基于事件触发的非线性多智能体系统一致性

针对有向网络拓扑下具有非线性动态的多智能体系统,提出了基于事件触发的一致性控制协议;在实际的多智能体系统中,每个智能体的机载电池的容量和数量是有限的,基于事件触发的一致性协议能够有效地减少智能体控制器的更新次数,从而节约有限的计算资源;智能体的触发时刻由智能体的触发条件所确定,每个智能体只在触发时刻才更新自己的控制器;首先研究了集中式的一致性控制协议,主要利用矩阵理论的方法将一致性问题转化为微分方程的稳定性问题,得到了系统达到一致性的条件;然后研究了分布式的一致性控制协议,在协议中每个智能体只需利用邻居智能体的状态;利用Lyapunov稳定性理论证明了所设计的两个协议能够解决一致性问题,而且不会出现Zeno现象;最后,仿真实例验证了理论结果的有效性。     

有多个跳跃源的信用风险欧式期权定价公式

在公司价值型信用风险欧式期权模型的基础上,进一步考虑标的资产受多个跳跃源影响的情况,用含有多维Poisson过程的Ito-Skorohod随机微分方程描述标的资产价格的运动,应用等价鞅测度变换方法导出相应的信用风险欧式期权定价公式,并讨论了利率,波动率及债务不是常数情况下的推广形式。     

基于EGARCH和Cornish Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和CornishFisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法 VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。