí)估計(jì)仿真。迭代次數(shù)設(shè)置為200 次，選擇LMS 算法步長β = 2 。圖4 給出了一組殘余延時(shí)值為0.2Ts ，0.5Ts 和0.8Ts 的迭代估計(jì)過程。同時(shí)圖5給出了殘余延時(shí)值為-0.1Ts ，-0.5Ts和-0.7Ts 情況下的小數(shù)倍環(huán)路延時(shí)估計(jì)過程。

由圖4和圖5可知，提出的基于LMS迭代逐個(gè)數(shù)據(jù)輸入的小數(shù)倍延時(shí)估計(jì)算法，在殘余延時(shí)為正和為負(fù)的情況下，均能達(dá)到優(yōu)異的估計(jì)精度。圖4 殘余的延時(shí)估計(jì)為正時(shí)小數(shù)倍環(huán)路延時(shí)估計(jì)圖5 殘余的延時(shí)估計(jì)為負(fù)時(shí)小數(shù)倍環(huán)路延時(shí)估計(jì)

4 結(jié)語

數(shù)字預(yù)失真系統(tǒng)對前向數(shù)據(jù)與反饋數(shù)據(jù)的對齊很敏感，環(huán)路延時(shí)估計(jì)的精度不夠，致使數(shù)字預(yù)失真的補(bǔ)償性能將急劇下降，甚至出現(xiàn)發(fā)散的情況。本文介紹了一種有效的整數(shù)倍環(huán)路延時(shí)估計(jì)，同時(shí)提出了一種基于LMS迭代逐個(gè)數(shù)據(jù)輸入的自適應(yīng)小數(shù)倍延時(shí)估計(jì)算法，最后通過仿真驗(yàn)證了該算法的有效性。

參考文獻(xiàn)

[1] WANG Jianxin，YU Jianguo，ZHI gao. Research of adaptivedigital predistortion technology for wideband OFDM power am?plifier [C]// Proceedings of the 5th International Conference onWireless Communications，Networking and Mobile Computing.Beijing：IEEE，2009：33?36.

[2] ANDREW W S，DURTLER W G. Experimental performanceof an adaptive digital linearized power amplifier for cellular te?lephony [J]. IEEE Transactions on Vehicular Technology，1992，41（4）：395?400.

[3] LOK U W. A novel digital predistortion technique for class?EPA with delay mismatch estimation [C]// Proceedings of 2011Asia Pacific Conference on Postgraduate Microelectronics andElectronics. [S.l.]：IEEE，2011：119?121.

[4] TANG Shigang. Loop delay correction for adaptive digitallinearization of power amplifiers [C]// Proceedings of 2007Wireless Communications and Networking Conference. Kow?loon：IEEE，2007：1987?1990.[5] LIU Lei，ZHANG Peng，LIN Ziliang. An algorithm for loop de?lay estimation in digital predistortion system [C]// Proceedingsof the 4th International Congress on Image and Signal. Shang?hai，China：IEEE，2011：2313?1316.

第5篇：寓言故事及寓意范文

【關(guān)健詞】 爆破錨桿 加固底板 研究與應(yīng)用

概況

采礦活動中巷道的掘進(jìn)或回采影響引起圍巖的應(yīng)力狀態(tài)發(fā)生變化，這種變化總的趨勢是圍巖向巷道內(nèi)產(chǎn)生位移，尤其是這種位移的不均勻性突出表現(xiàn)在底板上。主要是因?yàn)榻瓴傻V深度的增加以及對頂板和兩幫的錨固的主動支護(hù)性能，致使地壓轉(zhuǎn)移。而底臌的治理卻一直缺乏即經(jīng)濟(jì)又有效的方法。強(qiáng)烈的底臌不僅帶來大量的維修工作，增加了維修費(fèi)用，而且還影響了礦井的安全。

爆破錨桿卸壓錨固注漿加固反拱底板技術(shù)及施工工藝研究項(xiàng)目在靖遠(yuǎn)煤業(yè)公司紅會四礦4701綜放工作面運(yùn)輸順槽掘進(jìn)過程中進(jìn)行了施工試驗(yàn)。

4701作面布置在紅會四礦西格拉向斜北翼，工作面走向長1300m，傾斜長120m，工作面上鄰4601煤二工作面和4602工作面，下部為未開采區(qū)，北鄰4702工作面，南為井田邊界線。該工作面設(shè)計(jì)采用綜放開采技術(shù)進(jìn)行回采。煤層總體趨勢是南高北低，南薄北厚，均厚度為6m。工作面老頂為含礫粗砂巖，厚度為17m，直接頂和偽頂缺失，直接底為粉砂質(zhì)泥巖，老底為細(xì)砂巖。4701運(yùn)輸順槽設(shè)計(jì)施工長度為1300m，采用錨網(wǎng)支護(hù)，在施工過程中巷道在不同位置不同程度發(fā)生了底臌現(xiàn)象，底臌量在100-1600mm之間，不能滿足巷道的正常使用，往往是前方掘進(jìn)，后面接著維修，嚴(yán)重影響著礦井正常的采掘接續(xù)，提高了支護(hù)費(fèi)用投入。

2. 底板支護(hù)研究方案

目前國內(nèi)外關(guān)于巷道底臌的防治措施主要有加固法和卸壓法。加固法的主要方法有：1底板錨桿；2底板注漿；3封閉式金屬支架；4混凝土反拱等。卸壓法的主要方法有：1底板切縫卸壓；2底板鉆孔卸壓；3底板松動爆破卸壓；4兩幫切槽卸壓；5頂部卸壓槽等。以上僅是針對巖層巷道，多是從底板對底臌進(jìn)行控制，而煤層回采巷道底臌的控制一直是個(gè)棘手的問題。

2.1 現(xiàn)有治理方案分析

目前，國內(nèi)外底鼓巷道的支護(hù)方法主要有各種形式的可縮性封閉金屬支架、底板錨桿、底板注漿、底板卸壓及混凝土反拱等。但是每一種支護(hù)方法的應(yīng)用范圍是有限的，其主要原因：

① 復(fù)雜地層條件下深部巷道的支護(hù)理論不完善，支護(hù)形式不當(dāng)；

② 錨桿支護(hù)機(jī)制不明確，錨桿及參數(shù)選擇不合理；

③ 錨桿的錨固與破碎的圍巖不耦合。

如果底鼓巷道不能選擇正確的支護(hù)方法和支護(hù)參數(shù)，往往造成前面巷道剛剛修復(fù)好，后面巷道又開始繼續(xù)變形。在底板方面表現(xiàn)為前面掘進(jìn)，后面又開始挖底落軌，而且隨著修復(fù)量的加大，其修復(fù)難度和修復(fù)費(fèi)用越來越高。因此，在深部巷道施工及修復(fù)過程中，必須根據(jù)圍巖的地質(zhì)條件和地壓的實(shí)際情況選擇合理的支護(hù)方法及支護(hù)參數(shù)。

對發(fā)生底鼓的巷道，其支護(hù)方法應(yīng)該根據(jù)圍巖及底板的應(yīng)力及破壞情況，采用聯(lián)合支護(hù)方法，才能有效地進(jìn)行支護(hù)并控制底鼓的發(fā)生。

4. 結(jié)論

利用管縫式錨桿的管內(nèi)爆破，爆炸沖擊波在管縫錨桿的底端產(chǎn)生強(qiáng)烈的沖擊膨脹作用，使管縫錨桿端部強(qiáng)烈與孔壁擠實(shí)并擴(kuò)張，與巖體形成一體結(jié)構(gòu)?？朔斯芸p式錨桿的短部錨固力不足的嚴(yán)重缺陷這一長期無法解決的問題。同時(shí)，爆破所產(chǎn)生的爆生氣體迅速充滿管縫錨桿內(nèi)部，高溫高壓的爆生氣體時(shí)管縫錨桿整體再次產(chǎn)生膨脹，與圍巖緊密結(jié)合使錨桿能夠在錨固全長范圍內(nèi)有足夠的錨固力。錨桿的錨固效果明顯提高。爆破作用在底板產(chǎn)生裂隙帶的形成，將導(dǎo)致應(yīng)力集中向深處轉(zhuǎn)移，這個(gè)過程可借助于彈性問題的數(shù)值解，炸藥的內(nèi)部作用，一方面表現(xiàn)在形成了空腔、壓實(shí)了周圍的介質(zhì)，提供了更多的可壓縮空間；另一方面，裂隙帶構(gòu)成了地梁效應(yīng)，阻擋了下部巖層的上鼓。 使用爆破卸壓過程的另一個(gè)優(yōu)點(diǎn)是其爆破作用使底板內(nèi)部巖體裂隙開裂，增加了注漿效果。根據(jù)底板力學(xué)狀況分析，底板弧形可以改善底板的受力狀態(tài)，更好的承載底部應(yīng)力，減少底臌量。

經(jīng)力學(xué)分析，當(dāng)煤層遇到軟弱帶時(shí)利用錨索加固頂板可以使圍巖應(yīng)力發(fā)生變化。應(yīng)力的深部轉(zhuǎn)移可以減少底臌量。

5. 參考文獻(xiàn)

[1] 華安增，孔圓波，李世平.巖塊降壓破碎的能量分析[J].煤炭學(xué)報(bào)，1995，20（4）：389-392.

[2] 康紅普.軟巖巷道底鼓的機(jī)理及防治[M].北京：煤炭工業(yè)出版社，1993.

[3] 譚學(xué)術(shù)，鮮學(xué)福，鄭道訪，等.復(fù)合巖體力學(xué)理論及其應(yīng)用[M].北京：煤炭工業(yè)出版社，1994.

[4] 馬念杰，侯朝炯.采準(zhǔn)巷道礦壓理論及應(yīng)用[M].北京：煤炭工業(yè)出版社，1995.

[5] 錢鳴高，劉聽成.礦山壓力及其控制[M].北京：煤炭工業(yè)出版社，1991.

[6] 王煥文，王繼良.錨噴支護(hù)[M].北京：煤炭工業(yè)出版社，1989.

[7] 陸士良.巖巷的礦壓顯現(xiàn)與合理位置[M].北京：煤炭工業(yè)出版社，1984.

第6篇：寓言故事及寓意范文

關(guān)鍵詞：績效；股權(quán)；股權(quán)結(jié)構(gòu)

中圖分類號：F27文獻(xiàn)標(biāo)識碼：A

企業(yè)績效與股權(quán)結(jié)構(gòu)關(guān)系的研究一直是資本市場研究的熱點(diǎn)之一。早在1932年Berle和Means就認(rèn)為，在存在控制性股東的情況下，股權(quán)結(jié)構(gòu)對公司治理和績效表現(xiàn)產(chǎn)生利益趨同和利益侵占兩種相反的效應(yīng)。我國醫(yī)藥類上市公司絕大多數(shù)是由國有企業(yè)改制而來，改制主要是維持原企業(yè)國有股權(quán)不變，引入部分資金改建為股份制企業(yè)，國有股“一股獨(dú)大”的現(xiàn)象還較為普遍。這些公司是否存在內(nèi)部人控制？內(nèi)部人是否通過謀取內(nèi)部收益來影響企業(yè)績效？本文對此進(jìn)行實(shí)證分析。

一、假設(shè)提出

我國上市公司的股權(quán)類型可以分為國有股、法人股和流通股三種。我國醫(yī)藥類上市公司國有股所占比重較高，很多公司都是國家控股。由于企業(yè)目標(biāo)與行政目標(biāo)往往不一致，因此國有股持股比例高總體上會對企業(yè)績效產(chǎn)生更大的負(fù)面影響。由此提出研究假設(shè)一：國有股持股比例與企業(yè)業(yè)績變化負(fù)相關(guān)。

對上市公司擁有控制權(quán)的若是法人股，由于法人股不能上市流通，絕大多數(shù)持有者將此作為長期投資以取得紅利回報(bào)而不是通過轉(zhuǎn)讓獲取差價(jià)；此外，由于法人股代表的資本不是以國家資本為主，更多的是集體資本或民營資本，這樣就更容易對經(jīng)營者進(jìn)行監(jiān)督，對經(jīng)理人形成較好的約束。由此提出研究假設(shè)二：法人股的持股比例與企業(yè)業(yè)績變化顯著正相關(guān)。

流通股是在股票二級市場交易、能由社會公眾認(rèn)購的股份，持有者大多是基金、中小股東等，他們追求的往往是短期股票買賣差價(jià)，而非公司長期發(fā)展帶來的股息收入，具有很大的投機(jī)性?；诔杀?、效率的考慮以及“搭便車”心理，流通股持有者一般不會對公司的經(jīng)營狀況進(jìn)行監(jiān)督和控制，對公司績效的影響作用很小。由此提出研究假設(shè)三：流通股比例與企業(yè)績效之間沒有顯著的相關(guān)關(guān)系。

根據(jù)Shleife等人的研究結(jié)論：在公司治理對外部投資者利益缺乏保護(hù)的大陸法系國家，公司的股權(quán)有集中的趨勢，股東持股比例越高，其利益與公司發(fā)展關(guān)系越密切，越有利于股東發(fā)揮積極性，越有利于提高公司的治理績效。由此提出研究假設(shè)四：在外部投資者利益缺乏保護(hù)的情況下，當(dāng)公司第一大股東持股比例越高時(shí)，企業(yè)績

效越好。

二、樣本選擇、變量確定及數(shù)據(jù)描述性統(tǒng)計(jì)

1、樣本選擇。本文以2002～2004年205家醫(yī)藥類上市公司為研究樣本，樣本數(shù)據(jù)全部來自于巨潮咨詢網(wǎng)。

2、研究變量。本文中研究的變量主要包括被解釋變量和解釋變量兩大類。其中，被解釋變量是公司績效表現(xiàn)指標(biāo)。反映公司績效的財(cái)務(wù)指標(biāo)很多，從穩(wěn)健性的角度出發(fā)，本文同時(shí)選取凈資產(chǎn)收益率ROE（凈利潤/總資產(chǎn)）和主營業(yè)務(wù)資產(chǎn)收益率CROA（主營業(yè)務(wù)利潤/總資產(chǎn)）作為公司績效表現(xiàn)變量。解釋變量包括國有股比例SOSP（國有股/總股數(shù)）、法人股比例LSP（法人股／總股數(shù)）、流通股比例CSP（流通股／總股數(shù)）、第一大股東持股比例CR1（第一大股東持股數(shù)/總股數(shù)），控制變量包括長期財(cái)務(wù)杠桿LTFL（長期負(fù)債／總資產(chǎn)）和公司規(guī)模SIZE（總資產(chǎn)賬面價(jià)值的自然對數(shù)）。

3、描述性統(tǒng)計(jì)分析。筆者對205家醫(yī)藥類上市公司的上述變量進(jìn)行了簡單統(tǒng)計(jì)分析，結(jié)果表明：國有股最高比例為73.31%，平均為29%；法人股最高比例為75%，平均為22.55%；流通股最高比例為70.37%，平均為37.85%。國有股和法人股的平均值累計(jì)比例高達(dá)51.55%（超過50%）的占有量可以證明國有股一股獨(dú)大的現(xiàn)象在我國醫(yī)藥類上市公司中還是普遍存在。但流通股平均37.85%的占有比例說明我國正在逐漸擺脫歷史遺留下來的弊病，努力降低非流通股在上市公司中所占的比重。第一大股東持股比例最高為75%，平均為42.15%。前五大股東的持股比例分別為42．15%、53．89%、57．78%、59．58%、60．58%，說明我國醫(yī)藥類上市公司股權(quán)相對高度集中。

三、回歸分析

（一）基于ROE的分析

1、相關(guān)性檢驗(yàn)。我們采用Pearson檢驗(yàn)對變量之間的相關(guān)性進(jìn)行分析，檢驗(yàn)結(jié)果見表1。一般認(rèn)為，變量間的相關(guān)系數(shù)越高，兩者存在線性關(guān)系的可能性就越大。由表1可以看出，各變量間的相關(guān)性都比較小，說明各變量可以放在同一方程中進(jìn)行回歸分析。（表1）

2、回歸分析。為了進(jìn)一步檢驗(yàn)醫(yī)藥類上市公司各績效指標(biāo)與其影響因素的關(guān)系，本文建立了如下回歸方程：ROEit=a0+a1SOSPit+a2LSPit+a3CSPit+a4CR1it+a5LTFLit+a6SIZEit+ε，檢驗(yàn)結(jié)果見表2?？梢钥闯觯瑖泄杀壤龑ζ髽I(yè)績效的影響在模型中顯示為負(fù)相關(guān)，但影響并不顯著，這可能是由于政府在干預(yù)上市公司經(jīng)營治理的同時(shí)也給予企業(yè)一定的保護(hù)，因此國有股比例雖然與上市公司績效負(fù)相關(guān)，但并不是十分顯著。這與本文的假設(shè)一不完全相符；法人股比例在模型中顯示與企業(yè)績效顯著正相關(guān)，表明醫(yī)藥類上市公司中法人股股東持股比例越高，企業(yè)績效越好，這與假設(shè)二相符；流通股比例與ROE負(fù)相關(guān)，但是同樣并不顯著；第一大股東持股比例對ROE的影響從系數(shù)來看并不顯著，這與假設(shè)四不相符；財(cái)務(wù)杠桿和ROE負(fù)相關(guān)，但公司規(guī)模和ROE正相關(guān)，且都通過了1%的顯著性水平。（表2）

（二）基于CROA的分析

1、相關(guān)性檢驗(yàn)。同樣采用Pearson檢驗(yàn)對變量之間的相關(guān)性進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表3。由表中可以看出，各變量間也不存在高度相關(guān)關(guān)系。（表3）

2、回歸分析。對于CROA，我們建立了如下回歸方程進(jìn)行分析。檢驗(yàn)結(jié)果見表4。（表4）

CROAit=a0+a1SOSPit

+a2LSPit+a3CSPit

+a4CR1it+a5CR1it

+a6SIZEit+ε

表4列出CROA與各變量之間回歸分析的結(jié)果。在模型中國有股比例對CROA的影響是負(fù)面的，并且十分顯著，與假設(shè)一相符；法人股對CROA具有顯著正面影響，與假設(shè)二相符；流通股比例對CROA的影響是負(fù)面的，但不顯著，與假設(shè)三相符合；第一大股東持股比例與CROA存在并不顯著的正相關(guān)關(guān)系，與假設(shè)四不相符；財(cái)務(wù)杠桿和ROE負(fù)相關(guān)，但公司規(guī)模和ROE正相關(guān)，且都通過了1%的顯著性水平。

四、主要研究結(jié)論及其局限

通過前面的實(shí)證分析，我們發(fā)現(xiàn)在醫(yī)藥類上市公司中：

（一）國有股比例與企業(yè)績效存在負(fù)相關(guān)關(guān)系。一般認(rèn)為，國有股股東存在所有權(quán)缺位、難以對經(jīng)營管理者做出正確的評價(jià)和有效的獎懲，具有行政目標(biāo)等干擾因素，因此國有股比例越高，公司績效反而越低。

（二）法人股比例與企業(yè)績效顯著正相關(guān)。理論上講，由于法人股股東在我國上市公司治理中起著積極的監(jiān)督作用，并且又具有對外投資專業(yè)性的特點(diǎn)，這使得上市公司總股本中法人股的比例越高，越有利于企業(yè)績效的提高。

（三）流通股比例與企業(yè)績效之間沒有顯著的相關(guān)關(guān)系。流通股股東對公司治理的作用有限，因此對企業(yè)績效的影響也較小。

（四）第一大股東持股比例與企業(yè)績效沒有顯著的相關(guān)關(guān)系。多元回歸分析表明，第一大股東持股比例與ROE、CROA均沒有顯著的相關(guān)關(guān)系，了假設(shè)四。原因可能在于：在醫(yī)藥類上市公司中的第一大股東的股權(quán)性質(zhì)其實(shí)大多都是國有股，股權(quán)的高度集中并沒有使控股股東為企業(yè)帶來顯著收益。

兩個(gè)控制變量（公司資產(chǎn)規(guī)模與長期財(cái)務(wù)杠桿）還表明：在醫(yī)藥類上市公司中，公司規(guī)模越大，績效越好，長期財(cái)務(wù)杠桿與企業(yè)績效成反比。長期財(cái)務(wù)杠桿的提高除了增加公司的資本成本之外并不能為公司的經(jīng)營產(chǎn)生有效的監(jiān)督和激勵(lì)。

本文的研究局限在于，只采用了2002～2004年的數(shù)據(jù)，因此上述結(jié)論的穩(wěn)健性還需要更多數(shù)據(jù)進(jìn)行檢驗(yàn)。

（作者單位：江蘇省人民政府法制辦公室）

參考文獻(xiàn)：

[1]孫永詳，黃祖輝.上市公司股權(quán)結(jié)構(gòu)與績效[J].經(jīng)濟(jì)研究，1999.

[2]陳小悅，徐小東.股權(quán)結(jié)構(gòu)、企業(yè)績效與投資者利益保護(hù)[J].經(jīng)濟(jì)研究，2001.

第7篇：寓言故事及寓意范文

關(guān)鍵字:指數(shù)復(fù)制 遺傳算法 追蹤誤差

一、引言

指數(shù)化投資的概念興起于上世紀(jì)70年代,是首先由諾貝爾經(jīng)濟(jì)學(xué)獎得主Paul Samuelson所提出的。后來由于效率市場假設(shè)的提出,以指數(shù)化投資為目的的指數(shù)基金開始受到金融市場的注意及認(rèn)同。在效率市場中,由于單個(gè)證券的非系統(tǒng)風(fēng)險(xiǎn)是很難避免的,證券的價(jià)格都已反應(yīng)了證券的價(jià)值,其價(jià)格的變化用任何方法也無法準(zhǔn)確預(yù)測,因此,只有選擇投資于證券市場指數(shù)才能夠完全化解非系統(tǒng)風(fēng)險(xiǎn)。與主動投資不同,被動投資策略是一種釘住市場指數(shù)并不尋求戰(zhàn)勝市場的投資策略。被動投資由于采用分散的交易策略,因此相對于主動投資通常有更低的非系統(tǒng)性風(fēng)險(xiǎn)水平,而且其投資目的在于復(fù)制標(biāo)的指數(shù),故其收益水平與整個(gè)市場或指定區(qū)域的平均水平將較為接近。

遺傳算法(Genetic Algorithm, GA) 是一類借鑒生物界的進(jìn)化規(guī)律(適者生存,優(yōu)勝劣汰遺傳機(jī)制)演化而來的隨機(jī)化搜索方法。它是由美國的J.Holland教授1975年首先提出,其主要特點(diǎn)是直接對結(jié)構(gòu)對象進(jìn)行操作,不存在求導(dǎo)和函數(shù)連續(xù)性的限定;具有內(nèi)在并行性和更好的全局尋優(yōu)能力;采用概率化的尋優(yōu)方法,能自動獲取和指導(dǎo)優(yōu)化的搜索空間,自我調(diào)整地調(diào)整搜索方向,不需要確定的規(guī)則。遺傳基因算法的這些性質(zhì),已被人們廣泛地應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號處理、自適應(yīng)控制和人工生命等領(lǐng)域。它是現(xiàn)代有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)之一。本文根據(jù)遺傳算法的原理和特性,設(shè)計(jì)出一套基于該算法的指數(shù)復(fù)制方法,并結(jié)合滬深300樣本數(shù)據(jù)對其進(jìn)行跟蹤檢驗(yàn),最終得到該復(fù)制方法的跟蹤績效。

二、指數(shù)復(fù)制績效指標(biāo)及遺傳算法的基本步驟

2.1指數(shù)復(fù)制績效指標(biāo)

(1)追蹤誤差

追蹤誤差是指數(shù)復(fù)制績效評價(jià)體系中最重要的指標(biāo),用于度量指數(shù)追蹤精確度。追蹤誤差一般定義為投資組合與目標(biāo)指數(shù)收益率之間的差。追蹤誤差越小,指數(shù)追蹤精確度越高,指數(shù)追蹤的業(yè)績也越好。

其中Rpt為t時(shí)刻投資組合的收益率,即 ,RIt為t時(shí)刻滬深300指數(shù)的收益率。其約束條件:組合內(nèi)每只股票的權(quán)重w∈[0,0.1] 且

(2)相關(guān)系數(shù)

相關(guān)系數(shù)度量了投資組合與目標(biāo)指數(shù)收益率之間的相關(guān)性。一般來說,相關(guān)系數(shù)越大,指數(shù)追蹤業(yè)績越好。

2.2 遺傳算法的基本步驟

遺傳基因算法的最基本原理在于演化(Evolution)及篩選(Selection)。用面向?qū)ο蟮某绦蛟O(shè)計(jì)觀點(diǎn)來看,所謂“演化”即是經(jīng)由基因以算法中的三個(gè)運(yùn)算機(jī)制:復(fù)制/選擇(Reproduction/Selection)、交叉(Crossover)與變異(Mutation)交至運(yùn)作去產(chǎn)生新的個(gè)體。而“篩選”則是以一個(gè)預(yù)先定義之評分函數(shù)(Fitness Function),又稱適合度函數(shù),去建構(gòu)其生存環(huán)境,所有的物種皆已符合其要求為終極目標(biāo)進(jìn)行演化,保留符合適應(yīng)度函數(shù)的數(shù)據(jù)結(jié)構(gòu),而淘汰較差者。

(一) 步驟一:初始化

選擇一個(gè)群體,即選擇一個(gè)串或個(gè)體的集合bi,i=1,2,...n。這個(gè)初始的群體也就是問題假設(shè)解的集合。一般n的取值范圍為[30,160]。通常以隨機(jī)方法產(chǎn)生串或個(gè)體的集合bi,i=1,2,...n。問題的最優(yōu)解將通過這些初始假設(shè)解進(jìn)化而求出。

(二) 步驟二:復(fù)制/選擇

根據(jù)適者生存原則選擇下一代的個(gè)體。在選擇時(shí),以適應(yīng)度為選擇原則。適合度函數(shù)就如同大自然環(huán)境,用來衡量每個(gè)個(gè)體。在遺傳基因算法下,必須先定義一套模式去評估每一個(gè)個(gè)體的適合度。初始種群中每一個(gè)個(gè)體有一對應(yīng)得函數(shù)值,稱之為適應(yīng)值(Fitness Value),該函數(shù)稱之為適合度函數(shù)。演化過程在尋找最大(最小)的適應(yīng)值。

(三) 步驟三:交叉

對于選中用于繁殖下一代的個(gè)體,隨機(jī)地選擇兩個(gè)個(gè)體的相同位置,按交叉概率P。在選中的位置實(shí)行交換。這個(gè)過程反映了隨機(jī)信息交換;目的在于產(chǎn)生新的基因組合,也即產(chǎn)生新的個(gè)體。

(四)步驟四:變異

突變的意義在擷取一種不可預(yù)測的訊息,以防止物種在一連串的復(fù)制與過程中,囿限于一個(gè)區(qū)域優(yōu)化的環(huán)境中而無法跳脫,,永遠(yuǎn)看不見真理。正如生物學(xué)上的歷史,突變的機(jī)率極低,卻會帶來物種革命性的改變,善定遺傳基因算法種的突變率,將有助于收斂速度的提高及物種適應(yīng)力的增強(qiáng)。

(五)步驟五:收斂/終止

當(dāng)最優(yōu)個(gè)體的適應(yīng)度達(dá)到給定的數(shù)值,或者最優(yōu)個(gè)體的適應(yīng)度和群體適應(yīng)度不再上升時(shí),則算法的迭代過程收斂、算法結(jié)束。否則,用經(jīng)過選擇、交叉、變異所得到的新一代群體取代上一代群體,并返回到第2步即選擇操作處繼續(xù)循環(huán)執(zhí)行。

三、實(shí)證檢驗(yàn)

3.1.樣本數(shù)據(jù)設(shè)置

本文利用中證指數(shù)公司所的滬深300指數(shù)作為目標(biāo)指數(shù),數(shù)據(jù)期間從2008年1月1日至2009年5月31日之日資料,共計(jì)322筆資料。估計(jì)期設(shè)定為2008年1月1日至2008年12月31日,2009年1月1日至2009年5月31日則為未來測試期。資料的收集和整理是在大智慧V5.6版和SQL Server2000下完成的。

3.2 遺傳算法的參數(shù)選擇

遺傳基因算法中使用的參數(shù)為進(jìn)化次數(shù),最終選擇股票個(gè)數(shù),初始權(quán)重組數(shù)。根據(jù)Roland Jeurissen 和 Janvanden Berg 2005年在IEEE上發(fā)表的《Index Tracking using a Hybrid Genetic Algorithm》一文中關(guān)于遺傳參數(shù)的測試結(jié)果,變異概率參數(shù)設(shè)為0.8,轉(zhuǎn)型概率參數(shù)設(shè)置為0.5,初始權(quán)重組數(shù)一般為樣本空間的3倍,由于我們的樣本空間有300只股票,那么我們按照經(jīng)驗(yàn)值設(shè)定初始權(quán)重組數(shù)為900組,事實(shí)上,經(jīng)筆者多次測試,這個(gè)初始值只要超過樣本空間的數(shù)量就已經(jīng)對最終的追蹤誤差產(chǎn)生可以忽略的影響。股票權(quán)重按照我國證券監(jiān)管機(jī)構(gòu)對于基金中股票權(quán)重的規(guī)定設(shè)置,每一只股票的權(quán)重不超過總投資金額的10%。我們參數(shù)設(shè)置的重點(diǎn)放在進(jìn)化次數(shù),因?yàn)檫@個(gè)參數(shù)的確定對我們最終結(jié)果會產(chǎn)生較大的影響。

進(jìn)化次數(shù),又稱為迭代次數(shù),權(quán)重經(jīng)過一遍遺傳變異,成為一代,算法會根據(jù)這一代的權(quán)重算出追蹤誤差,同時(shí)對這一代的權(quán)重按照某種規(guī)則進(jìn)行下一代的遺傳變異工作,從而計(jì)算下一代中的追蹤誤差,這樣經(jīng)過很多次以后,最優(yōu)的權(quán)重組合之間通過互相的雜交會產(chǎn)生趨于更優(yōu)的后代,這個(gè)更優(yōu)的后代在這里表現(xiàn)為更低的追蹤誤差。然而,迭代次數(shù)的無限延伸勢必會增加計(jì)算所需要的時(shí)間,理論上,隨著進(jìn)化的延續(xù)優(yōu)化的下一代是會不斷產(chǎn)生的,而且經(jīng)過實(shí)證,在樣本總數(shù)一定得情況下,隨著迭代次數(shù)的增加,追蹤誤差會收斂于一個(gè)固定值,這個(gè)現(xiàn)象在國內(nèi)外關(guān)于遺傳基因算法的論文中有所提及,但是都沒有給出一個(gè)可信的解釋,筆者認(rèn)為其中一個(gè)很重要的原因可能是目前的計(jì)算精度不夠所造成的。

我們這里首先把進(jìn)化次數(shù)設(shè)為10000次,權(quán)重組數(shù)設(shè)為900組,最終選擇股票數(shù)設(shè)為50,經(jīng)過在統(tǒng)計(jì)學(xué)軟件R中測試,得出結(jié)論如下圖:

圖1 進(jìn)化次數(shù)(again)和最小追蹤誤差(MinTE)變化圖

橫坐標(biāo)代表進(jìn)化次數(shù),縱坐標(biāo)代表最小追蹤誤差,從結(jié)果可以看出,在上述樣本環(huán)境下,經(jīng)過大約400次雜交遺傳后,最小追蹤誤差會收斂于0.2238%,為了確定更佳的遺傳代數(shù),我們把總迭代次數(shù)限定為400,其他樣本參數(shù)保持不變,得出在不同循環(huán)次數(shù)下的追蹤誤差,進(jìn)而對其進(jìn)行回歸分析,得出回歸方程,從而確定最佳進(jìn)化次數(shù)。對計(jì)算結(jié)果進(jìn)行抽樣,得到進(jìn)化次數(shù)和追蹤誤差對應(yīng)數(shù)據(jù)表,如下表所示:

通過對表中的數(shù)據(jù)用不同的回歸模型進(jìn)行回歸分析,發(fā)現(xiàn)使用冪回歸模型擬合的相關(guān)度最高,如表2所示:

表2不同回歸方程的相關(guān)度比較

回歸模型 指數(shù)回歸模型 對數(shù)回歸模型 冪回歸模型

回歸方程 y= 0.003e-0.00x y = -7E-0ln(x) + 0.006 y = 0.007x-0.23

相關(guān)度(R²) 0.809 0.974 0.988

得到回歸模型y = 0.007x-0.23,擬合曲線如圖2 所示:

圖2最小追蹤誤差變化圖

從擬合曲線上,我們可以看到,隨著進(jìn)化次數(shù)的增加,最小追蹤誤差呈冪函數(shù)下降趨勢,由于該函數(shù)是單調(diào)遞減的,所以,我們結(jié)合循環(huán)所耗費(fèi)的時(shí)間和追蹤誤差減低的速度來確定最優(yōu)的迭代次數(shù),由于追蹤誤差隨迭代次數(shù)遞減速度一直遞減,所以我們設(shè)定當(dāng)遞減速度為0.000001來確定最優(yōu)迭代次數(shù),即令該函數(shù)的一階導(dǎo)數(shù)等于0.000001,確定最優(yōu)迭代次數(shù)約為200次。

3.3 股票及其權(quán)重的確定

在確定了遺傳算法的參數(shù)之后,我們利用2008年全年的滬深300成分股的日收益率數(shù)據(jù)及滬深300指數(shù)日收益率數(shù)據(jù)為樣本數(shù)據(jù),經(jīng)過循環(huán)迭代,該算法從滬深300只股票中挑出50只股票及他們在投資組合中的權(quán)重,選取的股票及其權(quán)重見下表:

3.4 預(yù)測期的跟蹤結(jié)果

針對2009年1至5月的滬深300指數(shù)日數(shù)據(jù)進(jìn)行追蹤測試,結(jié)果得到追蹤誤差TE為0.372%,相關(guān)系數(shù)為0.9841。組合累計(jì)追蹤誤差為1.020%,組合累計(jì)收益率的相關(guān)系數(shù)為0.9980。模擬效果如圖3:

圖3預(yù)測效果圖

4 結(jié)論

首先,從收益率的相關(guān)性和追蹤誤差這兩個(gè)衡量模擬指數(shù)收益的指標(biāo)來看,在模擬測試期,投資組合的跟蹤誤差為0.372%,相關(guān)系數(shù)為0.9841,表明投資組合的收益率和指數(shù)收益率的接近程度很高,其收益率的變化程度也非常一致。其次,從累計(jì)收益的角度我們還可以衡量出累計(jì)追蹤的偏差和相關(guān)性,從上文中實(shí)證結(jié)果可以看出,投資組合累計(jì)收益率的跟蹤誤差為1.02%,相關(guān)系數(shù)為0.998,說明從累計(jì)的效果來看,基于遺傳算法的指數(shù)方法的表現(xiàn)也是非常出色的。另外,遺傳基因算法選出的股票權(quán)重明顯更加趨于平均,這一方面有利于分散風(fēng)險(xiǎn),另一方面會使購置這些股票時(shí)避免由于某一只股票權(quán)重過大所造成的過高的沖擊成本,有助于降低投資組合的流動性風(fēng)險(xiǎn)。尤其對于以指數(shù)化投資為考慮的專業(yè)投資機(jī)構(gòu),適當(dāng)?shù)牧鲃有愿瞧渲匾耐顿Y目標(biāo)。

參考文獻(xiàn)

[1] Andrews C, Ford D, Mallinson K.,1986, “The design of index funds and alternative methods of replication”. The Investment Analyst,Vol.10,PP 16-23.

[2] Beasley J E, Meade N, Chang T J. ,1999 ,“An evolutionary heuristic for index tracking”, Working Paper.

[3] Eddelbuttel D, Marseilles.,1996, “A hybrid genetic algorithm for passive management”. Second Conference Computing in Economics and finance,

[4] Frino A, Gallagher D R, Neubert A, Oetomo T N.,2004, “Index design and implications for index tracking”. The Journal of Portfolio Management, Vol.30(2),PP 89-95.

[5] Frino A, Gallagher D R. ,2002, “Is index performance achievable? An analysis of Australian equity index funds”. ABACUS, Vol.38(2),PP 200-214.

[6] Jeurissen R, van den Berg J.,2005, “Index tracking using a hybrid genetic algorithm”. Proceedings of the CIMA’05 conference, PP 910.

[7] Syswerda G,,1986, editor A study on Reproduction in Generational and Steady-State Genetic Algorithms, In Foundations of Genetic Algorithms. Morgan Kaufmann Publishers,

[8] 范龍振,王海濤,何華,2002:《我國股票市場指數(shù)及指數(shù)證券投資組合》,管理科學(xué)學(xué)報(bào)第5期,第11-17頁。

第8篇：寓言故事及寓意范文

關(guān)鍵詞：給予顧客滿意度；汽車售后；服務(wù)模式；進(jìn)行研究

一、基于顧客滿意的我國汽車售后服務(wù)模式研究意義

隨著我國經(jīng)濟(jì)的快速發(fā)展，也帶動著我國汽車產(chǎn)業(yè)的快速發(fā)展，在汽車行業(yè)的快速發(fā)展中越展現(xiàn)出我國的汽車售后服務(wù)模式的重要性，縱觀國內(nèi)外市場研究，2005年-2006年是汽車銷售的噴發(fā)期，汽車銷售市場競爭相當(dāng)激烈，由于汽車銷售方式已近飽和，國外的汽車銷售者將重心轉(zhuǎn)移到運(yùn)用全面化的汽車銷售服務(wù)模式進(jìn)行市場競爭，汽車售后服務(wù)模式已然逐漸成為汽車銷售支柱之一。由于我國的汽車售后模式研究還是處于落后階段，對于市場研究不夠完整化，目前的汽車售后服務(wù)模式對與我國復(fù)雜的市場情況無法應(yīng)對，對復(fù)雜的市場問題沒有得到正確的處理方法，導(dǎo)致我國在市場競爭中處于弱勢。目前，首要問題就是解決對汽車售后服務(wù)模式進(jìn)行改善，使汽車售后服務(wù)模式具有專業(yè)化、智能化、全面化、個(gè)性化、制定化等方面優(yōu)勢的汽車售后服務(wù)。目前在這個(gè)競爭激烈的市場中，顧客對售后服務(wù)滿意度是汽車銷售非常重要的一部分。

通過專家進(jìn)行的數(shù)據(jù)分析得出，在整個(gè)汽車銷售市場中對汽車銷售主要影響因素是汽車配件，汽車配件占有比率是最大，其次就是汽車售后服務(wù)比率，汽車售后服務(wù)比率僅次于汽車配件的比率。同時(shí)數(shù)據(jù)顯示，國內(nèi)的顧客滿意的汽車售后服務(wù)模式跟國外的顧客滿意的汽車售后服務(wù)模式相比，兩者之間的差異較大，雖然國內(nèi)的汽車售后服務(wù)模式起步較為晚，經(jīng)數(shù)據(jù)研究表明，我國的汽車售后服務(wù)模式具有較大的升值空間。

二、基于顧客滿意的我國汽車售后服務(wù)模式介紹

對“一條龍”的服務(wù)模式進(jìn)行介紹，其中包括汽車銷售、零件配置、售后服務(wù)、信息解答等方面，目前采用這種模式的汽車銷售店的代表是“4S”店，從4S汽車銷售來看充分展示了這種模式對企業(yè)品牌服務(wù)和企業(yè)服務(wù)模式的統(tǒng)一，已經(jīng)成為了市場終端的代表。采用對顧客一條龍的服務(wù)優(yōu)勢有以下幾個(gè)方面，這項(xiàng)服務(wù)的最大的優(yōu)勢特點(diǎn)就是對顧客可以進(jìn)行全面服務(wù)，這樣有利于了解顧客的喜好和要求，在售前到售后可以與顧客達(dá)成良好信任度以及對顧客的了解度，這種模式能夠更好的提高顧客滿意程度，可以為公司培養(yǎng)更多忠實(shí)的顧客，同時(shí)也可以吸引更多的未來顧客，售前工作與售后工作的結(jié)合，可以提高公司的的汽車銷售運(yùn)行效率，增強(qiáng)對企業(yè)工作人員的管理程度，降低了對企業(yè)的管理難度，使公司銷售系統(tǒng)更加完整化，提高了企業(yè)綜合能力。同樣這種模式也有缺點(diǎn)，這種模式的實(shí)施在經(jīng)濟(jì)上是需要投入大量成本才能運(yùn)行周轉(zhuǎn)，短時(shí)間內(nèi)的收益并不理想，需要長時(shí)間才有好的收益，需要做好持久準(zhǔn)備，在工作人員與顧客進(jìn)行售后服務(wù)時(shí)如果只注重眼前的利益，就會導(dǎo)致整體服務(wù)標(biāo)準(zhǔn)降低，同時(shí)也會造成一大批的社會專業(yè)人士的流失，不利于充分利用社會資源。

三、提高汽車售后服務(wù)顧客滿意度

之前在汽車銷售行業(yè)企業(yè)銷售的競爭力主要取決于汽車銷售的生產(chǎn)規(guī)模的大小，作為目前經(jīng)濟(jì)發(fā)展最為潛力的企業(yè)之一，汽車企業(yè)銷售的特點(diǎn)是高投入、高風(fēng)險(xiǎn)、高收益的特點(diǎn)，那么就要要求汽車企業(yè)管理者用最快的時(shí)間來摸清經(jīng)濟(jì)規(guī)模的各方面要求以及應(yīng)該注意的事項(xiàng)，由于競爭激烈，目前國內(nèi)的各個(gè)集團(tuán)都在積極的向國外的汽車售后服務(wù)模式學(xué)習(xí)，將國外先進(jìn)的汽車售后服務(wù)模式與國內(nèi)傳統(tǒng)的汽車售后服務(wù)模式相結(jié)合起來，創(chuàng)造出一種新型的、完整的、更全面化的汽車售后服務(wù)模式，使我國的汽車銷售行業(yè)可以在國際汽車銷售市場上迅速確立國際地位。汽車銷售已從以“產(chǎn)品為中心”到現(xiàn)在以“客戶為中心”為主旨，以前以產(chǎn)品為中心主要影響因素是經(jīng)濟(jì)不發(fā)達(dá)、人們對汽車了解度不夠，物質(zhì)需求不高，沒有進(jìn)軍國際市場等，而現(xiàn)在以“客戶為中心”為主旨是因?yàn)槟壳敖?jīng)濟(jì)快速發(fā)展，帶動汽車產(chǎn)業(yè)銷售，人們對物質(zhì)的出發(fā)點(diǎn)更重于自己的喜好而不是產(chǎn)品的本身，國際市場競爭激烈等方面。如今的客戶資源已經(jīng)成為了企業(yè)的核心，以滿足顧客的需求為前提，來提高顧客的滿意度，進(jìn)而提高顧客的忠誠度和購買率，這樣可以減低客戶資源的流失、業(yè)績的上升、縮短銷售周期、降低企業(yè)成本、擴(kuò)大市場交易為目標(biāo)，提高企業(yè)全面化的盈利和競爭力。同時(shí)對顧客進(jìn)行售前售后全程服務(wù)細(xì)節(jié)進(jìn)行報(bào)告編制，整理好所有報(bào)告交由專家對汽車售后服務(wù)模式進(jìn)行分析與研究。

四、結(jié)語

通過本文可知，顧客滿意度對整個(gè)汽車銷售的重要性，進(jìn)而也體現(xiàn)出汽車售后服務(wù)模式是決定汽車銷售成功重要組成部分。將國外先進(jìn)的售后服務(wù)模式于中國傳統(tǒng)的售后模式結(jié)合起來，可以創(chuàng)造出新型的汽車售后服務(wù)模式，推動我國的汽車銷售的發(fā)展。

參考文獻(xiàn)：

[1]柯克雷.基于顧客滿意的我國汽車售后服務(wù)模式研究[J].經(jīng)濟(jì)論壇，2011，（08）

[2]曾珠.基于客戶行為差異的汽車售后服務(wù)推薦研究[D].武漢理工大學(xué)，2013（14）

[3]劉建峰.A汽車4s店售后服務(wù)管理創(chuàng)新研究[D].吉林大學(xué)，2014.（06）

[4]喬輝.國內(nèi)汽車售后服務(wù)顧客滿意度研究[J].物流工程與管理，2013，（18）

第9篇：寓言故事及寓意范文

關(guān)鍵詞：IPO 抑價(jià)水平預(yù)測 進(jìn)化算法

IPO（Initial Public Offering）抑價(jià)水平是IPO定價(jià)的重要指標(biāo)，其衡量股票上市首日的收盤價(jià)格與發(fā)行價(jià)格的差距。IPO抑價(jià)水平過高會引起資源配置低下；損害原始股東利益，例如the 在1998年11月12日其IPO發(fā)行價(jià)為每股9美元，股價(jià)在發(fā)行當(dāng)天曾一度漲幅達(dá)1000%，97美元每股，后回落至63美元每股。雖然the 公司通過IPO募集到3000萬美元，但是據(jù)估發(fā)行的需求水平和交易的規(guī)模，公司預(yù)計(jì)損失了2億美元。IPO抑價(jià)是各國股票市場中的普遍現(xiàn)象。一般較為成熟的股票市場的IPO抑價(jià)水平較低，例如在2000至2009年間日本平均IPO抑價(jià)率為28.4%， 美國為18.4%，而中國A股市場則高達(dá)110.34%。

一、IPO抑價(jià)計(jì)算

（一）第一種計(jì)算方法：IPO抑價(jià)水平可定義為第一天股票交易發(fā)行價(jià)和收盤價(jià)格的變化百分比， 可定義為

（二）如果考慮到IPO股票所在發(fā)行市場的指數(shù)波動，則公式1可修正為下列形式：

IPO前一天的收盤指數(shù)。公式2考慮到股票 IPO所在交易市場發(fā)行日前后的整體市場的股指波動，能更準(zhǔn)確的衡量股票的IPO抑價(jià)率。如果抑價(jià)率大于0，則上市首日存在明顯的超額收益，說明新股的價(jià)值被低估；如果抑價(jià)率小于0，則表示股票上市首日跌破發(fā)行價(jià)，說明股票的價(jià)值被高估。

二、IPO抑價(jià)水平預(yù)測算法-雙層進(jìn)化算法[1]

進(jìn)化算法來源于生物進(jìn)化論中的概念，比如繁殖，突變，重組等。進(jìn)化算法是一種迭代進(jìn)化法，一般是從一個(gè)原問題的一群解出發(fā)，得到另一群較好的解。進(jìn)化算法可分為三類：

遺傳算法（genetic algorithm，GA），進(jìn)化規(guī)劃（evolutionary programming， EP）和進(jìn)化策略（evolution strategies），這三類通過不同層次，不同角度來模擬生態(tài)進(jìn)化原理，以便為了求解問題。

在學(xué)習(xí)類算法中包括兩個(gè)階段，第一個(gè)階段為訓(xùn)練階段，其內(nèi)容是創(chuàng)建一個(gè)模型。第二個(gè)階段為測試階段來驗(yàn)證階段一中創(chuàng)建的模型。

（一） 影響IPO抑價(jià)因素

在大量的文獻(xiàn)中都討論到關(guān)于IPO抑價(jià)的因素，綜合分析后得出以下因素：

1. 承銷商的威望

低離差性公司為了在市場中表現(xiàn)公司低風(fēng)險(xiǎn)的特性會選擇有聲望的承銷商。與此同時(shí)，承銷商為了保持他們的聲望，會選擇低離場性的公司來進(jìn)行IPO. 同時(shí)還得出在承銷商的威望和他們所IPO價(jià)格上升的方差，幅度都存在負(fù)相關(guān)性。在這里承銷商的聲望可建模為虛擬變量，如果是有聲望的承銷商，則變量的值為1否則為0.

2. 路演中的價(jià)格范圍

路演是國際上廣泛采用的證券發(fā)行推廣方式，是指承銷商面向機(jī)構(gòu)投資者的推介活動，其作用是讓準(zhǔn)投資者更了解擬上市公司的情況。在路演過程中需提供給潛在投資客戶的參考價(jià)格范圍。范圍的大小可以認(rèn)為是對于擬上市公司真實(shí)價(jià)值的不確定性，因此這個(gè)因素會影響到IPO的抑價(jià)率?？杀硎緸椋?/p>

3. 最終IPO價(jià)格與路演中間價(jià)格的調(diào)整量

最終IPO的價(jià)格與在路演過程中的價(jià)格范圍也表現(xiàn)出對于擬上市公司的不確定性?？杀硎緸椋?/p>

4.保留股票

初始投資者在IPO時(shí)期保留的資本可看做是股票質(zhì)量的指示信號。此因素可以比例來表示，這個(gè)比例的分子是股票IPO時(shí)賣出的數(shù)量，分母是發(fā)行后的股票數(shù)量與IPO賣出的數(shù)量的差值?？杀硎救缦拢?/p>

5.股票發(fā)行總額

這個(gè)因素可定義為股票發(fā)行總額的對數(shù)，其中不包括超額配售的部分?？杀硎救缦拢?/p>

6. 科技性

把科技性納入到考慮因素是因?yàn)樵谘芯恐斜砻?，科技性公司一般擁有較大的IPO抑價(jià)水平。同承銷商的威望因素相同，其變量取值為0，1.當(dāng)IPO公司屬于科技性公司時(shí)為1，否則為.

（二）算法過程解析

1. 確定樣本所在區(qū)域

這個(gè)過程通過最近鄰原則來將樣本數(shù)據(jù)區(qū)分至不同的區(qū)域，以達(dá)到提高預(yù)測準(zhǔn)確度的目的。首先將輸入變量分為不同的泰森多邊形區(qū)域，假設(shè)輸入變量的維度為n，n+1維則是預(yù)測結(jié)果。 原型機(jī)可定義為輸入變量空間中的一個(gè)向量P， 存在k個(gè)原型機(jī)，符合，將Rn分為k個(gè)泰森多邊形區(qū)域?？砂凑障率龉絹矶x一個(gè)區(qū)域 其中d表示歐幾里得距離。

2. 適應(yīng)度評價(jià)

適應(yīng)度函數(shù)可用來評估個(gè)體的優(yōu)劣程度的工具，適應(yīng)度函數(shù)作用于某個(gè)體時(shí)的值可認(rèn)為是該個(gè)體的適應(yīng)度

訓(xùn)練模式由n+1維的向量組成，可表示為

3. 進(jìn)化策略

進(jìn)化策略可采用變異，重組算子，高斯變異算子實(shí)現(xiàn)個(gè)體更新。進(jìn)化策略的變異方法是在舊的個(gè)體上，增加一個(gè)正態(tài)分布的隨機(jī)數(shù)，因而產(chǎn)生新的個(gè)體。 每一代中，變異后的個(gè)體與父代進(jìn)行比較，并選擇比較好的一個(gè)，此策略可稱為（1+1）策略。進(jìn)化策略的變異是在舊的個(gè)體基礎(chǔ)上添加一個(gè)正態(tài)分布的隨機(jī)數(shù)，從而產(chǎn)生新的個(gè)體，變異過程可表示為：

對第i個(gè)分量產(chǎn)生一次符號標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)。

4. 預(yù)測

對于輸入T， 每一個(gè)子系統(tǒng)需要建議樣本所在的區(qū)域。通過對不同區(qū)域的回歸分析來得到T的估計(jì)值作為預(yù)測結(jié)果。上述過程可以使用不同的初始化值來重復(fù)10次，因此，這個(gè)系統(tǒng)可以由10個(gè)子系統(tǒng)組成。每一個(gè)子系統(tǒng)都是一個(gè)泰森域模型，不一定每一個(gè)子系統(tǒng)都會有一個(gè)有效的輸出。可以將有效輸出的平均值作為最終的輸出。

下面從數(shù)據(jù)變量方面及方法分析進(jìn)化算法預(yù)測我國IPO抑價(jià)水平的可行性：

數(shù)據(jù)變量方面經(jīng)歸納整理，可分為大類：承銷商威望因素，路演價(jià)格范圍，發(fā)行價(jià)格，保留股票數(shù)量，股票發(fā)行總額及科技性。

首先：承銷商威望因素。據(jù)統(tǒng)計(jì)，2012年中國承銷商中，主要以中信，國信，招商，平安，民生，廣發(fā)等券商為主。證監(jiān)會每年度以證券公司風(fēng)險(xiǎn)管理的能力為基礎(chǔ)，結(jié)合公司管理水平及市場競爭力對共公司進(jìn)行綜合性評價(jià)。證券公司將被分為A（AAA，AA，A），B（BBB，BB，B），C（CCC，CC，C），D，E五大類共11個(gè)級別。除證券公司的評級外可結(jié)合往期各券商發(fā)行IPO的抑制率及發(fā)行的資本總額為評估因素對承銷商排序，排次較高的券商認(rèn)為其具有威望。承銷商威望因素賦值為1，否則賦值為0。

其次：路演價(jià)格范圍，發(fā)行價(jià)格，保留股票數(shù)量，股票發(fā)行總額。路演目前在我國已成為上市前的必需環(huán)節(jié)。除過傳統(tǒng)的路演，更出現(xiàn)了網(wǎng)上路演，通過互聯(lián)網(wǎng)來展示上市公司，推廣股票。這些因素在IPO之前需要逐個(gè)確定。

最后：科技性。1937年成立的SIC（Standard Industrial Classification）系統(tǒng)將個(gè)公司機(jī)構(gòu)氛圍不同的領(lǐng)域，同時(shí)這個(gè)系統(tǒng)也應(yīng)用于其他國家。我國雖然沒有應(yīng)用SIC系統(tǒng)，但可以通過科技公司經(jīng)營范圍來界定擬上市公司的科技性。

分析方法中建立模型機(jī)預(yù)測等過程可在Matlab中實(shí)現(xiàn)，Matlab較強(qiáng)的處理數(shù)組及矩陣的特點(diǎn)，以及龐大的函數(shù)庫比較適合運(yùn)用雙層進(jìn)化算法的實(shí)現(xiàn)和分析。

參考文獻(xiàn)：

[1] Ritter，J.R.，and Welch，I. A review of IPO activity， pricing，and allocations. Journal of Finance，57，4（2002），1795-1821，2002.

[2]R.B Carter and S.Manaster，’Initial public offering and underwriter reputation’， Journal of Finance vol.45，pp.605-622，1988.

[3]W.L.Megginson and K.A.Weiss，“Venture capitalist certification in initial pubic offering

“， Journal of Finance vol.46，pp，799-903，1991.

[4]B.A.Jain and B.N.Nag，”Artificial neural netwwok models for pricing initial public

offerings”， Decision Sciences vol.26，pp.283-299，1995.

[5]I.Rechenberg，”Cybernectic solution path of an experimental problem”Royal Aircraft

Establishment， Farnborough p.Library Translation 1122，1965.