中国股市正反馈交易涨强不对称的定价能力

中国市场存在显著的正反馈交易,且追涨程度远超过杀跌程度.这种现象本文称之为正反馈交易的涨强不对称.本文旨在研究这种涨强不对称是否具有定价能力.本文在Fama-French三因子模型的基础上构建了反转因子、正反馈因子和涨强不对称因子,对2010年以前上市的全部A股从1998年1月至2016年10月的数据进行实证检验.本文发现,涨强不对称因子的表现显著区别于正反馈因子和反转因子;尽管单一来看正反馈因子、反转因子和涨强不对称因子都有一定的定价能力,但在多因子模型中正反馈因子和反转因子的定价能力很弱,只有涨强不对称因子有显著的定价效果;且这种定价能力不是因为追涨、杀跌、流动性溢价或投资者情绪造成的.总之,涨强不对称是一个有别于传统因子的新定价因子,且其定价能力可能源于市场补偿非理性投机带来的风险.     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

Fe-11Mn-4Al-0.2C中锰钢动态变形行为及其本构模型

基于准静态和动态拉伸实验，建立Fe-11Mn-4Al-0.2C中锰钢在2×10^-3~200s^-1应变速率下变形行为的Johnson-Cook(J-C)本构模型.结果表明，应变速率对弹性变形阶段无影响.在塑性变形初期，实验钢强度随应变速率增加而增加，在塑性变形中后期，实验钢强度随应变速率增加而减少.实验钢应变速率敏感性(SRS)指数m随着应变的增加，由0.013逐渐转变为-0.018.基于实验数据建立J-C本构模型，拟合效果不佳，存在5.1%的相对误差;通过改变应变速率强化系数，提出修正J-C模型，模型具有更好的拟合效果，表现出更小的相对误差，约为1.6%.     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

基于鲸鱼优化算法的类图重构研究

为了提高软件质量,组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能.本文提出一种基于鲸鱼优化算法的类图重构方法,并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优.在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构,研究结果表明:基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法,可有效提高重构质量.     

中国英语学习者的英语词素加工和汉语偏旁加工关联研究

以中国学习者为研究对象,对比英汉词素加工和偏旁加工,探究二语学习者的英汉复杂形态词的加工状况.本文通过三个实验来分别研究英语语义相关的词素、汉字语义相关的偏旁和语义相关的英汉词汇在词汇加工中的作用和异同.实验一研究结果显示,英语语义相关的英语词素在二语者英语词汇加工处理的过程中起着很重要的促进作用.实验二表明,语义相关的汉语偏旁对汉字的加工虽然没有取得具有统计意义的显著水平,但是也有一定的促进加工作用.在实验三中,语义相关的汉语偏旁对相关的英语词汇的启动效应也没达到统计意义;同时,语义相关的英语单词对相关的汉字的启动效应也很微小.然而无一例外的是语义促进效应虽然微弱,但都普遍存在.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

基于DID模型的我国“煤改气”政策对天然气消费的影响

选取2005—2018年国内30个省级行政区的面板数据,采用双重差分法研究"煤改气"对天然气消费的影响,同时分别运用双重差分倾向得分匹配及更改窗口期的方法进行稳健性检验.结果发现,"煤改气"政策的实施总体上取得了较好的效果,促进了天然气的消费.但由于气源供应及用气价格等问题,"煤改气"政策实施效果在推广过程中出现波动情况,遭遇瓶颈.这些结论说明我国一方面要逐步扩大天然气进口国家的范围,加快推进非常规天然气的研究和勘探开发,保证天然气供应的稳定性;另一方面要不断发展完善配套基础设施,制定合适的补贴和鼓励政策,为"煤改气"政策的实施和完善创造更好的条件.