结构VAR模型辨识的条件互信息图模型

在结构向量自回归(VAR)模型辨识的图模型中引入信息论方法.定义了线性条件互信息图,图中的结点表示时间序列不同时刻的随机变量,结点间的边表示随机变量之间存在的因果相依关系.提出了随机变量之间条件线性联系存在性的信息论检验方法.图中边的存在性用基于线性条件互信息的枢轴量检验,枢轴量的显著性用置换检验决定.用统计分析的方法确定当前变量之间联系的方向,建立了有向非循环图.最后以模拟序列为例,验证了所提出的方法是可行且有效的.     

网络系统可靠性分析的频域生成图模型

提出一种用于分析网络可靠性的频域生成图模型(frequency-domain spanning graph,FSG).该模型可以直观地处理网络端端可靠度、全端可靠度以及频域状态的动态变化过程,且算法易于计算机实现,实现效率高.给出了FSG的定义和描述,对串联、并联和备用等典型结构建立了相应的FSG可靠性模型,并导出其频域的可靠性表示式.最后结合Matlab开发环境给出范例,从定性定量两个方面阐述了FSG分析过程,以此说明其有效性.     

人地关系的系统动力学模型研究

采用系统动力学的研究方法 ,建立起了人口总数与环境承载力之间的系统动力学模型 ,并在一定的假设基础上给出了三个关于人地关系的有代表性观念的模型 :冲突模型、掠夺模型以及和谐模型 .通过对这三个模型的分析 ,得出了人类与自然环境长久共存的条件 ,以及在怎样的条件下人口总数最大等结论.     

基于DAG方法的SVAR模型识别: 理论基础和仿真实验

在递归结构假设条件下,文章证明了SVAR模型与线性动态因果结构模型是相同的数据生成过程,且SVAR模型中的同期变量系数矩阵结构与同期变量为节点的DAG之间存在特定的对应关系;文章还证明：给定真实的数据生成过程为线性动态因果结构模型,从数据出发,利用现有的IC,SGS,PC等因果结构推断算法可以对同期变量为节点的DAG作出正确推断,且这一结论不依赖于变量服从联合高斯分布,从而在理论上证明了基于DAG方法构建SVAR模型识别条件的可行性,并给出该方法下SVAR模型识别的充要条件;最后,Monte Carlo仿真结果显示：在扰动项服从不同分布条件下,基于DAG方法在构建正确的SVAR模型识别条件方面均有着非常好的表现,SVAR模型识别的充要条件也得到了仿真结果的有力支持.     

新型公交网络模型与最优出行路径算法

给出一种标号的二分图公交网络模型,在此模型基础上给出线路换乘与最优出行路径的算法,这种算法充分利用标号信息给出站点网络图的边权函数.基于站点网络图不仅能够搜索换乘线路而且能够找到最短路径.最后利用天津市部分公交系统验证了该模型及方法的有效性.     

新型公交网络模型与最优线路选择算法

针对公交线路的最优线路选择问题,给出了基于标号公交网络二分图模型,在此模型基础上给出了最小换乘条件下的可行线路的“纺锤-修剪”搜索算法,进而给出在最小换乘条件下的最短路径和换乘站点的数学规划方法.最后给出算例并验证了该方法的有效性．     

具有一阶自回归测量误差的步进加速退化可靠性分析

针对传统方法在步进应力加速退化建模时常常忽略测量误差间自相关性的问题,提出一种具有一阶自回归(AR(1))测量误差的步进应力加速退化可靠性分析方法.利用Wiener过程描述产品的性能退化过程,同时引入一阶自回归AR(1)模型表征具有自相关性的测量误差项.然后,建立漂移系数与加速应力之间的加速关系模型,并对漂移系数进行随机化处理以表征产品个体差异性.在首达时概念下,给出失效时间分布函数和概率密度函数的解析表达式.然后,提出一种加速退化模型参数极大似然估计方法.最后,通过激光器算例分析验证了本文方法的适用性和有效性,结果表明:与传统方法相比,本文方法建模合理性更优,且能有效提高产品退化可靠性分析精度,进而为产品合理维修决策的制定提供有力支撑.     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数，这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上，本文给出一类极大似然估计方法，使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本，实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本，同时在原模型估计及扩展上有很好的稳定性. 模型扩展上，进一步检验了交易强度对信息参数的影响.     

不同借贷利率下的投资组合选择——-基于均值和VaR的效用最大化模型

用VaR代替方差来度量风险,从而把基于均值和方差的效用函数拓展为基于均值和VaR的一般二元效用函数（关于均值递增,关于VaR递减）,进而研究含无风险资产且具有不同借贷利率时投资组合选择的效用最大化模型.利用均值-VaR模型有效边界的性质,得到了一般效用函数下最大效用存在的条件及最优解的本质特征,并给出了求解的具体方法和数值算法.最后作为结论的直接应用和说明,利用中国股票市场数据给出了一个实例分析.     

计数型序贯网图检验的算法实现

在深入分析序贯网图检验方法的基础上,通过构造马氏链模型,给出其实际风险的计算方法,给出了序贯网图检验方案的制定方法.结果表明序贯网图检验比国际标准IEC1123有明显改进.     

DDMRS-GARCH模型及其在上海股票市场的实证研究

提出了2阶马尔可夫结构转换波动模型——DDMRS-GARCH模型，DDMRS—GARCH模型引入了2阶马尔可夫链，使得波动状态转移概率不仅依赖于波动状态，同时还依赖于波动状态的持久时间．将DDMRS-GARCH模型应用于上海股票市场收益时间序列进行了实证分析．     

收益率,波动率与投资者风险偏好

为研究资产期望收益率与条件方差间的相关性,本文使用上证综合指数日度收益率数据及混频条件异方差模型(GARCH-MIDAS)对投资者风险偏好进行了估计.理论模型表明,当投资者持有的风险资产权重不变时,时间维度上两者的同期相关性取决于投资者风险偏好.当假设风险偏好固定不变时,GARCH-MIDAS的估计结果显示投资者表现为风险中性.随后通过Markov机制转移模型识别出了熊市和牛市两种市场状态,并分别研究了两种状态下的投资者风险偏好.其结果显示:熊市下投资者有显著的风险厌恶,而牛市下投资者则表现为显著的风险追求.     

基于Markov机制转换模型的我国股市周期波动状态研究

运用Markov机制转换模型,研究我国股市在不同状态之间的周期转换.研究结果表明, 四状态异方差马尔科夫机制转换模型最能刻画我国股市周期波动特征; 1996年12月26日-2010 年 12月 31日涨跌停板限制下, 股票价格的变动可以分为快速下跌、缓慢下跌、缓慢上涨和快速上涨四种状态;我国股市总体上体现出急涨慢跌的态势, 缓慢下跌是其主要波动状态;股市阶段性波动大体上分为波动较大和波动较小两种期间.     

Multi-period mean-variance portfolio selection with Markov regime switching and uncertain time-horizon

This paper investigates a multi-period mean-variance portfolio selection with regime switching and uncertain exit time. The returns of assets all depend on the states of the stochastic market which are assumed to follow a discrete-time Markov chain. The authors derive the optimal strategy and the efficient frontier of the model in closed-form. Some results in the existing literature are obtained as special cases of our results.     

Dynamic CVaR with multi-period risk problems

This paper studies multi-period risk management problems by presenting a dynamic risk measure. This risk measure is the sum of conditional value-at-risk of each period. The authors model it by Markov decision processes and derive its optimality equation. This equation is further transformed equivalently to an analytically tractable one. The authors then use the model and its results to a multi-period portfolio optimization when the return rate vectors at each period form a Markov chain.     

投资者情绪和资产定价异象

在以个人投资者为主体的中国股票市场中,投资者情绪对资产价格的影响非常重要.本文将投资者情绪和宏观经济变量加入到条件CAPM模型中,采用Avramov和Chordia(2006)的两步回归分析框架,检验了包含投资者情绪信息和宏观经济变量的条件资产定价模型对我国股票市场收益异象的解释力.实证结果表明,包含IPO首日收益率为投资者情绪信息的条件CAPM模型能够显著解释我国股市中的特质波动率之谜,规模效应和价值效应,经济不确定性指数作为额外的宏观经济变量加入条件CAPM模型能够解释我国股票市场的非流动性溢价,实证结果对于不同的度量指标都很稳健,进而证实了投资者情绪因素在资产定价过程中的重要作用.     

Valuation of stock loans under a Markov chain model

In recent years the use of Markov chain models to model stock price movement has received increased attention among researchers. Markov chain models combine the discrete movements of a binomial tree model while retaining the Markovian properties of Brownian motion, thus allowing the best properties of both of these models. In this paper, the authors consider a Markov chain model in which the underlying market is solely determined by a two-state Markov chain. Such a Markov chain model is strikingly simple and yet appears capable of capturing various market movements. By proper selection of parameters, the Markov chain model can produce sample paths that are very similar to or very distinct from a classical Brownian motion, as the authors demonstrate in this paper. This paper studies the stock loan valuation, or the value of a loan in which a risky share of stock is used as collateral, under such a model. Dynamic programming equations in terms of variational inequalities are used to capture the dynamics of the problem. These equations are solved in closed-form. Explicit optimal solutions are obtained. Numerical examples are also reported to illustrate the results.     

Grey Markov chain and its application in drift prediction model of FOGs

1.INTRODUCTION Sincetheinterferometricfiberopticalgyroscope(FOG)wasfirstproposedbyAmericanUtahUniver sityin1976,ithasbeenattractingalotofscientific andtechnicalinterestsinsteadofthespinningwheel mechanicalgyroforitcanprovideuniqueadvantages.Withtheextensionofresearch,peoplehavebecome acquaintedwithnoisesandbiasdrifts,whichinduce non negligibleerrorsintheoutputofFOGs.The hugeeffortsontechnique,whichweredevotedtothe developmentoflow noiseandlow driftFOGsmainly basedonmaterials,machining…     

基于量化特征的价格操纵行为监测模型研究

价格操纵通常不包括明显的非法行为(诸如散布金融谣言和控制股权的供需),而是通过看似合法的报单、撤单等交易行为来实现.本文提出了一种基于隐马尔可夫模型的市场价格操纵监测模型系统:首先,基于三类典型的市场价格操纵实例,分析市场价格操纵行为模式的内在特性,利用小波变换和梯度分析作为特征抽取工具,抽取关键特征模式,量化操纵行为的特征模式,通过隐含状态转换机制完整描述市场操纵行为的各种情况组合,解决"异常检测"进行价格操纵监测时不能确定异常行为的具体类型及概率密度函数问题;其次,为提高模型对非平稳性金融数据的适应性,模型增加了一个自适应机制来进行校准,自动跟踪金融时间序列的统计特性的变化,提出基于隐马尔可夫模型的市场价格操纵行为监测模型;最后,模型利用纳斯达克和伦敦股票交易所的真实交易数据及模拟数据对模型的有效性、精确性和稳定性进行实验验证,结果显示无论是使用真实数据还是随机模拟的数据集,本文提出的基于隐马尔可夫模型的监测模型性能均显著高于市场中常见的三类基准模型,为理论研究和实际操作提供了一个完备的验证渠道.     

基于空间约束加权条件稀疏表示高光谱图像分类

为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱信息散度从信息熵的角度挖掘重构光谱中的类别鉴定信息;在期望最大化算法模型中,将条件稀疏模型与光谱信息散度模型相结合,使算法具备迭代自更新的能力;将马尔可夫随机场引入加权条件稀疏表示算法,在算法时间复杂度不变的情况下,对高光谱图像的空间信息予以提取。仿真结果表明,该算法能够有效地提高分类精度,且在不同试验数据下具备良好的稳定性。