数学建模的分析方法范文1
【关键词】 数学建模 建模方法 应用
【中图分类号】 G424 【文献标识码】 A 【文章编号】 1006-5962(2012)06(b)-0035-01
数学建模是一种数学的思考方法,是运用数学的语言和方法,通过抽象、简化建立能近似刻画并解决实际问题的一种强有力的数学手段。当需要从定量的角度分析和研究一个实际问题时,人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上,用数学的符号和语言,把它表述为数学式子,也就是数学模型,然后用通过计算得到的模型结果来解释实际问题,并接受实际的检验。这个建立数学模型的全过程就称为数学建模。
1 数学模型的基本概述
数学模型就是对于一个特定的对象为了一个特定目标,根据特有的内在规律,做出必要的简化假设,运用适当的数学工具,得到的一个数学结构。数学结构可以是 数学公式,算法、表格、图示等。数学模型法就是把实际问题加以抽象概括,建立相应的数学模型,利用这些模型来研究实际问题的一般数学方法。教师在应用题教学中要渗透这种方法和思想,要注重并强调如何从实际问题中发现并抽象出数学问题,如何用数学模型(包括数学概念、公式、方程、不等式函数等)来表达实际问题。
2 数学建模的重要意义
电子计算机推动了数学建模的发展;电子计算机推动了数学建模的发展;数学建模在工程技术领域应用广泛。应用数学去解决各类实际问题时,建立数学模型是重要关键。建立教学模型的过程,是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料,观察和研究实际对象的固有特征和内在规律,抓住问题的主要矛盾,建立起反映实际问题的数量关系,然后利用数学的理论和方法去分折和解决问题。数学建模越来越受到数学界和工程界的普遍重视,已成为现代科技工作者重要的必备能力。
3 数学建模的主要方法和步骤:
3.1 数学建模的步骤可以分为几个方面
(1)模型准备。首先要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征。(2)模型假设。根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步。(3)模型构成。根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构。(4)模型求解。可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术。(5)模型分析。对模型解答进行数学上的分析,特别是误差分析,数据稳定性分析。
3.2 数学建模采用的主要方法包括
a.机理分析法。根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模型。(1)比例分析法:建立变量之间函数关系的最基本最常用的方法。(2)代数方法:求解离散问题(离散的数据、符号、图形)的主要方法。(3)逻辑方法:是数学理论研究的重要方法,对社会学和经济学等领域的实际问题解决对策中得到广泛应用。(4)常微分方程:解决两个变量之间的变化规律,关键是建立“瞬时变化率”的表达式。(5)偏微分方程:解决因变量与两个以上自变量之间的变化规律。
b.数据分析法:通过对量测数据的统计分析,找出与数据拟合最好的模型
可以包括四个方法:(1)回归分析法(2)时序分析法(3)回归分析法(4)时序分析法
c.其他方法:例如计算机仿真(模拟)、因子试验法和人工现实法
4 数学建模应用
数学建模应用就是将数学建模的方法从目前纯竞赛和纯科研的领域引向商业化领域,解决社会生产中的实际问题,接受市场的考验。可以涉足企业管理、市场分类、经济计量学、金融证券、数据挖掘与分析预测、物流管理、供应链、信息系统、交通运输、软件制作、数学建模培训等领域,提供数学建模及数学模型解决方案及咨询服务,是对咨询服务业和数学建模融合的一种全新的尝试。例如北京交通大学在校学生组建了国内第一支数学建模应用团队,积极地展开数学建模应用推广和应用。
5 努力倡导数学建模活动的要求
5.1 积极开展数学建模活动,鼓励大家积极参与
为了提高学生的数学建模能力,学校可以开展数学建模活动,可以是竞赛制的和非竞赛制的,应当对成绩比较优秀的学生给予一定的奖励,从而提高学生的积极性。建模活动要有规章制度,要比较正规化,否则可能会达不到预期效果,而且建模过程竞赛要保证公平、公开,保证学生不受干扰影响。
5.2 巩固数学基础,激发学生学习兴趣
首先数学建模需要扎实学生的数学基础,同时学生要具备较好的理论联系实际的能力以及抽象能力,还有就是要激发学生的学习兴趣,兴趣是学习的最好老师,假设教学课堂中过于枯燥无味,学生容易产生厌倦情绪,不利于学习。数学建模过程本质是比较有趣的过程,是对实际生活进行简化的一个过程,生动和有实际价值的。鼓励学生相互交流,促使学生用建模的思维方法去思考和解决生活中的实际问题,表现优秀的同学可以适度给予奖励评价。
总之,数学建模能力的培养应贯穿于学生的整个学习过程,积极地激发学生的潜能。数学应用与数学建模目的是要通过教师培养学生的意识,教会学生方法,让学生自己去探索?研究?创新,从而提高学生解决问题的能力。 随着学生参加数模竞赛的积极性广泛提高,赛题也越来越向实用性发展。可以说正是数学建模竞赛带动了数模一步一步走向生产和实践中的应用。所以,数学建模广泛应用必成为了社会的发展趋势。
参考文献
[1] 郑平正.浅谈数学建模在实际问题中的应用[J].考试(教研版).2007(01).
数学建模的分析方法范文2
一、数值分析在模型建立中的应用
在实际中，许多问题所研究的变量都是离散的形式，所建立的模型也是离散的。例如，对经济进行动态的分析时，一般总是根据一些计划的周期期末的指标值判断某经济计划执行的如何。有些实际问题即可建立连续模型，也可建立离散模型，但在研究中，并不能时时刻刻统计它，而是在某些特定时刻获得统计数据。另一方面，对常见的微分方程、积分方程为了求解，往往需要将连续模型转化成离散模型。将连续模型转化成离散模型，最常用的方法就是建立差分方程。
以非负整数k表示时间，记xk为变量x在时刻k的取值，则称Δxk=xk+1-xk为xk的一阶差分，称Δ2xk=Δ（Δxk）=xk+2-2xk+1+xk为xk的二阶差分。类似课求出xk的n阶差分Δnxk。由k，xk，及xk的差分给出的方程称为差分方程[2]。例如在研究节食与运动模型时，发现人们往往采取节食与运动方式消耗体内存储的脂肪，引起体重下降，达到减肥目的。通常制定减肥计划以周为时间单位比较方便，所以采用差分方程模型进行讨论。记第k周末体重为w（k），第k周吸收热量为c（k），热量转换系数α，代谢消耗系数β，在不考虑运动情况下体重变化的模型为w（k+1）=w（k）+αc（k+1）-βw（k）[2]，k=0，1，2，…，增加运动时只需将β改为β1+β，β1由运动的形式和时间决定。
二、数值分析在模型求解中的应用
插值法和拟合法在模型求解中的应用
1.拟合法求解
在数学建模中，我们常常建立了模型，也测量了（或收集了）一些已知数据，但是模型中的某些参数是未知的，此时需要利用已知数据去确定有关参数，这个过程通常通过数据拟合来完成。最小二乘法是数据拟合的基本方法。其基本思想就是：寻找最适合的模型参数，使得由模型给出的计算数据与已知数据的整体误差最小。
假设已建立了数学模型y=f（x，c），其中，c=（c1，c2，…，cm）T是模型参数。已有一组已知数据（x1，，y1），（x2，y2），…，（xk，，yk），用最小二乘确定参数c，使e（c）=∑ki=1（yi-f（xi，c））2最小。函数f（x，c）称为数据（xi，，yi）（i=1，2，…，k）的最小二乘拟合函数。如果模型函数y=f（x，c）具有足够的可微性，则可用微分方程法解出c。最合适的c应满足必要条件e（c）cj=-2∑ki=1（yi-f（xi，c））f（xi，c）cj=0，j=1，2，…，m。
2.插值法求解
在实际问题中，我们经常会遇到求经验公式的问题，即不知道某函数y=f（x）的具体表达式，只能通过实验测量得到该函数在一些点的函数值，即已知一部分精确的函数值数据（x1，，y1），（x2，y2），…，（xk，，yk）。要求一个函数
yi=φ（xi），i=0，1，…，k，（2）
这就是插值问题。函数yi=φ（xi）称为f（x）的插值函数。xi（i=0，1，…，k）称为插值节点，式（2）称为插值条件[2]。多项式插值是最常用的插值方法，在工程计算中样条插值是非常重要的方法。
3.模型求解中的解线性方程组问题
在线性规划模型的求解过程中，常遇到线性方程组求解问题。线性方程组求解是科学计算中用的最多的，很多计算问题都归结为解线性方程组，利用计算机求解线性方程组的方法是直接法和迭代法。直接法基本思想是将线性方程组转化为便于求解的三角线性方程组，再求三角线性方程组，理论上直接在有限步内求得方程的精确解，但由于数值运算有舍入误差，因此实际计算求出的解仍然是近似解，仍需对解进行误差分析。直接法不适用求解n≥4的线性方程组，因此当n≥4时，可以采用迭代法进行求解。
迭代法先要构造迭代公式，它与方程求根迭代法相似，可将线性方程组改写成便于迭代的形式。迭代计算公式简单，易于编制计算程序，通常都用于解大型稀疏线性方程组。求解线性方程组的一般设计思想如下，假设建立一个线性规划模型
Ax=b
其中A=a11a12…a1na12a22…an2an1a12…ann，x=x1x2xn，b=b1b2bn，即A∈Rn×n，可将A改写为迭代的形式
x=Bx+f
并由此构造迭代法
xk+1=Bxk+f，k=0，1，2，…，
其中B∈Rn×n，称为迭代矩阵。将A按不同方式分解，就得到不同的迭代矩阵B，也就的带不同的迭代法，例如Jacobi迭代法[5]、高斯-赛德尔迭代法[5]、超松弛迭代法等。
由于计算过程中有舍入误差，为防止误差增大，就要求所使用的迭代法具有稳定性，即迭代收敛，收敛速度越快，误差越小。若x=Bx+f中，ρB
4.数值积分在模型求解中的应用
模型求解过程中可能遇到积分求解问题，用求积公式If=∫bafxdx=Fb-Fa，使定积分计算变得简单，但在实际应用中很多被积函数找不到用解析时表示的原函数，例如∫10e-x2dx，或者即使找到表达式也极其复杂。另外，当被积函数是列函数，其原函数没有意义，因此又将计算积分归结为积函数值的加权平均值。
假设a≤x0≤x1≤…≤xn≤b，则积分的计算公式[5]为∫bafxdx≈b-a∑ni=0αifxi，称其为机械求积公式，其中xi（i=0，1，2，…，n）称为求积节点，αi与f无关，称为求积系数或权数，机械求积公式是将计算积分归结为计算节点函数值的加权平均，即取∑ni=0αifxi≈fξ
得到的。由于这类公式计算极其便捷，是计算机计算积分的主要方法，构造机械求积公式就转化为求参数xi及αi的代数问题。
5.数值分析在求解微分方程中的应用
在数学建模中，所建立的模型很多时候是常微分方程或者偏微分方程，这些方程求解析解是很困难的，而且即使能够求得解析解，由于所用数据的误差得到的解也是近似值，所以大部分情况下会采取数值的方法进行求解。
三、误差分析
在数学模型中往往包含了若干参变量，这些量往往是通过观察得到的，因此也带来了误差，这种误差称为观察误差[4]。这些误差是不可避免的，所以我们只能在模型建立和模型求解中避免误差扩大。目前已经提出的误差分析方法有向前误差分析法与向后误差分析，区间分析法，及概率分析，但在实际误差估计中均不可行。不能定量的估计误差，因此在建模过程中更着重误差的定性分析，也就是算法的稳定性分析。
在误差分析中，首先要分清问题是否病态和算法是否稳定，计算时还要尽量避免误差危害。为了防止有效数字的损失，应该注意下面若干原则：一是避免用绝对值小的数作除数；二是避免数值接近相等的两个近似值相减，这样会导致有效数字严重损失；三是注意运算次序，防止“大数”吃“小数”，如多个数相加减，应按照绝对值由小到大的次序运算；四是简化步骤，减少算术运算的次数。
数学建模的分析方法范文3
摘要：本文对数学建模方法分类情况做系统全面介绍，并对每种分类方法从适用情况、自身特点等方面做出客观评价，得到各种分类方法最适合使用的不同情况的结论，本文旨在此方面的研究能对数学建模学习者、教学者和研究者有所帮助。
关键字：大学生 数学建模 方法 分类
当今世界人们研究自然界、人类社会的三大基本方法分别是科学计算、科学理论和科学实验。而现在人类社会面临由工业化社会向信息化社会过渡的时期，面对这个社会的过渡时期，我们需要的是一批能够适应高度信息化社会、拥有探索和研究自然界和人类社会三大方法的高素质人才。信息化社会的两个显著特点，一是计算机技术的迅速发展与广泛应用，二是数学的应用向一切领域渗透。计算机技术的飞速发展使得科学计算的作用越来越突出。全国各个高校大都开设有数学建模相关课程，培养学生的科学计算和创新的能力。
一、数学建模方法分类的意义
数学模型是对现实世界的特定对象，为了特定的目的，根据特有的内在规律，对其进行必要的抽象、归纳、假设和简化，运用适当的数学工具建立的一个数学结构。数学建模就是运用数学的思想方法、数学的语言去近似地刻画一个实际研究对象，构建一座沟通现实世界与数学世界的桥梁，并以计算机为工具应用现代计算技术达到解决各种实际问题的目的。建立一个数学模型的全过程称为数学建模。
数学建模过程就是一个创造性的工作过程。人的创新能力首先是创造性思维和具备创新的思想方法。数学本身是一门理性思维科学，数学教学正是通过各个教学环节对学生进行严格的科学思维方法的训练，从而引发人的灵感思维，达到培养学生的创造性思维的能力。同时数学又是一门实用科学，它具有能直接用于生产和实践，解决工程际中提出的问题，推动生产力的发展和科学技术的进步。
所谓分类，是对要研究的对象按照特点不同，将相似的部分归为一类，这样研究对象就被分为几种类型。在研究的过程中正是由于同一类型有相似点，不同类型又有不同点，方便对比、记忆，从而方便人们按不同类型依次分别进行研究。
本文所说的数学建模方法的分类，是从广义上出发，研究的是按照怎样的方法分类，使人们可以按照分类体系对数学建模进行认识学习，不是狭义的局限于单纯对算法或者模型进行分类，因为学习算法和模型本身就是一种学习数学建模的途径，本文不就某个途径展开分类，而是研究有哪些途径，在此称之为数学建模方法的分类。
学生学习数学建模，首先就要了解数学建模方法如何分类，只有按照一定的分类方法才能系统、完整、不纰漏的进行学习，同时，不同的分类方法适合不同的学习方法，不同的学生也会对各种分类方法有所选择。因此弄明白各种数学建模方法分类的情况，有助于更系统的了解数学建模，有助于学生选择合适的分类进行学习，有助于老师选择合适的分类方法教学，有助于研究者清楚调理地进行研究，有助于数学建模爱好者的交流分析。
二、数学建模方法的分类
现在流通于数学建模这一领域的书籍、文章等主要使用了5种分类方法：按照数学系统进行分类、按照数学模型进行分类、按照实际问题进行分类、按照分析方法和算法进行分类、按照计算软件进行分类等。下面对各种分类方法分别作介绍。
（一）按照数学系统分类
按照数学系统进行分类，也可以称之为按照大学通常开设的课程分类，即将数学建模方法分为高等数学、线性代数、概率论与数理统计三大类。
1．高等数学
与初等数学研究的是常量与匀变量相比，高等数学研究的则是不匀变量。而生活中，可以说没有什么是一成不变的，尤其是数学建模讨论的范围内，问题的一个或多个变量总是不断改变的，因此某些问题就要求我们用高等数学思想去计算。同时，高等数学是解决数学建模问题不可或缺的工具。总体来看，高等数学贯穿于所有数学问题的研究中。
高等数学的内容包括：一、函数与极限，二、导数与微分，三、导数的应用，四、不定积分，五、定积分及其应用，六、空间解析几何，七、多元函数的微分学，八、多元函数积分学，九、常微分方程，十、无穷级数。其中数学建模常用的有函数、积分、微分等。
2．线性代数
线性代数的研究对象是向量，向量空间，线性变换和有限维的线性方程组。建模问题中非线性模型可以被近似为线性模型，用行列式计算方程组问题往往使计算变得更容易，这使得线性代数在数学建模中也很常用。
线性代数的内容包括：1、行列式，2、矩阵，3、向量，4、线性方程组，5、相似矩阵与二次型。其中数学建模常用的有行列式、矩阵、线性方程组等。
3．概率论与数理统计
概率论与数理统计的理论与方法已广泛应用于数学建模中，如时间序列分析应用于石油勘测和经济管理问题，马尔科夫过程与点过程统计分析应用于地震预测问题等。
概率论与数理统计的内容包括：1、随机变量及其分布，2、多维随机变量及其分布，3、随机变量的数字特征，4、大数定律及中心极限定理，5、样本及抽样分布，6、参数估计，7、假设检验，8、方差分析及回归分析，9、bootstrap方法，10、随机过程及其统计描述，11、马尔科夫链，12、平稳随机过程。其中参数估计、方差分析、马尔科夫链等在建模中都很常用。
结论
经过以上对五种数学建模方法的分类情况的讨论，初步得到结论，在入门学习时按照数学系统分类的方法最适宜。在系统地、深入地研究数学建模时按照数学模型分类的方法最适合。按照实际问题分类和按照分析方法和算法分类由于比较典型但不够完整，因此作为前两种分类的补充最合适。按照计算软件分类的方法比较适合于上机完成数学建模的教学。我们在学习、研究、交流数学建模的时候，大学生在学习建模的时候，教师在传授数学建模的时候，爱好者在研究建模的时候，在不同的条件下按照相适应的方法分类，往往能起到事半功倍的作用。
参考文献：
[1] 叶其孝主编，大学生数学建模竞赛辅导教材（一）[M]，长沙：湖南教育出版社，1993。
[2] 叶其孝主编，大学生数学建模竞赛辅导教材（二）[M]，长沙：湖南教育出版社，1997。
[3] 叶其孝主编，大学生数学建模竞赛辅导教材（三）[M]，长沙：湖南教育出版社，1998。
数学建模的分析方法范文4
数学建模可以为数学理论和金融问题搭建一座桥梁。数学模型在金融领域已经有广泛的应用，如证券投资组合模型、期权定价模型等。数学建模教育在金融人才培养中的作用是其他学科无法替代的，可以归结以下几方面：
1.提高学生的应用
数学素质以及学习兴趣数学建模教学是案例教学，以实际问题为背景，利用数学思想方法解决实际问题，可以很好地将数学理论与金融实际问题紧密结合。如在量化投资中，可以基于智能算法建立套利模型；利用最优化方法研究资产组合模型等。数学建模教学可以避免抽象理论知识的讲授，让学生认识到数学在金融中的重要应用价值。同时，激发了学生学习数学的兴趣，发现了数学的无穷魅力，提高对数学的认可度，体会到数学是一种重要工具。数学建模课程中讲授了大量的数学建模思想方法，如时间序列分析、最优化方法、微分方程、智能算法等。常言道：授人以鱼，不如授人以渔。通过数学建模的学习与训练，可以拓宽学生的知识面，提高学生应用数学解决实际问题的能力。
2.培养学生的科研创新能力
数学建模是一个不断探索的创造性过程。从不同的角度理解，同一个问题会得到不同的数学模型以及求解方法，没有统一的标准答案，这为学生留出自由发挥的广阔空间。在建立数学模型之前，必须查阅大量的资料，获得自己所需要的信息。数学建模最终解释实际问题必须以论文的形式呈现。经过数学建模训练之后，学生的创新能力有了显著的提升。例如我校获得国家二等奖的小组，被选中参与量化投资大赛，最后也获得了全国二等奖。因此，数学建模教育有助于提高学生的文献查找能力以及论文撰写水平、培养学生探索、研究能力、创造性地运用综合知识解决实际问题的能力。
3.增强学生的综合
素质数学建模教育除了培养学生应用数学的能力之外，还有一个目的就是为参加数学建模竞赛做准备。数学建模竞赛是以小组为单位开展工作，3个人分工明确，但又不可独立开来。面对复杂的赛题，3个人只有共同思考、互相启发、各司其职、求同存异、攻坚克难才能在规定的时间内完成。这种竞赛模式培养了学生团队合作精神以及攻坚克难的毅力，为今后能更好地适应工作中的挑战奠定基础。除以上之外，在数学建模过程中还培养了学生想象能力、抽象思维能力、发散思维能力、开拓创新能力、学以致用能力、综合判断能力、计算机编程能力等。而这些能力恰恰是21世纪金融人才应该具备的素质。可以说一次参与，终身受益。数学建模为培养应用型创新型复合型金融人才提供了有效手段。
二、地方金融类院校开展数学建模教育措施
1.重视数学基础知识
在金融中的应用高等数学中，我们可以用泰勒级数去近似一个抽象函数。教师在讲授这节内容时，可以将其用于研究债券价格的变化以及波动性。在概率论中，概率分布研究不确定事件发生的可能性。二项分布在金融中最常见的应用是关于债券价格的变化。概率分布可以用于预测资产价格或资产收益率的未来分布。如果在高等数学、线性代数、概率论与数理统计等公共基础课上适当引入以金融知识为背景的例子，学生将更加深入体会到所学的抽象内容在现代金融的有用武之地，有助于提升学生学习数学的兴趣。然而，要在数学基础课堂上将数学知识与金融专业知识相结合又是不容易的。数学基础课程大多数为公共基础部承担，大部分教师没有金融背景。因此，在招聘数学教师时应该适当考虑有金融背景的数学教师。
2.将数学建模思想方法与现代金融相结合
现代数学包含各门学科知识和数学方法。数学建模课堂上，教师讲授大量的数学建模思想方法，如优化理论、多元统计分析、预测方法、回归分析、现代优化算法、综合评价法等。而数学建模教学采用的是案例教学法，如果能将其与现代金融相结合，有助于提升利用数学知识的能力，同时可以加深理解专业知识。以量化投资中多因子选股模型为例，在选股的时候，人们经常使用的方法是基于基本面或技术面。新兴的量化投资也慢慢发展起来，相比传统方法，量化投资更加客观、理性。多因子选股模型是采用一系列因子作为选股标准，建立过程主要为候选因子的选取、有效性检验、冗余因子剔除、综合评分模型的建立和模型的评价与改进。这一建模过程为数学建模思想方法与现代金融相结合提供了很好的范例。
3.开设金融建模与编程或数学实验选修课
大数据时代对金融人才提出了更高的要求。互联网金融、大数据金融要求金融人才必须具备一定处理数据、分析数据、计算数据的能力。目前，一些金融行业要求求职者必须具备一定编程能力，特别是熟练使用Matlab以及C语言。通过开设金融建模与编程或数学实验选修课可以培养学生的编程能力以及计算能力，为今后就职奠定基础，增加就业筹码。对于一个金融问题，通过问题假设、分析、建立模型，之后，还得借助计算机求解。比如金融分析中的优化问题、回归分析方法等。事实上，这些方法都有现成的函数可以调用。各种数学软件都有各自的优势所在，而对于金融模型，笔者更青睐于使用Matlab软件。Mtalab的编程语言和规则简单，较容易入门。在金融领域有以下几种工具箱：金融数据工具箱、计量经济学工具箱、金融衍生品工具箱、优化工具箱、统计工具箱。使用这些工具箱可以进行投资组合优化和分析、预测和模拟等。比如我们可以基于Matlab平台，采用蒙卡洛模拟方法模拟新股申购中签过程。
4.以竞赛或立项为载体，提升建模能力
目前，数学建模活动在我校开展两年以来，先后组织学生参与全国数学建模竞赛、“华东杯”数学建模竞赛等，取得了一项国家二等奖以及多项省赛区一等奖。我校数学建模课程为全校公共选修课，学生参与数学建模活动热情还有待进一步提升。事实上，金融院校的学生学习了统计学、多元统计分析、运筹学、计量经济学、时间序列分析等。学完这些知识再经过适当培训完全可以胜任数学建模比赛。为了更好地发挥数学建模对金融人才的积极作用，我们必须通过各种形式宣传、引导学生了解数学建模比赛，同时学校应该给予更多的政策支持，组织、鼓励学生参与数学建模竞赛、统计建模竞赛、创新创业训练项目。以竞赛或立项为载体，项目为驱动，利用数学知识解决实际问题，特别是将数学知识与金融专业知识相融合，为应用型创新型金融人才的培养提供新途径。
三、结语
数学建模的分析方法范文5
关键词：数学建模；思想；金融领域；应用
一、数学建模思想内涵
数学模型是一种基于数理逻辑和数学语言而构建的工程或科学模型。数学建模便是在这样的数学模型基础上，依据特定事物的固有特征或者该事物数量的依存关系，运用数理逻辑或数学语言而概括出的一种数学结构。简而言之，就是在实际问题的处理中，通过建立数学模型，将待解决的抽象问题进行简化，并应用某些“规则”、“方式”建立其变量、参数间的确定数学模型。最终通过求解该数学模型，在验证与不断解释结果的过程中，反复推断和推敲，从而确定所得结果是否可用于解决所需要解决的问题，并不断进行深化。通过数学模型解决的问题，其所需要表达的内容是定量也可以是定性的，但待解决的问题必须是以定量的方式进行提现。所以，数学建模思想下，解决问题的方式大多偏向于定量的形式。
一般而言，一门学科运用数学能力分析解决问题的深浅程度，决定了该门学科领域的发展水平。伴随现代计算机技术的不断更迭发展，数学式解决问题的思维方法已全面渗透到社会生活的各个领域。而当这些问题需要定量或定性分析时，则无可避免需要运用数学的建模思维方式，向待研究对象进行预测、分析与决策。数学建模作为运用数学思想解决实际问题的桥梁，通过这样的方式方法才能真正将之应用到实际的生产生活中。现如今，在经济金融领域的分析中，数学建模思想也成为解决问题不可获取的重要工具。在如今经济全球化发展的时代，金融领域分析中数学建模思想的应用也愈加重要。
二、金融领域分析融入数学建模思想的必要性
（一）培养符合社会发展的金融型人才的需求
对于刚接触金融领域经济知识的高中生而言，数学建模思维的养成，更应当注重实际问题的解决与应用能力。因此，数学建模思维可以广泛应用在各个社会科学领域中，而其中金融领域分析思维的不断发展，更是离不开数学建模思维的引入。从最初的发现问题到分析、推敲、解决、展望等各个环节的应用中，历经的环节无不要求中学生需要有强有力的分析整合能力，以及求解应用的能力。而这样的过程都可以提高中学生对于金融领域的分析感悟能力，并进一步提升解决金融问题的能力。
（二）中学数学建模思维建立的重要性
实际的中学教育中，数学思维的培育除理论的应用外，这种思维对于解决社会经济金融等问题有着至关重要的作用。而现阶段，很多学生认为高中阶段数学教育内容偏难，这也只是很多学生渐渐失去对数学课程的兴趣，课堂氛围非常糟糕。这样的情况直接致使部分高中生，由于数学建模思维能力的缺失，导致在进入大学学习金融方向专业知识的时候，显得尤为吃力。为此，现今中学教学的授课中，可以将枯燥的数学学习结合到学生感兴趣的金融领域，更利于提高学生对数学的学习兴趣，最终达到帮助高中生建立數学建模思维根基的目的。
（三）提升中学生综合素质的必然要求
高中生的数学教育中，对于金融领域思维的培养融入数学建模思维，除丰富高中学生课外活动外，还进一步有利于培养高中学生的综合素质。通过数学建模，高中生的分析判断、逻辑思维、分析整合能力可得到更深入的提升，同时通过现代信息技术，将这样的能力融入到金融分析领域，更加有利于高中生自身立体思维及金融经济思维能力的培育。最终通过提升创造力、洞察力、表达力等各类能力，不断提升高中学生的综合素质。
三、金融分析领域数学建模思想的培养及提升途径
（一）明确数学思想和方法重要意义，培养数学学习热情
数学建模思想是运用数学规律，来分析与解决各类实际问题的一种思维。为此，在实际的学习中，高中生在明确并掌握教师课堂教授知识的前提下，要不断对这些知识进行实际的挖掘与灵活应用，并可以解决一些实际生活中遇到的金融经济问题，进而在问题的不断解决中，明确数学建模思维的重要性，进而不断经历其自身对于数学课程学习的兴趣与热情。与此同时，高中生也可在实际问题的解决中，引经据典，透过经典案例的实地解决方式来不断分析经济金融问题，进而总结出独属于自己的金融数学思维方式。
（二）深入挖掘数学教学内容，充分融入金融分析领域
数学学科的发展具体意义上而言，更是数学建模的发展。数学学科中涉及的很多概念、公式、定义都可称之为数学模型，可以说数学学科史的发展就是一个数学不断建模的过程，并且这样的过程都是来源于实际生活中的种种问题。因此，高中生在平时的数学知识学习中，更要重视每一个概念的形成过程，不断建立属于自己的数学建模思维，并充分重视分析数学与现实生活联系，在实际的金融经济领域分析中，将复杂的经济发展问题，简化为数学问题，且能用恰当数学语言，结合已知的信息计算方法表达出来，用通俗易懂的方式最终呈现出来，达到让大多数人明白的目的。
（三）明确案例学习重要性，加强自身分析整合能力
一般而言，经济金融领域的不断发展，必然会产生一些较为经典的金融分析案例。就此，高中生在课堂教师讲解的情况下，私下也可查找并进一步分析这些案例背后深藏的数学分析能力，并通过自己的整合，构建出属于自己的构建数学建模思维。一般而言，教师倾向于选择一些和实际生活结合较为紧密的案例，进行讲解和训练，极为重视学生实际问题解决能力的培养。在此基础上，高中生就应在吸收课堂知识的前提下，通过培育自身学习能力，不断加强自身综合素质与金融领域的分析整合能力。
参考文献：
[1]李培德.试析数学建模思想在高等数学教学中的应用[J].职业，2012（23）：116-117.
[2]王芬，夏建业，赵梅春，等.金融类高校高等数学课程融入数学建模思想初探[J].教育教学论坛，2016（1）：156-157.
[3]李华，赵建彬.我国金融数学教学工作改进分析[J].河南科技，2012（5）：46-46.
数学建模的分析方法范文6
论文摘要：计量经济学是一门涉及面广、计算复杂的较难学的课程。从学这门课应具备的知识条件入手。分析了学好的关键问题是:要把握线性回归模型的几个基本假定，要学会建模，要懂得几种参数估计的方法，还要明白模型检验的意义。
计量经济学是经济学领域内的一门应用性学科。它是以统计知识、数学方法为基础，以一定的经济理论为指导，以计算机为手段，通过建立计量经济模型，考察和研究经济社会中各种经济变量之间的数量关系，预测经济发展的趋势，检验经济政策效果的一门非常具有实用价值的学科。现在很多专业都开设这门课。但由于这门课涉及的知识面广、计算公式多而复杂，要求的应用手段高，所以，学生在学的过程中感到比较困难，且学的效果也不太理想。本人根据自己的教学体会，谈谈学好这门课应注意的几个关键问题。
首先.学生学这门课程必须具备以下条件:统计学、数学和经济学知识以及计算机技术。且缺一不可。
(一)对统计学而言，为了测定经济变量之间的数量关系，计量经济研究过程中采用了统计学的分析方法，如:计量经济学模型的统计检验、参数估计的方法以及建立模型所需要的统计数据资料的搜集等都离不开统计方法。特别是统计数据的搜集、整理和分析。因此，统计学就成为计量经济学研究的基础。统计资料的准确性、时效性和系统性就成为计量经济学模型建立的好坏、参数估计代表性大小的影响因素。
(二)对经济学而言，经济学是计量经济学的理论基础，因为计量经济学研究的主题是经济现象发展变化的规律，计量经济模型描述的是经济变量之间的数量关系，这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论基础。如消费函数和投资函数的建立，就是以不同的消费理论和投资理论为前提的。此外，计量经济研究的结论反过来可以验证有关经济理论的正确与否。
(三)对数学而言，为了将经济理论和客观事实有机的结合起来，需要采用适当的方法。由于计量经济学研究的主要是多个因素之间静态或动态的随机关系，所以需要引人数理统计以及微积分与矩阵等理论方法，这些方法成为计量经济研究的建模工具。如利用最小二乘法估计模型中的参数就利用到微积分中的极值原理，在多元线性回归模型中要用矩阵理论推导参数的性质，在搜集资料时要用抽样理论等。现在经济学研究的数学化和定量化是经济学科学化的标志。这种科学化推动了经济学领域的发展，如微分学与边际理论，优化方法与最优配置理论，所以，数学是计量经济分析的一个基本工具，用数学方法去思考和描述经济问题和政策，这是计量经济学的关键。
(四)对计算机技术而言，社会发展到今天，计算机已普遍运用到定量分析中，定量分析是依据数理统计理论的发展而发展起来的。它包括系统论、信息论和控制论，其多数方法复杂，计算工作量大，这就需要利用计算机软件来解决问题。
所以，要想学好计量经济学，学生就必须要有厚实的统计学基础，扎实的数学功底和熟练的计算机应用技术。否则，分析问题时将会很困难，甚至分析不下去，即使分析出来，结论和实际也会有很大偏差或者根本和实际经济运行规律相违。
其次，学生学这门课必须注意把握线性回归模型的几个基本假定。
(一)几个基本假定是运用最小二乘法的前提条件。对于线性回归模型，模型估计的任务是用回归分析的方法估计模型的参数，常用的方法是普通最小二乘法，简称ors法，为保证参数估计量具有良好的性质，就需对模型提出几个假定。如果实际模型满足这些假定，ors法就是一种适用的方法，如果实际模型不满足这些假定，ors法就不再适用，这就需要发展其它方法来估计模型。因此它是运用ors法的前提。
几个基本假定是:1、假定解释变量xi是确定性变量，不是随机变量，且之间互不相关。( 是第i个解释变量);2、零均值假定，即,其中为随机误差项;3、同方差假定，即，其中为方差；4、无自相关假定，即COV；5、解释变量与随机误差项之间互不相关假定，即;6、随机误差相服从均值为0，方差为的正态分布假定，即 。
(二)几个基本假定是贯穿计量经济学的一条主线。计量经济学研究的一个主要任务是对模型进行计量经济检验，目的是检验计量经济学的性质。一般是检验模型中随机误差项是否存在异方差和序列相关的问题、解释变量是否存在多重共线性问题以及解释变量是否是随机变量，这些问题都是根据这几个基本假定而来的，即如果违背了同方差假定，模型就存在异方差，即;如果违背解释变量之间互不相关假定，模型就存在多重共线性问题，即0;如果违背随机误差项在不同样本点之间互不相关假定，模型就存在自相关问题，即0;如果违背解释变量是确定性变量的假定，那么模型就存在解释变量是随机变量的问题。每一个问题都有它产生的原因，会造成不同的后果，因此，就有不同的模型检验、处理和估计的方法，所以学生要特别注意把握这几个基本假定。
第三.学生学这门课要了解为什么要建模.以及如何建模?
模型就是表达研究系统内经济变量之间关系的一个或一组数学方程式。它是根据经济行为理论和样本数据显示出的变量间的关系建立的。如生产函数模型，在实际生活中，经济系统各部门之间、经济过程各环节之间、经济活动中各因素之间除了存在经济行为理论上的相互联系之外，还存在数量上的相互依存关系，这些关系可通过模型来表达。通过模型可进行结构分析、经济预测、政策评价和检验与发展经济理论。模型研究的是当一个或几个变量发生变化时，会对其它变量以至整个经济系统发生影响。如果人们不通过建模，而过分依赖直觉，即凭经验和学识去判断变量之间的关系，则会很危险，因为可能会忽略或者错误地使用某些重要的关系。另外，凭直觉判断变量之间的关系充其量只能算作定性分析，它只能分析出变量发展的趋势，而不能分析出当一个或几个变量每变动一个单位时会引起另一个变量变动几个单位，也就是说，它不能进行定量分析，不能证实变量变化的度以及进行统计检验和计量经济学检验。再有，经济预测时，要提供预测的精度，凭直觉的方法通常会阻碍预测结果置信度的数学度量。所以，只有通过建模，才能比较准确地反映经济现象中各经济变量之间的关系。
那么如何才能科学合理的建模?建模是一门很难掌握的艺术，因为它主要依赖建模过程中的直觉判断，而这些判断又没有清楚的准测。一般建模的方式有四种:一是根据经济行为理论，运用数理经济学的研究方法，判断变量间的关系，推导出模型的具体数学形式;二是根据实际统计资料绘制被解释变量与解释变量之间的相关图，由相关图现实的变量之间的关系确定模型的数学形式。如果相关图中的点大致呈一条直线，那么就建立直线回归模型，如果大致呈一条指数曲线，就建立指数曲线回归模型;三是如果数列是时间数列，可根据时间数列的特点确定模型。例如，若时间数列中各项数据的K次差大致为一常数，一般说可考虑配合K次曲线模型，若时间数列中各项数据的对数一次差大体为一常数，可考虑配合指数曲线模型;四是在某些情况下，如果无法事先确定模型的数学形式，那么就可采用各种可能的形式进行段模拟，然后选择其中较好的一种。这几种方式都是对理论模型的初步设定，在模型的估计和检验过程中还需逐步调整，以得到一个函数形式较为合理的模型。一个合理的模型应包括三点:(1)要符合经济现象的行为理论;(2)模型的建立方法和参数的估计方法要科学;(3)数据要真实可靠。
第四.学生学这门课必须掌握几个主要知识点。
这门课主要学单方程计量经济学模型、扩展的单方程计量经济学模型、联立的计量经济学模型以及模型的应用，其中又以单方程计量经济学模型为基础。不管什么样的模型，都要涉及到模型的建立、参数的估计以及模型的检验，这些其实就是这门课的主要知识点。模型的建立前己述过，这里主要谈谈参数估计的方法和模型的检验方法。
(一)参数估计的方法。模型建立以后，要想在实际中对经济现象进行估计和预测就必须估计模型的参数。参数是模型中表示变量之间数量关系的系数，说明解释变量对被解释变量的影响程度，它是未知的，需要估计。因此参数估计方法是计量经济学的核心内容，可根据不同的原理构造不同类型的估计方法。主要方法有:
1、普通最小二乘法(OIS法)，是应用最多的一种方法。因为用这种方法估计的参数具有线性性、无偏性和最小方差性，即参数具有优良的性质。这种方法是从最小二乘原理出发的其它估计方法的基础，如加权最小二乘法、折扣最小二乘法、间接最小二乘法、二阶段最小二乘法。它的理论前提是各实际观察值与理论估计值离差平方和最小。
2、最大或然法(ML法)，也称最大似然法。这种方法是从最大或然原理出发发展起来的一种估计参数的方法。虽然其应用没有最小二乘法普遍.但在计量经济学中占据很重要的地位。其原理是当从模型总体中随机抽取n组样本观测值之后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的联合概率最大。这个联合概率又称为变量的或然函数，通过对或然函数极大化以求得总体参数的估计量。
3、高斯—牛顿迭代法。对于有些不能转化为线性方程的非线性方程模型，估计参数时用高斯—牛顿迭代法就是一种适用的方法。它的基本思想是用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代去多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳系数，最后使原模型的残差平方和达到最小。它的程序是:(1)选择初始值;(2)把泰勒级数展开;(3)估计修正因子;(4)检验精确度;(5)重复迭代。
(二)模型检验的类型。参数估计出之后，模型便已确定。但模型是否符合实际，能否解释实际经济运行过程，是否最大限度地拟合了样本数据，还需要进行检验，检验类型包括:
1、经济意义检验，主要检验各个参数值的符号以及数值的大小、数值之间的关系在经济意义上是否合理。例如，需求函数中，需求量一般与收人正相关，与价格负相关。所以，收人与价格的参数估计值分别应取正值和负值，如果结果相反，就应调整模型。又如，食品支出的恩格尔函数: 其中: 表示人均月食品支出水平，表示人均月收人水平，那么的取值区间应在。到1之间，因为食品的增长幅度一般低于收人的增长幅度，如超出这个范围，则不能通过经济意义的检验。
2、统计检验，是利用数理统计中的推断方法，对估计结果的可靠性进行检验。一般包括拟合优度检验法、模型的显著性检验法(F检验法)和解释变量检验法(T检验法)等。统计检验是对所有现象进行回归分析时都必须通过的检验。
