Identifying US business cycle regimes using dynamic factors and neural network models

We use dynamic factors and neural network models to identify current and past states (instead of future) of the US business cycle. In the first step, we reduce noise in data by using a moving average filter. Dynamic factors are then extracted from a large-scale data set consisted of more than 100 variables. In the last step, these dynamic factors are fed into the neural network model for predicting business cycle regimes. We show that our proposed method follows US business cycle regimes quite accurately in-sample and out-of-sample without taking account of the historical data availability. Our results also indicate that noise reduction is an important step for business cycle prediction. Furthermore, using pseudo real time and vintage data, we show that our neural network model identifies turning points quite accurately and very quickly in real time.     

非自治随机Kuramoto-Sivashinsky方程的Wong-Zakai逼近

在Wong-Zakai逼近下证明了非自治Kuramoto-Sivashinsky方程吸引子的存在性.     

中国与“一带一路”沿线部分国家的经济关系动态分析

GTAP(Global Trade Analysis Project)模型综合考虑了资本总量、资本流动、人口因素、国民生产总值等多项指标,可以用于各相关国的经济发展和经济合作互动关系分析.选用GTAP模型,分析了中国与一带一路沿线部分国家的经济互动关系.在西亚地区选择了沙特阿拉伯、以色列、伊朗、阿曼、阿联酋、科威特、伊拉克共7国,分别在降低关税20%和降低关税50%两种假设条件下展开实证分析.实证结果显示:在关税分别降低20%和50%两种假设条件下,中国和西亚诸国的GDP都有一定程度增加,各国之间进出口规模都有一定程度的扩大,这表明"一带一路"倡议对于沿线各国的经济发展和合作互动具有明显的促进作用.     

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.     

道德风险约束下的最优融资结构——动态金融契约研究综述

债务违约、企业资金链断裂与破产,以及宏观层面的金融危机等经济金融现象促使经济学家反思金融契约的资源配置效率与风险问题.以契约理论的建模技术为逻辑主线,以信息非对称环境中最优契约设计与融资结构优化为关注对象,结合融资结构、资产定价与道德风险之间的内在联系,对动态金融契约理论的研究方法与研究成果进行了系统评述,并根据金融契约理论发展逻辑导出公司金融与资产定价的理论融合方向.基于理论发展路径,初步探讨了动态金融契约理论的未来拓展方向,并结合当前我国经济结构特点给出了该理论的应用前景.     

知识牵引与数据驱动的兵棋AI设计及关键技术

在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence, AI)优缺点的基础上, 提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知，基于遗传模糊系统的关键点推理，基于层次任务网的任务规划、计划修复与重规划，基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明，所提框架具有较强的适应性, 不仅能够满足分队、群队、人机混合等兵棋推演的应用需求, 而且适用于解决一般回合制或即时策略性的博弈对抗问题。     

基于图形的网络演化博弈的拓扑结构

对基于图形的网络演化博弈,首先求出典型结点策略演化方程,进而给出将结点方程组合成网络局势演化方程的方法。利用局势演化方程,将计算逻辑动态系统不动点与极限环的公式推广用于图形的网络演化博弈。然后,介绍某玩家单独更新的局势演化方程,并依此给出网络演化博弈纯纳什均衡点计算公式。     

考虑动态重构的装备体系可用性及弹性分析

要素协同作战框架下武器装备体系具有可动态重构的系统特性, 既增加了体系的复杂性和交互性, 又使其具有了更为明显的弹性特征。本文首先提出了装备体系弹性多层级评价方法, 确定了组成体系的关键装备要素。其次, 以典型的关键装备要素——武器系统为对象, 提出了基于动态双阈值多状态权重k-out-of-n系统模型的装备体系的性能可用性及弹性分析评价方法。最后, 以编队协同防空作战体系为对象进行案例应用研究, 得到了性能阈值恒定、随时间变化和动态变化这3种情况下的火力网可用度和弹性随时间变化的规律, 并验证了所提模型与评价方法的有效性与实用性。     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。