Adaptive lasso在高维混料模型中的应用

变量选择是统计分析与建模领域中的一个重要议题,文章比较了Lasso方法和Adaptive lasso方法在高维混料模型中筛选变量的过程.通过实例验证,Adaptive lasso方法相较于Lasso方法具有较高的准确性且具相合性.通过Adaptive lasso方法得到一个满足Oracle性质的模型,达到了降低成本、提高效益的目的.     

一种改进的Lasso方法及其在对数线性模型中的应用

变量选择在数据分析中有着重要应用,其参数估计的渐近性质,特别是Oracle性质及组效应性质在变量选择方法上尤其重要。针对Lasso方法一般情形下不具有Oracle性质及组效应性质,将探讨Lasso的一种改进方法,即Adaptive elastic net方法在Poisson对数线性模型的应用,证明当满足一定条件时,Adaptive elastic net方法估计具有Oracle性质及组效应性质,并利用数值模拟验证其优良性。     

股指期货套利中跟踪指数投资组合的构建

套利交易者发现套利机会之后,可以同时在股指期货和股票现货市场建立相反头寸,从而锁定无风险利润。现货市场建立头寸的一个重要途径就是构建跟踪指数的投资组合,该投资组合对指数的跟踪效果是影响套利结果的重要因素。讨论股指期货的套利交易中跟踪指数的投资组合的构建问题,采用市值权重模型和最优化模型构建跟踪沪深300指数的投资组合,并通过实证得出最优化模型的跟踪效果要优于市值权重模型的结论。     

面板数据贝叶斯双惩罚分位回归方法研究

在面板数据混合效应模型中,大量未知随机效应的存在,给模型参数估计带来极大困难;同时随机误差的分布未知,不同分布下的随机误差会增加模型计算的复杂度,对固定效应与随机效应系数的变量选择与估计带来困难.为了解决这一问题,本文建立贝叶斯双Adaptive Lasso分位回归模型,将Adaptive Lasso惩罚函数同时引入到...     

空间自回归模型的变量选择

空间自回归模型是空间计量经济学中用以刻画观测单元之间空间相关性的常用方法.基于Adaptive Lasso方法研究了这类模型的变量选择问题.利用数值模拟考察了所提方法在有限样本下的表现,结果表明所用的方法可以有效地筛选出不显著的变量,并且给出对因变量影响显著的自变量对应的系数估计值.最后利用该方法分析了波士顿房价数据.     

基于动态聚类和遗传算法的跟踪误差优化研究

针对传统按相关系数高低进行选股并使用简单的非线性规划进行跟踪误差优化的方法进行改进,以沪深300指数为目标指数,根据动态聚类方法进行选股,基于遗传算法进行优化求解分配最优资金配置权重,在一定约束条件下构建指数投资组合,实现跟踪误差优化目的.实证结果表明,结合动态聚类与遗传算法构建指数投资组合,比传统的相关系数法选股并进行非线性规划求解能得到更小的跟踪误差和更好的目标指数拟合效果,目标指数跟踪拟合效果更为有效.     

基于CPLC方法的Tobit模型构建指数跟踪的实证研究

在借鉴国外有关研究成果的基础上,建立了基于CPLC方法的Tobit模型构建指数跟踪,在目标函数中增加一个与组合权重绝对值总和成比例的惩罚参数,并利用上证180历史数据进行实证检验,通过跟踪基准指数能力、比较样本外绩效和样本外优越性指标,表明新模型不但调整稳定了优化过程,而且提高了样本外的跟踪效果.     

基于预测变量图结构的高维逻辑回归模型

针对高维数据集,提出一种利用预测变量之间的图结构信息来改进稀疏逻辑回归模型的方法。该方法通过利用高维图结构数据或者重叠组结构来进行逻辑回归建模,即使预测变量的图结构未知,该方法仍适用,当图结构为某些特殊形式时,目前流行的方法,如Adaptive Lasso,(Overlapping) Group Lasso和岭回归都可以看作是该模型方法的特例。数值模拟和实例分析应用表明:该方法能有效地利用预测变量图结构信息,提高模型在估计、预测以及变量选择等方面的表现,并且该模型在有限样本情形下是有效的;该模型方法克服了数据集的维数问题,利用高维数据的图结构提高了稀疏逻辑回归模型的性能,可广泛应用于高通量基因数据集的疾病分类研究中。     

一种改进的高超声速目标跟踪算法

根据临近空间高超声速目标运动特点,建立了临近空间高超声速目标运动模型;针对机动目标跟踪问题,在“当前”统计(Current Statistical Model,CS)模型基础上,引入一种利用位置估计值与加速度之间的函数关系自适应调整加速度方差的方法(Adaptive of Distance Estimate Algorithm,ADE),并运用交互多模型算法,提出了ADE-IMM(Adaptive of Distance Estimate Algorithm-Interacting Multiple Model Algorithm)算法,提高了算法对临近空间高超声速目标的跟踪精度。仿真结果表明：该算法兼顾了Singer-IMM算法和CS-IMM算法在跟踪临近空间高超声速目标方面的优点，有更好的跟踪精度。     

基于多特征自适应融合的鲁棒跟踪方法

针对复杂场景下用单一特征描述目标导致的目标漂移问题,基于均值漂移(Mean Shift)跟踪框架,构建了一种有效的自适应融合特征(Adaptive Fusion Feature,AFF)描述子,并提出一种自适应融合多特征的跟踪方法。该方法融合了颜色特征和尺度不变特征转换(Scale-Invariant Feature Transform,SIFT),并通过相邻帧间各特征的相似性来自适应动态调整特征的权值。实验结果表明,在复杂场景下多特征自适应融合方法(AFF)比单一特征跟踪方法和经典跟踪方法减少了目标漂移、目标跟踪更加精确鲁棒。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

基于M-估计单指标模型的变量选择

结合M-估计与Adaptive Lasso方法用于实现单指标模型(SIM)的变量选择.用B-样条基函数逼近联系函数,构造惩罚估计方程.进一步建立并证明了所提变量选择方法具有oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.     

Group Lasso方法的脑功能超网络构建及分类研究

传统的超网络构建方法受到脑区间组效应的影响,所构建的超边存在一定的随机性,从而缺少解释分组效应信息的能力,最终降低了分类准确率。提出了一种基于Group Lasso的超网络构建方法,并将其应用在自闭症患者的自动诊断中。利用该方法所构建的超网络,将传统方法中单一变量的选择替换为组变量的选择,即在预先定义的变量组的基础上进行变量选择。结果表明,与传统超网络构建方法相比,基于Group Lasso的超网络构建方法可以有效地去除组效应的影响,并提高分类准确率。     

成分证券数量、再平衡策略与指数跟踪业绩关系研究

成分证券数量和再平衡策略是指数跟踪业绩的重要影响因素.结果表明,指数跟踪组合的再平衡策略及其成分证券数量与指数跟踪业绩密切相关.综合权衡跟踪误差、收益和成本,以排序靠前的部分成分证券构造指数跟踪组合并采用高频率的再平衡策略可以取得较好的指数跟踪业绩.     

基于遗传算法的指数复制方法及其实证研究

指数化投资策略是证券市场主要投资方法和投资策略之一,其核心内容就是构建一个能够完全复制指数走势的跟踪组合,所以研究指数复制方法具有重要的理论意义和巨大的应用价值.对标准的遗传算法进行改造,重新设计了遗传算法的编码方式,适应度函数以及遗传算子,采用最优保存策略加快算法的收敛效率.使用MATLAB语言实现算法,以沪深300作为目标指数,对历史数据进行回测,从实证结果来看,所设计的算法取得不错的跟踪效果.通过对遗传算法和传统的市值抽样法和行业分层抽样法进行对比,发现遗传算法的跟踪效果略优于传统的指数复制方法,遗传算法在指数复制领域有广阔的应用前景.     

基于改进型Camshift和卡尔曼滤波器的车辆跟踪算法

针对车辆跟踪过程中跟踪目标丢失或者失败的情况,提出一种改进型Camshift(Continuously Adaptive Mean Shift)算法和卡尔曼滤波相结合的跟踪方法。首先,利用卡尔曼滤波器实现跟踪目标的位置估计,以克服目标被遮挡造成的跟踪失败的问题,然后再利用改进型Camshift算法依据目标距离搜索中心的位置,对H分量创建的颜色直方图中的每个像素位进行高斯模型核函数的加权处理,并自适应计算得到最优的搜索窗口,从而改善了传统Camshift不能直接抵制噪声干扰的缺点,解决了因跟踪目标在同色背景噪声干扰下出现的丢失问题。最后通过仿真实验表明:改进型Camshift算法和卡尔曼滤波的结合有效地提高了车辆跟踪的准确性和连续性。     

基于不平衡情感分类的Lasso-Lars特征选择方法研究

基于Lasso回归和支持向量机分类器,首先利用Lasso回归具有变量筛选的特点,过滤部分不重要的特征,然后利用支持向量机分类器做情感提取.在某化妆品品牌的评论数据实验中,利用基础情感词典和领域情感词典构建待选择高维特征集,通过对比特征选择前后的G-means,精确度和召回率等,均取得显著效果.     

人脸检测与跟踪系统的设计

基于Adaboost人脸检测原理,结合Windows下的Visual C++编程,设计了人脸检测系统.通过MIT人脸库和自建人脸库结合的方法,且对该人脸库进行有效的训练,实现人脸检测功能,提高了检测率和检测速度.利用连续自适应均值移动算法(Continuously Adaptive Mean Shift,Camshift)对人脸进行跟踪,并对Camshift算法进行改进,利用Adaboost人脸检测初始化模板的方法,将检测与跟踪结合起来,有效提高了人脸跟踪效率.     

卷烟市场状态综合评价指数构建

为更加精确地研判区域卷烟市场状态,在保证市场状态的同时做好区域卷烟营销工作,提出构建卷烟市场状态综合评价指数。首先使用Lasso变量选择方法在国家局指标库中选择市场状态,再分别使用熵值法、变异系数法将指标降维为量、价、存三个类别指标,并最终使用几何平均原则构建卷烟市场状态综合评价指数。实证结果表明,使用卷烟市场状态综合评价指数能做到定量评价区域卷烟市场状态,有效提升卷烟市场状态评价准确性。     

郑州白糖期货价格的模型选择方法

主要利用逐步回归和Lasso 2种方法来讨论郑州白糖期货市场白糖1011远期合约价格模型的问题,对白糖的收盘价格进行建模,在挑选出显著性变量后,根据2种方法确定的模型来分别预测白糖的价格,通过比较预测结果,发现Lasso方法的预测效果明显强于逐步回归方法,从而得到更稳定、更准确的预测模型.