在线时间序列搜索的风险补偿模型

对于在线时间序列搜索问题,在假设对未来信息有一定的预期下,提出了在线时间序列搜索的风险补偿模型,进一步研究了模型的求解,给出了模型的一个最优策略,并通过数值计算讨论了最优策略的补偿函数随参数变化规律.数值实验结果表明,随着风险容忍度的增大与预期区间下限的增大,补偿函数均增大且趋于收敛;随着预期概率的增大与预期区间上限的减少,补偿函数分别增大.研究结果丰富了在线时间序列搜索的理论且具有实际应用价值.