拱坝体型设计的统计模型

应用数理统计方法，通过建拱坝数据库，确定拱坝体型厚高比，最小体积，最大柔度三个参数的统计模型，并对数座拱坝进行检验，得到比较一致的结果，提供的三个参数可拱设计人员在拟定拱坝体型几何参数和进行型优化设计时参考，并为宏观判断大坝安全性提供对比资料。     

非对称损失下正态均值的区间估计

考虑非对称损失下正态均值的区间估计, 在位置变换群下给出容许的最优同变置信区间, 其为通常置信区间的推广. 同时, 利用估计问题中对序限制下参数估计量的改进方法, 结合分布参数之间的序限制改进了所得的最优同变置信区间, 构造了一族改进置信区间.     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

信息时代的消费者权益保护法

信息时代的到来必将在某种程度上改变人们的生产和生活,对消费者的保护也必然面临新的机遇与挑战。为了在信息时代这一特定的历史条件下更好地保护消费者的权益,就需要研究信息时代消费者保护实践的变化和特点,并根据这些变化和特点对现有的消费者保护法律制度进行创新。     

影响我国旅游业发展的制度因素研究

旅游业作为一个综合性经济部门,影响其发展的因素是多种多样的.周末和黄金周并不能给人们以充分的闲暇时间去进行旅游消费,解决的途径在于带薪假期的全面落实;影响人们不能将可自由支配收入用于满足旅游需求、进行旅游消费的因素包括劳动就业、住房、教育、金融信用和结算体系等.要从制度上建立灾难预防与处理机制,保证人们有足够的外出旅游的信心.消除这些影响因素需要进一步推进改革,这必须政府政策的有力推动.     

非对称损失下正态均值的同变置信限

从统计判决理论角度研究了非对称损失下正态均值置信限的估计问题。在位置及位置尺度变换群下，给出了总体方差已知或未知时正态均值的最优同变置信限并讨论了相关的问题。     

小康社会与小康家庭的定量研究模型

中国小康社会的指标体系分国家层面、社会层面和家庭层面给出,小康家庭识别模型由一级、二级指标和测量要素来刻划,用属性识别的数学方法给出定量的计算.     

消费品生命周期隐患识别与风险评价的三维矩阵方法

面对近年我国产品质量安全事故频发、消费者人身安全与健康遭受不同程度的威胁以及出口产品不时被召回或退回的问题，给出了一种基于消费品生命周期和事故致因的隐患识别及表征方法，有助于提升人们对消费品危害规律的认知水平并为消费品风险评价奠定基础. 考虑到事故伤害受体的能力和行为会对消费品缺陷或隐患演化及事故伤害后果产生重要影响，在常规风险评价二维矩阵的基础上，加入风险受体的脆弱性要素，提出了消费品风险评价的三维矩阵方法，能够更好地表征消费者能力与行为等主观要素对消费品隐患事故及危害的影响作用. 以家用电器风险评价为例，基于欧盟非食品类消费品快速预警系统（RAPEX）对中国消费品通报信息分析和专家评价打分，形成了消费品评价三维风险矩阵，分析了家用电器的风险规律，为消费品的风险评价提供了新思路、新方法.     

政治信任危机的生成及化解措施

在全面深化改革期间，中国社会在孕育一场深刻的社会变革的同时也隐藏着不可忽视的政治信任危机。政治信任危机的生成有经济、政治、文化、社会、法律等多方面原因。创新行政管理方式和建立健全行政机制、引导群众实事求是看待改革成效、摧毁政治文化的定向思维、消解人情文化“异化”等是化解政治信任危机的主要措施。     

Combining multivariate volatility forecasts using weighted losses

The ability to improve out-of-sample forecasting performance by combining forecasts is well established in the literature. This paper advances this literature in the area of multivariate volatility forecasts by developing two combination weighting schemes that exploit volatility persistence to emphasise certain losses within the combination estimation period. A comprehensive empirical analysis of the out-of-sample forecast performance across varying dimensions, loss functions, sub-samples and forecast horizons show that new approaches significantly outperform their counterparts in terms of statistical accuracy. Within the financial applications considered, significant benefits from combination forecasts relative to the individual candidate models are observed. Although the more sophisticated combination approaches consistently rank higher relative to the equally weighted approach, their performance is statistically indistinguishable given the relatively low power of these loss functions. Finally, within the applications, further analysis highlights how combination forecasts dramatically reduce the variability in the parameter of interest, namely the portfolio weight or beta.