Identifing the structure of dynamical multivariate complex systems and its visualization and application for optimization engineering

动态多元复杂系统的结构识别及其可视化和优化工程应用

• 批准号: 22700227
• 负责人: SUZUKI Tomoya
• 金额: $ 2.5万
• 依托单位: Ibaraki University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2011
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22700227/
• 关键词: 複雑系; 非線形時系列解析; データサンプリング; 非線形時系列予測; リスク推定; ポートフォリオ理論; テクニカル分析; 多目的最適化問題; 株式ポートフォリオ; 因果推論・特徴選択

Real systems are often composed by many elements interacting with each other and show us complex behavior. To predict these complex systems, we can refer to their past behavior, but all of the observed elements do not always compose the same system. Thus, we have to detect some essential elements from the observed elements so as to improve the prediction accuracy of learning data. Moreover, if we apply Takens's embedding theorem to reconstruct an attractor only by single element, we don't have to select elements, but we have to optimize embedding parameters. In any case, because we have to solve above optimization problems, we applied the genetic algorithm (GA) as one of the meta-heuristic techniques. Moreover, real systems might be nonstationary and their own mechanism changes dynamically. Therefore, we reiterated the GA for each optimization with simple algorithms to embed and to predict time-series data for saving numerical costs. Through some simulations, we confirmed that our dynamical optimization can improve prediction accuracy of multivariate nonlinear systems, even financial markets, and can help us to examine whether the structure of a complex system dynamically changes or not.

实际系统通常由许多元素相互作用并向我们展示复杂的行为而组成。为了预测这些复杂的系统，我们可以参考它们的过去行为，但是所有观察到的元素并不总是组成相同的系统。因此，我们必须从观察到的元素中检测一些基本要素，以提高学习数据的预测准确性。此外，如果我们将takens的嵌入定理应用于单个元素重建吸引子，则不必选择元素，但是我们必须优化嵌入参数。在任何情况下，由于我们必须解决以上优化问题，因此我们将遗传算法（GA）应用于元热神经技术之一。此外，实际系统可能是非组织的，其自身机制动态变化。因此，我们使用简单的算法重申了每种优化的GA，以嵌入并预测节省数值成本的时间序列数据。通过一些模拟，我们确认我们的动态优化可以提高多元非线性系统，甚至金融市场的预测准确性，并可以帮助我们检查复杂系统的结构是否动态变化。

项目成果

バギング型非線形予測による平均分散ポートフォリオモデル

使用 bagging 非线性预测的均值-方差投资组合模型

• 发表时间: 2012
• 作者: 猪瀬悟史;鈴木智也;水野翔太,鈴木智也;鈴木智也,猪瀬悟史,田中清春
• 通讯作者: 鈴木智也,猪瀬悟史,田中清春

バギングによる非線形予測のリスク評価

bagging非线性预测的风险评估

• 发表时间: 2011
• 作者: Yousuke Otsuka;Tomoya Suzuki;仲田和也,鈴木智也
• 通讯作者: 仲田和也,鈴木智也

投資持続時間とリスクを考慮した合理的な手仕舞い戦略:損小利大戦略は最適か?

考虑投资期限和风险的理性退出策略：小亏大利的策略是否最优？

• 发表时间: 2012
• 作者: 猪瀬悟史;鈴木智也;水野翔太,鈴木智也
• 通讯作者: 水野翔太,鈴木智也

非線形予測誤差に基づいた株式ポートフォリオの構築

基于非线性预测误差的股票投资组合构建

• 发表时间: 2011
• 作者: 上岡祐太;鈴木智也;山本誠一;大塚陽介,鈴木智也;猪瀬悟史,鈴木智也
• 通讯作者: 猪瀬悟史,鈴木智也

多目的組合せ最適化問題におけるカオスニューラルネットワークの性能評価

混沌神经网络在多目标组合优化问题中的性能评估

• 发表时间: 2011
• 作者: 上岡祐太;鈴木智也;山本誠一;大塚陽介,鈴木智也;猪瀬悟史,鈴木智也;仲田和也,鈴木智也;上岡祐太,鈴木智也,山本誠一;岡澤政幸,鈴木智也
• 通讯作者: 岡澤政幸,鈴木智也