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.

真实的系统通常是由许多相互作用的元素组成的，并向我们展示了复杂的行为。为了预测这些复杂的系统，我们可以参考它们过去的行为，但所有观察到的元素并不总是组成同一个系统。因此，我们必须从观察到的元素中检测出一些必要的元素，以提高学习数据的预测精度。此外，如果应用Takens嵌入定理仅通过单个元素重构吸引子，则不需要选择元素，但需要优化嵌入参数。在任何情况下，由于我们必须解决上述优化问题，我们采用遗传算法（GA）作为元启发式技术之一。此外，实际系统可能是非平稳的，其自身的机制可能是动态变化的。因此，为了节省数值成本，我们用简单的算法来嵌入和预测时间序列数据，重申了每个优化的遗传算法。通过一些模拟，我们证实了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精度，并且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

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

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

Seiichi Yamamoto, Analysis on the Efficiency of Statistical Measures to Identify Network Structure of Chaos Coupled Systems

Seiichi Yamamoto，识别混沌耦合系统网络结构的统计方法的效率分析

• 发表时间: 2010
• 期刊: International Journal of Modern Physics C
• 影响因子: 1.9
• 作者: Yuta Ueoka;Tomoya Suzuki
• 通讯作者: Tomoya Suzuki

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