基于无条件分位回归的民营上市公司高管薪酬问题研究

高级管理人员的薪酬作为现代企业委托代理关系中的核心问题一直是社会的焦点.本文以我国民营上市公司为样本,首先研究了公司规模、每股收益、营业收入、流动负债和高管持股比例作用于高管薪酬不同分位点处的条件分位偏效应,结果表明它们在不同分位水平下的影响各异;然后为了获得这些因素的一般边际影响,利用无条件分位回归分析了它们的无条件分位偏效应,结果指出公司规模、每股收益和营业收入与各个分位水平的高管薪酬呈不同程度的正相关而流动负债则为负相关,高管持股比例与低分位水平的高管薪酬正相关而对中高分位水平的影响不显著;最后对相关结果进行了对比,发现每个影响因素的条件和无条件分位偏效应有所区别,并且无条件分位偏效应的解释意义更具有现实价值.     

分布式声传感器井中背景噪声统计特性分析

分布式声传感器技术(DAS: Distributed Acoustic Sensor)是一种新近提出的高精度勘探数据采集方法,受制于复杂背景噪声的影响,DAS记录处理水平有待进一步提高.针对上述问题,采用基于替代序列的时间序列平稳性检验方法和Lilliefors检验法对DAS记录中复杂背景噪声的平稳性和高斯性进行研究.用以分析的实际地震数据是按照勘探工业要求采集的井中DAS记录.研究结果表明,DAS背景噪声是非平稳、非高斯随机过程且噪声特性随记录时长发生变化.相关研究成果实现了针对DAS背景噪声特性的可靠认知,对提高DAS记录处理水平具有重要参考价值.     

CAPM模型在加密货币市场的适用性检验

为解决DCEP(央行数字货币)发行后可能遇到的风险,加密货币市场的系统风险和超额收益之间的关系,利用资产定价模型(CAPM)对加密货币市场的适用性进行检验,采用定义式和回归方程两种方法估计加密货币i的beta系数,对beta系数进行时间序列回归,横截面回归,发现参数估计不显著,得到CAPM模型不能很好的解释加密货币市场风险和收益之间的关系,适用性不强的结果.     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

自动驾驶汽车车底边框的优化算法

为了对通过YOLO框架所提取出的汽车底边框进行优化,首先对于道路上的每一辆汽车底部部分像素块建立改进后的高斯混合模型,通过该模型来刻画道路灰度值以及车底阴影灰度值的正态分布规律,然后通过对每辆检测到的汽车进行自上而下的扫描算法以确定汽车边框的实际高度,最后通过进行路测实验来说明算法的可行性与准确性.     

基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

烃族组成对柴油储存安定性影响研究

针对柴油储存过程中质量衰变问题，利用典型柴油样品，开展烃化合物对中国成品柴油储存安定性影响规律研究。烃组成分析测定结果表明，柴油中总芳烃和链烷烃之间存在很强的相关性（相关系数为0.90）。综合采用相关分析、逐步线性回归等方法，建立了安定性指标与烃组成的关联模型，拟合验证表明模型可靠，可以直接用于柴油储存安定性预测；研究确定了柴油储存安定性的主要影响物质，按照对储存安定性指标影响的严重程度将烃类物质分为三个等级，其中苊烯和三环芳烃对柴油质量衰变影响最大，链烷烃对十六烷值和热值影响最大。