跳跃风险的外溢效应与投资价值

为检测美国期货市场跳跃风险对中国期货市场的外溢效应及其投资价值,基于同步交易和异步交易的研究视角,应用跳跃风险溢出指标和风险溢价模型对美中两国的铜和大豆期货市场进行了实证研究.研究结果表明:美国期货市场同步交易和异步交易的跳跃风险对中国期货市场均构成显著影响;同步跳跃风险对中国期货市场的冲击相对更大,并呈现出一定程度的杠杆效应;与加入WTO过渡期间相比,WTO过渡期后美国期货市场跳跃风险对中国期货市场的影响明显加强.从跳跃风险溢出的贡献度看,美国期货市场跳跃风险对中国的风险溢出贡献是非常大的,且美国同步交易比异步交易的跳跃风险贡献大.从投资价值看,来自美国期货市场跳跃风险显著降低了中国期货组合的分散化收益,美国期货市场的跳跃风险对中国期货市场的风险溢价具有显著的负向影响,且明显大于非跳跃风险溢价.此外,期货市场的上跳和下跳风险溢价也具有非对称特性.     

期货市场逐步组合套期保值的理论与方法

对期货市场组合套期保值策略和保值风险进行了分析 ,给出组合套期保值率的最小二乘估计和保值风险的估计 .研究期货市场逐步组合套期保值问题 ,对给定要保值的现货资产 ,逐步找出参加组合套期保值的期货资产 .得到期货市场逐步组合套期保值的理论和方法 ,改善了组合套期保值的效果 ,为投资者提供一个实用的组合套期保值方法.     

中国期市波动性与收益率、交易量和空盘量的关系

利用构建的计量经济学模型对我国期货市场波动性与收益率、交易量和空盘量之间的内在关系进行了实证研究.结果表明,正收益率和交易量对期货市场的波动具有正向影响;负收益率和空盘量对期货市场的波动具有负向影响;正收益率和负收益率、交易量和空盘量、可预期和不可预期的交易量或空盘量对期货市场波动的影响均具有不对称特征.同时,从经济学角度对我国期货市场的实证结果进行了系统分析.     

中国期货市场价格发现功能研究

基于最新发展的非线性Granger因果检验方法,侧重于非线性视角全面探究了中国期货市场价格发现功能的现状.研究结果表明,金属期货市场价格发现功能最强,农产品期货市场次之,而金融期货市场价格发现功能则相对较弱.具体表现为沪金期货和沪铜期货市场中期货价格对现货价格的引导关系具有非常显著的非线性Granger因果关系,强麦期货市场和玉米期货市场中期货价格对现货价格的引导关系也相对较强,而沪深300股指期货和国债仿真期货中期货价格对现货价格的非线性Granger因果关系则相对较弱.最后,传统线性Grangerr因果检验方法可能由于忽略变量的非线性特征而使得研究结果出现较大偏差.     

国内外非同步期货交易市场之间的跳跃溢出行为: 基于风险事件的视角

为探索国内外非同步期货交易市场之间的跳跃溢出行为, 利用贝叶斯 MCMC推断的SVCJ模型对国内外期货市场之间的跳跃溢出概率、跳跃溢出强度、跳跃溢出频度及溢出的跳跃大小进行了实证分析.研究结果表明: 国内外期货市场存在显著的跳跃溢出概率与跳跃溢出强度;对跳跃溢出的概率和强度而言,国外期货市场的跳跃更可能在第二天到达国内期货市场,而国内期货市场的跳跃则更可能在同日到达国外期货市场,且国内期货市场的跳跃溢出到达次日国外期货市场的频度相对更高,这些现象可主要归因于国内外期货市场正规交易时间的非同步性; 另外,溢出跳跃大小的测度进一步支持了跳跃溢出行为大都是由不寻常的风险事件引起的观点.     

我国农产品期货与现货市场之间的信息传递效应

通过构建误差修正项模型和基于t分布的双变量EC-EGARCH(1,1)模型,选取玉米和白糖期货作为研究样本对我国农产品期货市场和现货市场之间的的信息传递效应进行了实证研究。结论表明:农产品期、现货市场之间存在长期均衡关系、相互引导关系和相互波动溢出效应,并且期货市场对现货市场的波动溢出效应大于现货市场对期货市场的波动溢出效应;检验了期货市场交易量和持仓量的信息传递效应,发现只有交易量对现货市场有显著的正反馈信息传递效应。     

中国期货市场高频波动率的长记忆性

利用GPH方法对中国期货市场收益率的高频数据进行检验, 实证结果表明: 期货市场高频收益率数据的波动性具有长记忆性特征. 然后应用一类描述金融市场波动性过程的长记忆性特征的分整自回归条件异方差FIGARCH模型和HYGARCH模型, 研究了中国期货市场高频数据波动性过程, 实证结果表明长记忆的GARCH类模型在预测期货市场高频数据波动率比较合适. 且相比较而言, HYGARCH模型比FIGARCH模型更加适用于期货市场.     

我国农产品期货市场与其他金融市场的多尺度联动性

在金融一体化与商品金融化的背景下,农产品期货与金融资产之间的相关性显著上升,研究农产品期货市场与其他金融市场的联动性对我国金融风险规制和宏观调控尤为重要.本文在集成经验模态分解的基础上,结合最大互信息系数和转移熵,提出一种两步多尺度联动性分析框架,并在此框架下从不同时间尺度角度深入研究我国农产品期货市场与股票、债券、汇率、能化期货市场间的联动性.研究发现:农产品期货市场与其他金融市场之间的联动性具有多尺度差异性,其与能化期货市场、股票市场之间的联动性较强,且联动性强度在长期成分中最高,但时间尺度越长,农产品期货市场与其他金融市场间的信息传递强度越弱;农产品期货市场在短期和长期接收来自股票市场的净信息,同时在中长期向债券市场和能化期货市场输出净信息,而农产品期货市场仅在汇改后在短期对外汇市场有显著的信息传递效应.     

能源消息能否影响燃料油期货价格?来自中美市场的证据

为检测能源消息对燃料油期货市场收益及其波动的影响,在分析能源消息对中关燃料油期货市场影响关系的基础上,利用基于混合分布的随机波动模型对中美燃料油期货市场进行了实证分析.研究结果表明,能源消息对中关燃料油期货收益及其波动均具有显著影响,且能源消息对中国的影响力要大于美国;相对而言,国内和国际能源消息对美国燃料油期货市场的影响具有杠杆效应,而对中国燃料油期货市场的影响却具有反杠杆效应;进一步地,虽然中国(美国)燃料油期货市场收益仅存在国际能源消息的提前反映能力,但中国(美国)燃料油期货市场波动均具有国内和国际能源消息的提前反映能力.     

我国PTA产业链主要市场间的动态溢出效应研究

针对精对苯二甲酸(PTA)产业链的联动关系,采用前沿的溢出效应指数法和DCC-GARCH模型,从产业链角度研究我国PTA期货市场与其上游国际原油期货市场和下游纺织市场之间的静态和动态溢出效应.结果表明,上游国际原油期货市场主导收益率溢出效应,下游纺织市场主导波动率溢出效应,而PTA期货市场在产业链中处于信息接收方,且在产能过剩时不受产业链上下游市场的影响.     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

遗传算法和遗传规划对比研究

通过对遗传算法定向搜索机制和遗传规划搜索机制的研究比较,可以看出,依据遗传算法的基本思想设计遗传规划的进化算子时,由于算子空间过大而导致盲目搜索。通过对遗传规划的研究,提出了一套有定向机制的进化算子,进而设计和实现了基于这一套算子的遗传规划算法。     

单亲遗传算法的遗传算子分析

给出了单亲遗传算法的几种主要遗传算子,分析了单亲遗传算法遗传算子的性质,证明了单亲遗传算法的几种基因重组算子具有相同的遗传操作功能,并分析了不同基因重组算子对适值计算式的影响.所得出的仿真实验结论对如何选择合适的遗传算子、提高计算效率具有重要的意义.     

一种用于多目标优化的混合遗传算法

将遗传算法与局部优化方法相结合,提出了一种用于多目标优化的混合Pareto遗传算法(HPGA)。针对遗传算法局部优化性能较差的缺点,引入直接搜索策略以增强算法的局部搜索能力。HPGA首先运行Pareto遗传算法,以得到近似的Pareto最优解;然后启动直接搜索对其进行进一步优化。仿真结果表明HPGA兼具有良好的全局优化性能和较强的局部搜索能力。与Pareto遗传算法相比,HPGA不仅提高了优化搜索的效率,而且能够保证收敛到多目标优化问题的Pareto最优前沿面。     

遗传算法时间复杂性的研究

遗传算法的时间复杂是目前研究的焦点之一。本文以模式生存的概念为基础,将模式风险函数引入遗传算法的分析中,建立了一种随机可靠性模型,分析了遗传算法的时间复杂性。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中,获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象,并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点,并对将遗传算法用于前向神经网络的可能性进行了研究,同时阐明了遗传算法和神经网络结合的必要性,提出了一种融合遗传算法的神经网络控制方法,该方法采用多层前向神经网络作为遗传搜索表示方式的思维,以神经网络为基础,用遗传算法 习神经网络的权系数,即保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力,将遗传算法和神经网络相结合,分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择,设计了用遗传算法学习神经网络权系数的软件实现方法,成功地实现了机械手逆运动学求解问题及倒立摆的控制,仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度,确保了快速达到全局收敛,克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷,表明了该方法的可行性与有效性。