家庭成员活动-出行选择行为的相互影响

基于活动的方法对研究家庭成员活动-出行选择之间的相互影响关系提供了新的思路。针对已有研究多围绕发达国家展开的现状,以国内某直辖市2005年居民出行调查数据为来源,从基于活动方法的协作性限制出发,研究了主要家庭成员活动-出行选择之间的相互影响模式,利用结构方程模型,分析了活动和出行需求在家庭成员之间的分配情况,讨论了存在于同一成员和不同成员各次活动和出行中的替代、补充、陪同等影响关系对个体活动-出行选择行为的影响。研究得到了在行为学上具有较强解释力并达到各项统计学评价指标的模型,对出行行为分析有重要意义。     

基于随机边界函数的出行时间分析

出行时间是居民出行特征的重要分析指标.研究从出行时间预算入手,将随机生产边界函数用于对出行预算和出行时间边界的描述,建立了出行时间边界和出行者社会经济属性、家庭结构、出行者日活动安排及居住地用地特征之间的数量关系模型,给出了出行时间预算和出行时间边界的相互关系.以居民出行调查数据为来源,对通勤者和非通勤者分别建立随机出行时间边界模型,分析了工作活动影响下通勤者出行时间与非通勤者出行时间对各类影响因素的不同响应程度,比较了通勤者与非通勤者出行时间预算和出行时间边界的不同分布规律.研究表明,随机生产边界模型的组合误差结构为研究个体出行时间差异提供了很好的分析手段.     

通勤者时间分配模型与交通需求管理策略

时间安排模式及其对活动-出行行为的影响为交通需求管理策略和交通管理措施的分析评价提供了依据。通过分析上海市居民出行调查数据，建立了对通勤者在家活动、出行和外出非工作活动上的时间分配的fractional logit 模型， 应用所建立的模型，初步分析了压缩工作周策略对通勤者在上述6 类活动上投入时间的影响。 研究表明：建立时间安排fractiona logit 模型，可有效预测通勤者针对交通需求策略对时间安排模式的调整，为交通管理部门制定和评价交通管理策略提供依据。     

基于贝叶斯网络的出行者目的地选择行为建模与应用

以居民出行目的地选择为研究对象,确定影响居民出行目的地选择影响因素集合,分析居民出行目的地选择规律及影响因素特征。运用贝叶斯理论,设计居民出行目的地选择流程。对居民出行决策数据进行数据整理分析和离散化处理,采用K2算法对居民出行目的地选择决策数据进行贝叶斯网络结构学习和参数估计。构造居民出行目的地选择的贝叶斯网络模型,分析了模型父节点与子节点之间的概率依赖关系。对构建的贝叶斯网络模型进行了有效性验证,检验数据分析表明,贝叶斯网络对居民实际出行目的地选择的预测分析具有较高的精度。     

基于离散-连续选择模型的通勤出行时间预测

把握出行者的日时间分配是交通行为分析的重要内容之一. 本文基于离散-连续建模思想, 结合运用Ordered Probit离散选择模型和Hazard连续选择模型, 建立了由上班(上学), 下班(放学)出发时刻模型和上班(上学), 下班(放学)出行耗时模型组成的通勤时间预测模型系统, 预测了通勤者的日时间安排. 研究表明, 所建模型能够以较高的预测精度, 预测通勤者的活动-出行时间安排. 研究将为活动-出行行为的整体建模预测和分析奠定时间轴预测基础, 为城市居民的交通行为分析提供模型工具, 为制定交通管理政策, 解决城市交通拥挤问题提供决策分析依据.     

资产组合的集成风险度量及其应用——基于最优拟合Copula函数的VaR方法

通过对不同族类、不同种类Copula函数之间的比较分析,提出了最优拟合Copula函数的一种选择方法.基于沪深两市经验数据的实证检验与分析表明,Frank-Copula和Clayton-Copula分别适用于计算低置信度和高置信度下资产组合集成风险的VaR.在各自置信度下,根据这两种Copula函数的计算方法优于其它Copula函数方法,更优于使用多维正态分布或者多维t分布的传统方法.     

金融市场相关程度与相关模式的研究

分析了几种常用的Copula函数及它们在相关性分析上的应用特点，构建了M—Copula—GARCH模型．运用Copula技术，对上海和深圳股市进行实证研究发现，单个Copula函数只能反映相关性变化的某个方面，而M—Copula函数则更灵活，对金融市场相关性的描述也更全面．运用M—Copula—GARCH模型，可将金融市场之间相关程度和相关模式的研究更好地结合在一起，能够更准确、全面地捕捉到各个时期股市间相关性的变化．正确地反映两个市场之间非对称的相关模式．     

基于活动的瓶颈模型:公交枢纽晚高峰居民通勤研究

如何快速消除公交枢纽瓶颈的制约,是居民通勤的老大难问题.本文结合瓶颈模型与基于活动的方法来研究公交枢纽晚高峰居民通勤行为,以解决通勤者在其活动和出行之间的时间分配问题.以瓶颈模型为基础,考虑公交内部拥挤,将出行行为与活动相关联.通过引入公交内部拥挤成本,根据不同的效用函数选择出发时间,建立了动态出行均衡模型.并由此得出均衡条件下的相关性质,来解释晚高峰通勤者在瓶颈入口前排队的交通现象.研究发现,与传统瓶颈模型相比,基于活动瓶颈模型乘客动态更加丰富,出发时间选择更为复杂.算例结果表明,通勤者对公交车内部拥挤的敏感度越高,越会尽量地避开高峰出行.为了使净效用更大,通勤者会选择在工作地滞留较长时间,晚高峰时段推迟.     

基于SJC Copula模型的银行业与房地产业动态相依性及其结构突变

引入SJC Copula模型来刻画中国房地产业与银行业在2000~2013年的的动态相依性,并进一步分析这种动态相依性的结构突变特征。研究结果表明:SJC Copula函数相比常见的其他Copula函数能更好地刻画房地产和银行业之间的动态相依结构;房地产业与银行业之间存在具有显著持续性的上(下)尾相依性,而且随着收益率的变化而呈现出非对称和非线性变化特征,主要表现为随着收益率的上升,条件上尾(下尾)相关系数将减小,但上尾相依性系数的下降幅度比下尾相依性系数要大,这说明房地产业和银行业之间的相依性的变化显著依赖于过去的收益的变化并且存在反向关系。房地产业与银行业之间的上(下)尾时变相关系数均具有"自相关、有偏、ARCH效应"的非正态分布特征,而且存在多个结构突变点;这些突变点发生日期附近往往伴绥着我国重大房地产金融调控政策的出台,具有明显的政策效应,但不具有持久性。     

基于Copula函数模型的股市交易量与股价相依关系

股市交易量与股价变化的相依关系一直是学术界和投资分析人士所研究的热点问题。研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构。应用ARMA(2,1)模型对交易量变量的序列相关性进行修正,基于Copula函数模型研究三个股票市场的交易量与股市指数收益率的相依程度和相依结构。通过χ2检验研究发现:混合Copula函数模型能够刻画交易量与股价之间的相依结构,通过了假设检验;交易量与股价之间存在上尾高下尾低的非对称相依关系且混合有负相依现象,但它们之间的负相依程度较弱。     

基于Copula函数的水资源供需风险损失模型及其应用

针对传统水资源供需风险损失评价方法无法对供水量和需水量之间复杂的非线性关系进行定量研究,本文首次建立了基于Copula函数的水资源供需风险损失模型.首先基于差分法和原函数存在定理模拟了供水量和需水量的边缘概率分布函数;其次提出了基于非线性优化思想对Copula函数进行参数估计;第三步分别对各种Copula函数进行拟合优度检验和非参数X~2检验,选择最优的Clayton Copula函数模拟供水量和需水量的联合概率分布;最后建立水资源供需风险损失的二重积分表达式.研究结果表明,当不考虑利用外调水和再生水时,2020年北京市水资源供需风险期望损失约为1159.7亿元;利用南水北调水和再生水后,北京市水资源供需风险期望损失约为37.7亿元,下降幅度达96.7%.     

相依风险的车险准备金评估

在多个业务线的准备金估计中,通常假设不同业务线之间相互独立,事实上它们之间往往存在一定的相依关系.它们的相依性可以通过藤Copula函数来描述.藤Copula是解决多个相依随机变量的强有力工具.本文在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款相互依赖的藤Copula回归模型,并将此模型应用于一组实际的车险数据,结果表明,考虑相依关系的藤Copula回归模型对准备金的评估结果要优于独立假设下的回归模型对准备金的评估结果.     

多维随机向量传递机制下的RV-GERT网络模型及其解析算法

通过构建多维随机向量传递关系下的RV-GERT网络基本模型,利用n维空间内的多元Copula函数将网络传递活动上随机变量的联合分布函数和各自的边缘分布函数连接起来,进而推导节点活动间等价传递参量的度量形式。定义了随机向量矩母函数的概念,借助于信号流图理论分析网络等价拓扑关系,应用梅森公式和矩母函数的性质设计RV-GERT网络的解析算法。通过对RV-GERT网络中传递变量、矩母函数和W函数三者的等价转化,可以求解网络中任意活动的实现概率、期望、方差和风险度等基本参数,从而一定程度上可拓展GERT理论的应用范围。案例对某商用飞机有限公司研制的一款新型数据记录装置的研发周期、产品重量和电池供电时间等技术指标进行分析,利用RV-GERT网络解析算法进行参数反演,并与传统多个参量单独传递的解析算法进行对比,证明所建模型的科学性和实用性。     

通勤出行方式和出行时间选择的离散-连续模型

出行方式和出行时间是决定出行需求时空分布的两个重要因素。为探讨出行方式对出行时间选择的影响,构建了出行方式和出行时间选择的离散-连续模型系统。其中,出行方式选择子模型应用了多项Logit模型,出行时间选择子模型则引入了持续时间模型。利用二元正态分布理论,通过关联两个子模型的误差项,建立了联合选择模型。以2013年某市居民出行调查中的通勤出行数据为基础,应用极大似然估计法标定了联合模型。研究结果表明,出行方式对出行时间有显著的影响,通勤者年龄、性别和收入等是影响出行方式和出行时间选择的重要因素。研究为预测出行选择行为和评价交通需求管理政策提供了新的思路。     

基于非线性时间价值的多用户出行均衡与系统最优

针对存在异质用户的固定需求交通路网,当用户的时间价值呈离散分布,且出行费用与出行时间表现为非线性函数关系时,分别建立了基于时间和费用两种计量准则下的系统最优和多用户均衡路径选择模型.证明了在非线性时间价值函数条件下,存在非负匿名路段收费方案,使得基于费用计量的多用户均衡解与系统最优解一致,但在时间计量单位下,使得系统最优解与多用户均衡解一致的匿名路段收费方案不存在.     

通勤出发时间和驻停次数联合选择模型

分析了对通勤出发时间和驻停次数进行联合建模的必要性,基于离散选择的理论方法,建立了通勤者通勤出发时间和通勤途中驻停次数的联合选择模型。并以居民出行调查数据为基础,进行了模型标定,分析了影响因素对通勤出发时间和通勤驻停数的影响。分析了出发时间和驻停数的关系,结论是出发时间与驻停数呈负相关关系,与实际的统计结果相吻合。     

基于活动的瓶颈模型和收费机制:研究进展评述

Vickrey于1969年应用确定性排队理论,首次提出了一个能导致所有出行者具有相同交通费用的内生出发时间选择模型,即著名的瓶颈模型.50年前,Vickrey提出的瓶颈模型以出行作为分析单位,没有考虑出行与活动之间的相互关联.近年来,出现的基于活动的瓶颈模型考虑了时变活动效用对通勤者出发时间选择的影响.瓶颈处的排队延误纯粹是一种社会损失,拥挤收费是消减瓶颈排队延误的有效的经济手段,而瓶颈模型是研究拥挤收费的强有力工具.本文回顾了瓶颈模型的研究进展,介绍了经典的瓶颈模型和基于活动的瓶颈模型的基础理论,分析和比较了两类模型最优动态收费和最优阶梯收费下的解及其消除排队延误的效率.     

活动多种执行模式下网络计划资源均衡优化模型

传统的网络计划资源均衡优化均是基于活动执行单模式条件下进行的,其均衡策略只能依靠错峰办法在机动时间内调整活动起止时间来实现均衡,而不能对单模式下资源投入量随活动缓急情况进行调整,且存在过度推迟活动而造成不能按期完工的风险。本文针对活动单模式资源均衡方法的缺陷,提出了活动多种执行模式的概念,研究了多模式下活动的时间优先关系以及活动资源投入量的制约关系,建立了活动多模式下活动的执行时间及资源强度与资源方差之间的函数关系,作为评价函数,构建了活动多模式下资源均衡优化模型,并运用改进的粒子群优化算法进行寻优求解;并通过实例进行了应用分析,与传统的单模式优化方法的结果作比较,显示了明显的优化效果,验证了该方法的有效性和实用性。     

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST (maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.     

基于非参数核密度估计的Copula函数选择原理

在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.