简介：期权波动率预测是期权风险预警管理的关键问题，传统方法采取GARCH等时间序列模型。与传统方法不同，本文创建了基于机器学习算法的“SKRG递进集成”新预警体系，体系以中国波指为对象，采取48个相关指标作为对中国波指预测的特征（Feature），依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程，逐步提高预测精准率。测试样本显示，基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献，应用价值在于为波动率的预测进而期权风险预警提供了新的方法。
简介：东周时期齐鲁交通线路主要有四条，莱芜谷道和过平阴要塞的大道分居东西，其间还有多个山间谷道沟通齐鲁，齐长城上的关VI则是谷道的重要枢纽。西周早晚期的交通线路因考古学文化分布格局迥异而不同，但是莱芜谷道可能不是交通的主线。诸多考古材料说明新石器时代鲁中山间谷道已被作为沟通鲁南鲁北的重要通道。有商一代，鲁南鲁北交通主要以汶水上游和泰山西侧的大道为主，但不可忽视鲁中山地在商晚期交通中的作用。
基于机器学习算法的金融期权波动率预测
先秦时期齐鲁交通的考古学观察
