小样本协整检验的神经网络方法

采用MonteCarlo模拟方法,给出了小样本容量下协整检验临界值的响应面方程。结果表明,小样本协整检验的临界值不仅与样本容量有关,还依赖于协整检验中的滞后阶数。进一步,以样本容量、变量个数、滞后阶数为输入指标,检验临界值为输出指标建立了神经网络模型。神经网络模型比响应面模型具有更高的精度。     

非线性协整关系及其检验方法研究

文献「４」所提出的协整概念描述了向量时间序列中的长期线性均衡关系,从而可以称为“线性协整”。然而,经济系统中的许多时间序列是长记忆的,这些序列本身以及序一是往往存在非线性关系,所以对这些序列进行线性协整分析是不太合适的。     

向量分整序列的非线性协整研究

研究了向量分整序列的非线性协整问题。文中就分整序列的非线性协整关系进行了讨论,给出了多维向量分整序列非线性协整关系的若干成果。     

具有高阶单整分量的协整系统

在计量经济学领域，协整的概念被广泛地应用于非平稳时间序列的分析．关于具有高阶单整分量的非平稳时间序列分析问题，本文提出了广义协整的概念，并对广义协整条件下的表现定理进行了讨论．     

基于证券价格时间序列的协整优化指数跟踪方法研究

通过考虑不允许卖空约束和目标指数进行调整的现实情况,研究了基于证券价格时间序列的协整优化指数跟踪方法对目标指数进行直接跟踪的效果以及用简单平均法引入的非样本信息在指数跟踪中的作用.实证结果表明,相比于最小化跟踪误差优化指数跟踪方法,协整优化指数跟踪方法是一种非常好的指数跟踪方法,更多的信息可以进一步改进指数跟踪效果.     

协整系统的贝叶斯推断

讨论协整系统的检验问题．提出一种基于协整系统误差校正模型的贝叶斯协整检测方法，并通过模拟实验说明贝叶斯方法的有效性．     

道琼斯工业指数与纳斯达克指数的非线性协整分析

首先对道琼斯工业指数进行分整分析,长记忆的道指被分数维差分得到平稳时间序列;进而对纳指也进行分数维差分.由于两指数的分整阶数不同,故不存在线性协整关系,所以,文章着重讨论两指数的非线性协整关系.     

中国房地产财富效应的协整分析和误差修正模型

为了揭示中国房地产价格与居民消费的关系,在论述财富效应理论对中国适用性的基础上,引用了持久收入假说与生命周期理论下的财富效应模型,并以该模型为基础构建了协整分析与误差修正模型.同时,选取上海市数据为样本进行实证的分析,验证中国房地产财富效应的存在性.此外,进一步选取北京、天津、深圳、重庆市数据为样本进行扩展的实证研究,并进行比较.研究表明中国房地产财富效应在一定范围内存在,长期的房地产财富效应基本是正向的,而短期的房地产财富效应的发挥形式存在一定的差异.     

季节协整系统的贝叶斯推断

讨论季节协整系统的检验问题．提出了一种基于季节协整系统误差校正模型的贝叶斯季节协整检测方法,并通过模拟实验说明贝叶斯方法的有效性．     

向量分整序列的协整研究

Ｇｒａｎｇｅｒ关于整数阶向量序列的协整研究是为了提示序列之间存在的长期均衡关系,但该协整定义只适用于向量序列单整阶数全部相同且为整数的情形。本文给出了│ｄ│〈０．５情形下单整序列的定义及向量分整序列的协整概念,文章还就分整序列的线性协整关系进行了初步的讨论,给出了包括多维向量分整序列线性协整关系的若干结果。     

基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型

针对复杂经济系统下时间序列所呈现出的小样本非线性残差特征,采用非线性残差灰色Verhuilst模型进行研究,修正传统计量模型对于残差信息挖掘不够,预测精度不高的问题,在此基础上,选择带有精英策略的EGA算法来建立灰色Verhulst计量组合预测模型,设计了算法实现的逻辑流程和非线性残差灰色Verhulst计量组合预测模型的整体建模思路,提出了改进多准则目标优化NP完全问题的新方法,对模型的预测效果进行比较分析.实证研究表明:基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型算法收敛速度快,拟合效果好,预测结果更精确.     

基于元学习的雷达小样本目标识别方法及改进

基于深度学习的雷达目标识别方法近年来获得较大关注, 但实战中存在时效性约束和资源限制, 小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题, 本文基于元学习算法, 通过从多个相关任务中学习到的元知识改善新任务的性能, 引入迁移学习思想, 提出一种改进的小样本学习方法, 并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明, 元学习方法在历史积累样本所含目标类别较多, 与目标任务相关度较大的极小样本情况下, 性能优势才突出, 所提方法可显著提升其综合识别性能。     

基于仿真信息的反舰导弹小子样靶场试验综合评定方法

为了对小子样条件下反舰导弹靶场试验结果作出合理的评定,以仿真信息作为先验信息,分析了小子样条件下反舰导弹靶场试验的Bayes统计推断方法,基于多层验前多元信息融合的理论,建立了反舰导弹靶场试验综合评定中的Bayes统计决策模型.最后在已做的理论与方法研究工作的基础上,开发了试验结果分析评定软件,并结合实际型号的试验数据加以应用,验证了所研究的方法和开发的软件的有效性.     

Human activity recognition based on HMM by improved PSO and event probability sequence

This paper proposes a hybrid approach for recognizing human activities from trajectories.First,an improved hidden Markov model(HMM) parameter learning algorithm,HMM-PSO,is proposed,which achieves a better balance between the global and local exploitation by the nonlinear update strategy and repulsion operation.Then,the event probability sequence(EPS) which consists of a series of events is computed to describe the unique characteristic of human activities.The analysis on EPS indicates that it is robust to the changes in viewing direction and contributes to improving the recognition rate.Finally,the effectiveness of the proposed approach is evaluated by data experiments on current popular datasets.     

我国民族企业出口与FDI 企业出口关系———基于非线性动态系统实证分析

以我国1980~2004年数据,应用动态计量学原理建立我国民族企业(CNIEs)出口与FDI企业(FIEs)出口的非线性动态系统(CN-FENLDS)模型,结果表明,FDI企业作为外来企业种群,通过耦合效应方式间接加速推动我国民族企业出口,而我国民族企业出口直接加速FDI企业出口,从而支持“促进论”观点;同时,我国应当对民族企业出口结构进行战略性调整,更重要的还要提升民族企业出口核心竞争力.     

基于Copula-ASV-EVT-CoVaR模型的中小板与创业板风险溢出度量研究

本文以条件在险价值(CoVaR)法为基础,结合Copula-ASV-EVT模型分析了我国中小板与创业板市场之间的风险溢出效应.结果表明,中小板与创业板市场之间存在双向风险溢出效应,且中小板市场对创业板市场的风险溢出效应强于创业板市场对中小板市场的风险溢出效应.此外,文章还分析了波动冲击对中小板与创业板的影响.最后,本文为风险监管以及投资者在中小板与创业板之间进行资产配置提供了建议.