COMBINING SINGULAR SPECTRUM ANALYSIS AND PAR（p） STRUCTURES TO MODEL WIND SPEED TIME SERIES

Singular spectrum analysis （SSA） is a technique that decomposes a time series into a set of components, such as, trend, harmonics, and residuals. Leaving out the residual components and adding up the others, the time series can be smoothed. This procedure has been used to model Brazilian electricity consumption and flow series. The PAR（p）, periodic autoregressive models, has been broadly used in modelling energy series in Brazil. This paper presents an approach of this decomposition method, by fitting the PAR（p）, considering its multivariate version known as multivariate SSA （MSSA）. The method was applied to a vector of two wind speed series recorded at two locations in the Brazilian Northeast region. The obtained results, when compared to the univariate decomposition of each series, were far superior, showing that the spatial correlation between the two series were considered by MSSA decomposition stage.     

Exchange rate forecasting with optimum singular spectrum analysis

Forecasting exchange rate is undoubtedly an attractive and challenging issue that has been of interest in different domains for many years. The singular spectrum analysis （SSA） technique has been used as a promising technique for time series forecasting including exchange rate series. The SSA technique is based upon two main choices： Window length, L, and the number of singular values, r. These values are very important for the reconstruction stage and forecasting purposes. Here the authors consider an optimum version of the SSA technique for forecasting exchange rates. The forecasting performances of the SSA technique for one-step-ahead forecast of six exchange rate series are used to find the best L and r.     

Singular spectrum analysis: methodology and application to economics data

This paper describes the methodology of singular spectrum analysis (SSA) and demonstrate that it is a powerful method of time series analysis and forecasting, particulary for economic time series. The authors consider the application of SSA to the analysis and forecasting of the Iranian national accounts data as provided by the Central Bank of the Islamic Republic of Iran. This research was in part supported by a grant (No. 88/121230) from Institute for Trade Studies and Research (ITSR), Tehran, Iran.     

基于动态灰色主成分分析的多时刻威胁评估

针对目标威胁评估问题的高维数、时变性等特点,提出基于动态灰色主成分分析(dynamic grey prin-cipal component analysis,DG-PCA)的多时刻威胁评估方法.首先,以潜艇为分析对象,构建协同作战模式下的威胁评估指标体系.其次,提出扩展灰色相似关联度用于表征指标间动态非线性相关度,构建...     

基于全球价值链的中国出口国内增加值需求理论测度及特征研究

利用2000-2014年世界投入产出表数据,使用假设抽取法测度了各国和地区对中国出口国内增加值需求的三个指标,即出口中被一国和地区直接使用的国内增加值(vaxd),出口中被一国和地区用于消费的国内增加值(vaxc)和出口中被一国和地区用于生产最终产品的国内增加值(vaxp)的区域和结构变化特征,并结合中国行业出口特征,贸易政策和参与全球价值链特征的变动对出口国内增加值需求变化特征进行了理论分析和实证分析.研究发现,在出口国内增加值的区域分布方面,发达国家的优势地位不断下降,发展中国家和新兴经济体所占份额不断上升.在结构特征方面,被一国和地区直接使用的国内增加值和被一国和地区用于消费的国内增加值在对美国、日本等主要发达国家的出口中占据较高比重,而被一国和地区用于生产最终产品的国内增加值占比很低.对变动特征进一步分析发现,先进货物行业和现代服务行业出口占比提升对出口国内增加值需求有显著的促进作用.在参与全球价值链特征方面,全球价值链相对前向参与度增长率和全球价值链相对地位增长率的提升均对三类出口国内增加值需求有显著的正向影响,其中对出口中被一国和地区用于生产最终产品的国内增加值的影响最大.     

A Study of Multi-Scale Relationship Between Investor Sentiment and Stock Index Fluctuation Based on the Analysis of BEMD Spillover Index

According to behavioral finance theory, investor sentiment generally exists in investors' trading activities and influences financial market. In order to investigate the interaction between investor sentiment and stock market as well as financial industry, this study decomposed investor sentiment, stock price index and SWS index of financial industry into IMF components at different scales by using BEMD algorithm. Moreover, the fluctuation characteristics of time series at different time scales were extracted, and the IMF components were reconstructed into short-term high-frequency components, medium-term important event low-frequency components and long-term trend components. The short-term interaction between investor sentiment and Shanghai Composite Index, Shenzhen Component Index and financial industries represented by SWS index was investigated based on the spillover index. The time difference correlation coefficient was employed to determine the medium-term and long-term correlation among variables. Results demonstrate that investor sentiment has a strong correlation with Shanghai Composite Index, Shenzhen Component Index and different financial industries represented by SWS index at the original scale, and the change of investor sentiment is mainly influenced by external market information. The interaction between most markets at the short-term scale is weaker than that at the original scale. Investor sentiment is more significantly correlated with SWS Bond, SWS Diversified Finance and Shanghai Composite Index at the long-term scale than that at the medium-term scale.     

基于已实现波动率的上证综指异常时序检测

时间序列模式识别、异常检测在金融领域有着广泛应用,能够为金融决策提供重要参考信息.在大数据场景下的异常检测中,为满足对计算效率、存储空间的要求,通常对时序数据利用近似表示进行降维.但在高频金融领域,已有的近似方法会丢失大量波动信息,而微观结构噪声、市场波动信息对高频金融分析至关重要.因此,本文在传统方法基础上,结合基于变点检测的时序近似表示和已实现波动率,通过聚类识别表现异常的时间序列.基于上证综指数据的实证分析表明,引入已实现波动率能够进一步优化聚类质量,准确识别波动异常的时间序列,为实际金融分析提供有价值的决策支持.     

国际股指波动性的非对称效应异方差模型及聚类分析

为了分析我国与国际上其他已推出股指期货的国家或地区股指波动特征的相似性,采取传统时间序列模型分析与数据挖掘技术相结合的方法,对全球23个国家或地区的股指波动特征作了聚类分析.首先,针对股指收益序列的非对称性和异方差特性,建立非对称效应异方差模型并估计其模型系数.然后,对特征抽取后的系数使用欧氏距离判断序列之间的相似程度并进行层次聚类分析.最后,通过实证检验各个国家或地区的股指波动相似性,找出了与我国情况较为近似的国家或地区,从而证实了本文方法的有效性.     

Doppler spectral analysis for time-evolving sea surfaces using second-order small slope approximation

The second-order small slope approximation (SSA2)method is introduced to study the Doppler characteristics from time-evolving sea surfaces.Simulation results show better agreement between the SSA2 model and the numerical method for both vertical and horizontal polarizations,meaning that SSA2 gives a satisfactory prediction of the spectral difference between two polarizations; while such discrepancy cannot be captured using the lowest-order SSA (SSA1) model.In particular,the Doppler shifts and spectral widths for different incident angles,wind directions and polarizations are analyzed,demonstrating correct variations with respect to such parameters.Those observations prove that the SSA2 provides an efficient and relatively fast tool for sea surface Doppler spectral analysis.     

基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

基于Takenaka-Malmquist自适应时频分布的特征指标——来自上证和深证的数据

股票价格指数度量并反映了股票市场总体价格水平及其变动趋势，包含了丰富的市场信息，受到投资者和政策制定者的普遍关注.利用一定的数学方法对其进行分析和研究，挖掘股指的潜在价值，对加快资本市场治理，提升金融效率，促进国民经济的平稳快速发展具有十分重要的意义.本文利用基于Takenaka-Malmquist自适应傅里叶分解（简称自适应傅里叶分解或AFD）的时频分布，有效提取了股票价格指数的时频特征，分析股票市场的变动趋势.为满足自适应傅里叶分解的要求，首先利用H-P滤波算法对时间序列进行预处理，去除时间序列的趋势项，然后利用AFD算法处理周期项数据，在此基础上得到股票价格指数的时频分布，并进一步分析股指变动趋势.基于自适应傅里叶分解的算法可以有效提取股指在时频两域的信息，避免了单一域分析的缺陷，且比现有的小波分解方法具有更高的分辨率和准确度.为检验指标的有效性，本文利用上海证券交易所的上证综合指数（代码000001）和深圳证券交易所深证成份指数（代码399001）实证检验了指标的有效性，结果表明基于自适应傅里叶分解的时频分布提出的股市技术分析指标可以用于中短期股票市场的变动特征分析.     

连续时间资产收益变结构模型的研究

提出了应用MCMC方法的连续时间变结构模型的单一变结构点的定位方法,并提出了连续时间多变结构点模型的变结构点定位方法;该方法在确定变结构点位置的同时,又能估计相应的模型参数.用该方法对上海股市综合指数的收益序列进行了变结构分析,理论与实证结果表明该方法是有效且可行的.     

飞机复材结构的修理容限确定方法

针对民用飞机复材结构修理实践中要不要修理、能不能修理等维修决策问题,考虑损伤的发生次序、发生时间、损伤尺寸、损伤检测概率、超载分布、维修策略、强度退化与恢复等因素,以失效概率为安全性约束条件,以维修成本为经济性优化目标,提出了一种基于用蒙特卡罗仿真的飞机复材结构修理容限确定方法.案例研究结果表明:得到的修理容限及对应的检查间隔可以更加使航空公司更加经济地决策维修活动,而且能够主动控制飞机复材结构的安全性和可靠性水平,为飞机复材结构在寿命周期内的安全性和经济性分析以及损伤维修阈值决策提供了一种具有工程意义的技术方法.     

数字经济、区域高校知识转移与高技术企业创新绩效

讨论了数字经济对区域高技术企业创新绩效的影响，及区域高校知识转移对其路径的作用机制。基于2011~2018年中国省级面板数据测度区域数字经济发展指数，并在此基础上进行多维度计量分析检验。结果显示：数字经济显著促进了高技术企业创新绩效，这一结论在选取邮电历史数据作为工具变量等进行稳健性检验后依然成立。高校知识转移与数字经济形成正向的交互驱动效应。在高校知识转移的作用下，数字经济对高技术企业创新绩效呈现“U”型影响。由空间模型发现，数字经济对于高技术企业创新绩效呈现出负向的空间溢出特点。区域与企业异质性分析结果显示，自然区位与企业规模、所有权结构以及注册类型下的数字经济对于高技术企业创新绩效的影响存在差异。研究结果为高技术企业优化校企合作技术转移策略，探索有效的高技术企业创新驱动路径提供了有益参考，也为政府部门积极谋划数字经济发展战略布局提供了有益的借鉴。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

基于TSI指数的中国运输服务指数构建

交通运输行业作为基础性、先导性、服务性行业,与宏观经济发展有着密切的联系.在新的大部制背景下,亟需一个能够全面、及时、准确地反映交通运输经济与宏观经济之间相互关系的综合性指标.研究基于TSI指数构建了中国运输服务指数(CTSI),并结合相关性分析、周期性分析、重大事件影响分析对其进行合理性检验.相关性分析结果显示,指数与工业增加值之间存在较高的正相关性;经HP滤波处理的周期性序列对比显示,指数与工业增加值之间的周期性交化趋势基本一致,而指数出现波峰波谷的时刻领先于工业增加值约2个月;重大事件影响分析表明,指数能较好地拟合"非典"、国际金融危机等重大事件对宏观经济的影响.     

S变换在雷达目标识别中的应用

针对雷达目标回波的非平稳特性,推导了S变换及其实现算法,利用电磁场时域有限差分算法仿真了三种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的奇异值特征作为目标特征矢量,利用径向基函数神经网络对特征矢量进行训练和学习,最后对三种飞机做了分类识别,取得了很好的识别效果.     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.     

基于独立成分分析的时间序列谱聚类方法

为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.     

宏观经济与证券市场相关性研究

宏观经济的角度出发分析了国民生产总值、物价、通货膨胀、利率和汇率诸因素对证券市场影响的机理, 同时也从反方面分析了证券市场对宏观经济的反作用。通过对宏观经济一致合成指数与上证指数及深证指数的相关性分析, 得出了我国证券市场与宏观经济高度相关, 并且证券市场的走势先行于宏观经济一致合成指数走势的结论。