2022年美赛C题思路分享+翻译

本文分享了2022年美国大学生数学建模竞赛C题的思路,涉及如何利用历史价格数据预测黄金和比特币的走势,制定交易策略。通过使用XGBoost进行时间序列预测,设计交易模型考虑佣金成本,并探讨了交易成本对策略的影响。最终,提出了结合遗传算法优化的交易决策方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

背景

市场交易者频繁买卖波动性资产,目标是最大化其总回报。每次买卖通常都会有佣金。 两种这样的资产是黄金和比特币。

图 1:黄金每日价格,每金衡盎司美元。 资料来源:伦敦金银市场协会,2021 年 9 月 11 日

图 2:比特币每日价格,每比特币美元。 资料来源:纳斯达克,2021 年 9 月 11 日

要求

一位交易员要求您开发一个模型,该模型仅使用迄今为止的每日价格流来确定交 易员每天是否应该购买、持有或出售其投资组合中的资产

2016 年 9 月 11 日,您将从 1000 美元开始。 您将使用五年交易期,从2016 年 9 月 11 日至 2021 年 9 月 10 日。 在每个交易日,交易者将拥有一个由现金组成的投资组合,黄金和比特币 [C, G, B] 分别以美元、金衡盎司和比特币表示。 最初的状态为 [1000, 0, 0]。 每笔交易(购买或销售)的佣金成本为交易金额。 假设 αgold = 1% 和 αbitcoin = 2%。 持有资产没有成本。

请注意,比特币可以每天交易,但黄金仅在市场开放日交易,定价数据文件反映 LBMA-

2022数学建模C是一个关于城市交通拥堵问的生态经济模型。首先,我们需要明确目要求,了解模型所要解决的问。然后,我们可以按照以下步骤进行建模思路的梳理。 首先,我们需要收集相关的数据。可以从城市统计数据、历史交通数据、经济数据等方面获取相关信息,如交通流量、人口分布、交通工具使用情况、交通拥堵时长等。 其次,我们可以建立一个基于网络模型的城市交通网络。通过将城市划分为不同的区域,以及道路、公共交通线路、自行车道等元素的连接方式来模拟城市的道路网络。同时,可以考虑不同区域之间的交通流量、速度限制等因素。 然后,我们可以运用图论算法对城市交通网络进行分析和优化。通过确定最佳路线、最短路径等方式,来解决城市交通拥堵的问。可以考虑使用Dijkstra算法、Floyd算法等进行路径规划。 同时,我们可以引入经济模型,分析交通拥堵对城市的经济影响。可以考虑使用供需模型、成本效益分析等方法来估计交通拥堵对城市经济的损失。 最后,我们可以通过模型的敏感性分析来评估不同因素对交通拥堵的影响程度。可以通过改变参数、假设等方式来模拟不同情景下的交通状况,并分析其对交通拥堵的影响。 在建立模型的过程中,我们要注意合理假设、准确数据和合适的模型选择。同时,也要对结果进行合理解释和评估,以便提出可行的政策建议。 综上所述,2022数学建模C思路主要包括数据收集、网络模型构建、图论算法分析、经济模型引入以及模型的敏感性分析等环节。通过综合运用这些方法,我们可以对城市交通拥堵问进行深入研究,并得出相应的结论和建议。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值