Cryptocurrency volatility forecasting: A Markov regime-switching MIDAS approach

The primary purpose of this paper is to investigate whether a novel Markov regime-switching mixed-data sampling (MRS-MIADS) model we design can improve the prediction accuracy of the realized variance (RV) of Bitcoin. Moreover, to verify whether the importance of jumps for RV forecasting changes over time, we extend the standard MIDAS model to characterize two volatility regimes and introduce a jump-driven time-varying transition probability between the two regimes. Our results suggest that the proposed novel MRS-MIDAS model exhibits statistically significant improvement for forecasting the RV of Bitcoin. In addition, we find that jump occurrences significantly increase the persistence of the high-volatility regime and switch between high- and low-volatility regimes. A wide range of checks confirm the robustness of our results. Finally, the proposed model shows significant improvement for 2-week and 1-month horizon forecasts.     

稀疏过程下保费与理赔相关的风险模型的破产概率

考虑了一类相依结构的风险模型,其中索赔产生时依概率ρ的可能性同时产生一次续保,即续保过程是索赔的ρ-稀疏过程。同时还研究了资金利率、通货膨胀率和干扰问题。通过鞅分析方法,得到了最终破产概率的一般表达式和破产概率的一个上界估计,讨论了相应模型的调整系数方程和调节系数的上下界。     

氢原子跃迁几率以及振子强度和谱线强度的解析计算

根据爱因斯坦辐射理论,给出氢原子跃迁几率、振子强度和谱线强度的一般性解析计算公式,并计算了氢原子初态n=2～50到末态n′=1～10的跃迁几率、振子强度和谱线强度,并将计算结果与文献中现有的数据进行了比较,结果一致.     

马氏利率的离散时间风险模型的破产概率

研究一类保费和理赔额均为随机变量、利率为马氏链的离散时间风险模型的破产概率,推出了有限时间和最终时间破产概率的递归方程,并用归纳法得到最终时间破产概率的上界估计.     

多重延迟复合更新风险模型中的局部破产概率

给出多重延迟复合更新风险模型及最终破产概率和生存概率,并对F∈S*和F∈Sd(γ)两个不同的重尾族,得到相应背景下的局部破产概率的渐近表达式.     

H＋H2（ν＝0）→H2（ν＝0）＋H共线交换反应中的复合态能级

在本文中，我们通过用ＬＣＡＣ－ＳＷ（ＬｉｎｅａｒＣｏｍｂｉｎａｔｉｏｎｏｆＡｒｒａｎｇｅｍｅｎｔＣｈａｎｎｅｌｓ－ＳｃａｔｅｒｉｎｇＷａｖｅｆｕｎｃｔｉｏｎｓ）法计算Ｈ＋Ｈ２（ν＝０）→Ｈ２（ν＝０）＋Ｈ共线反应几率，得出了在０．０ｅｖ－１．７０ｅｖ能量区间里的四个复合态能级，它们分别位于Ｅ１＝０．５９ｅｖ，Ｅ２＝０．９５ｅｖ，Ｅ３＝１．２７ｅｖ和Ｅ４＝１．５９ｅｖ附近，同时，我们还对此作了定性的理论分析     

带干扰风险模型下的破产概率双边界的估计

作者用Wald鞅方法对带干扰风险模型下的破产概率进行了研究,基于不同的寿命分布族分别得到了破产概率的上下界,并将其与前人的结果进行了比较.     

延迟更新模型破产严重程度矩的一个等价式

设AD(u)表示延迟更新风险模型中破产时刻保险公司的亏损额，其中u为公司的初始资金。在索赔额的平衡分布为次指数族的条件下，得到了关于AD(u)的φ-矩的一个等价公式。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

侧连标记基因型下QTL基因型的条件概率

进行数量性状基因作图时,需根据侧连标记基因型推断与之相邻的QTL基因型的条件概率.该文首先就该问题对两向、四向杂交分离群体进行了综述.而后针对所述群体的局限性提出了一种新型的八向杂交设计,并推导出其两点概率转移矩阵及以之进行QTL基因型多点联合推断的方法.