复杂系统中统计相关性测量的熵方法研究

在熵方法定义的关联度系数法的基础上，提出了一种计算复杂系统统计相关的广义关联度系数法，并将其应用到生态经济区划和中医理论（齿痕舌出现的特点）中，进而证明了该方法的有效性、结果表明：广义关联度系数法在计算时不需要特定的数据，从而减小了数据的不确定性和计算量；既适用于线性的情况也适用于非线性的情况；复杂系统分类所需的判据减少，使复杂系统分类简单化；可以对系统变量（或子系统）之间的相关性进行定量的描述．     

基于等熵一致性风险测度的组合选择

本文基于一种新的一致性风险测度——等熵风险测度,进行组合优化,以检验其择股能力,从而检验其风险识别能力. 先就风险识别能力,尤其随机占优一致性对三种基于分位数的风险测度：VaR,ES（expected shortfall）和等熵风险测度进行了介绍与对比. VaR具有一阶随机占优一致性,而ES具有二阶随机占优一致性;等熵风险测度利用了整个分布的信息,不再是简单的0-1风险测度,这与VaR和ES显著不同. 而且,等熵风险测度具有更高阶的随机占优一致性,这使得该风险测度具有更好的风险分辨能力. 而后采用Spearman秩检验方法来检验和预测不同风险测度的风险识别能力,这与随机占优一致性阶数相呼应. 最后,在上证50指数成份股中采用组合优化方法,考察标准差,VaR,ES以及等熵风险测度情况下,优化组合持有期的不同业绩指标. 结果表明,等熵风险测度优化组合的业绩指标最好,表明该测度风险识别能力最高.     

基于熵的工程施工联合体风险分担ANP模型

通过提炼工程施工联合体风险分担影响因素,构建联合体风险分担ANP模型。以风险分担比例模糊综合评判所得隶属矩阵为信息基础,求解基于信息熵的ANP模型客观权重。结合ANP模型主观权重,利用相对熵原理获得ANP模型综合权重,并对风险最优分担比例予以求解,保证了不同决策信息及偏好信息的集结。通过算例分析,验证了所构建模型的可行性及合理性。     

极端事件下相关性风险对冲策略研究

当世界各国出现极端事件时,金融资产之间的相关性风险会显著上升,因此如何事前防范并对冲相关性风险成为金融风险管理及应急管理的重要而迫切的课题.由于指数波动率受到市场流动性、个股波动率与个股间相关系数的共同影响,而个股波动率不受个股间相关系数的影响,因此,当极端事件发生时,股票指数波动率会由于资产间相关系数的提高而大幅提高,这样股指期权的价格就会随之大幅升高.而个股期权价格仅受个股波动率影响,与相关性的变动无关,此时股指期权价格比个股期权价格高出来的部分就包含了"相关性风险"的溢价.从理论上说,股指期权价格因为包含了相关性风险的溢价,所以可以用来对冲个股组合的相关性风险.本文通过厘清指数波动率风险和个股波动率风险,从中剥离出个股间的相关性风险,并对相关性风险进行对冲.本文利用香港恒生指数期权及其成分个股从2007年3月1日至2011年8月31日的日数据进行实证研究,研究结果表明当极端事件发生时,恒生指数个股之间的相关性风险显著上升,本文所构建的相关性交易策略能够对冲组合中个股间的相关性风险,起到事先控制和防范个股之间的相关性风险的作用,并且给投资者带来一定的收益.     

金融市场组合风险的相关性研究

研究了上海、深圳两股票市场的相关模式.文章根据Copula函数的意义和广义帕累托分布(Generalized Pareto Distribution,GPD),建立了上海、深圳股票市场组合风险的相关结构模型.用GPD和Copula函数分别刻画了上海、深圳股票市场收益率序列的边缘分布以及变量间的相关信息.在此基础上构造了比较灵活的Copula-GARCH-GPD模型.实证研究表明沪深股市的相关模型为Clayton-GARCH-GPD.进一步用蒙特卡洛方法模拟的投资于两股票市场的组合风险表明,联合正态分布模型所得到的组合风险VaR明显地低于用Copula拟合的结果;在较高的置信水平下,Clayton Copula显示的结果更加安全.     

考虑风险相关性的软件风险多目标优化控制研究

研究软件风险控制的理论和方法,对提高软件开发成功率有着重要作用.面对软件风险管理的精细化要求,已有的单目标风险控制模型难以有效管理软件风险.本文将软件风险控制成本和软件风险暴露值作为控制目标,提出软件风险多目标优化控制模型.进一步将风险损失层面的相关性纳入风险控制模型,建立了考虑风险损失非可加性的风险控制多目标优化模型,刻画软件风险管理实践中存在的风险相关性问题.采用多目标粒子群算法对风险控制多目标优化模型进行求解,并采用一个软件开发项目的风险控制问题进行案例分析.分析结果表明,在软件风险暴露和软件风险控制成本两个目标之间近似呈现非线性置换关系,可以根据项目中风险控制成本的实际情况,快速找到对应的最优风险控制策略.考虑风险相关性的风险控制模型能刻画出软件风险管理实践中更加复杂的关系,给出更加符合实际情况的风险控制策略,对提高软件风险管理水平有着重要意义.     

基于小波互信息的辐射源脉冲分类

针对电子支援系统中实时识别截获的雷达信号类型,提出了一种基于小波互信息准则的辐射源脉冲分类方法。该方法首先对辐射源脉冲信号进行小波变换,获得不同尺度、不同时移下时频面的小波特征集,然后利用Parzen窗密度估计方法对小波特征集的小波系数估计出其概率密度函数,从而计算出已知脉冲类和所有脉冲实现之间的互信息,用单个脉冲即可实现不同辐射源的脉冲分类。计算机仿真结果表明了方法的有效性。     

基于VaR-GARCH模型族的我国期铜市场风险度量研究

描述了金融时间序列的一般特性,从收益的波动性与分布出发,组建起计算时变风险价值的VaR-GARCH模型族,并应用该模型族在3种分布假设下对我国铜期货的市场风险进行了实证分析.研究结果表明,基于广义误差分布的VaR-EGARCH模型能很好地刻画期铜收益的尖峰厚尾性与市场风险.同时,对期铜市场风险的变动趋势进行了详细剖析.     

基于熵可靠性的相对熵集结模型

针对传统的相对熵集结模型在赋权方面存在的缺陷,本文基于熵可靠性对其进行优化.首先利用广义熵的可靠性分析,剔除原专家群组中可靠性较低的专家,建立新的专家群组;其次基于熵的可靠性,确定新群组中专家的权重;最后将权重应用于相对熵集结模型中,来集结专家群组的一致性.算例结果表明,优化后的相对熵集结模型是有效的,而且可靠性得到很大的提高.     

基于Markov blanket和互信息的集成特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出一种基于近似Markov blanket和动态互信息的特征选择算法并将其应用于集成学习,进而得到一种集成特征选择算法。该集成特征选择算法运用Bagging方法结合提出的特征选择方法生成基分类器,并引入基分类器差异度进行选择性集成,最后用加权投票法融合所选基分类器的识别结果。通过仿真实验验证算法的有效性,以支持向量机(support vector machine, SVM)为分类器,在公共数据集UCI上进行试验,并与单SVM及经典的Bagging集成算法和特征Bagging集成算法进行对比。实验结果显示,该方法可获得较高的分类精度。     

基于双阶段互信息准则的多目标检测波形设计

在有限信噪比情况下,雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累,而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件,以假设概率与设计波形的加权和迭代波形发射,分阶段提出了基于单假设互信息最大化、基于多假设间互信息最小化的波形优化方法,实现了提升参数估计精度与降低发射脉冲次数的均衡处理。仿真验证了目标参数估计精度与目标检测性能间呈正相关关系,结果表明,基于双阶段互信息准则设计的波形能够快速检测多目标方位,提升目标检测性能。     

基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用

软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.     

基于k-近邻互信息的前向式变量选择方法及在水质参数软测量中的应用

软测量技术通过构造易测量的辅助变量与难测量的主导变量间的数学模型,实现对难测变量的实时预测.为有效分析辅助变量间的相关性和冗余性并实现变量精选,本文提出了一种基于k-近邻互信息的前向式变量选择方法.该方法以变量前向累加互信息值最大化为准则选择相关变量,同时计算每次累加变量与已选择变量子集间的互信息值来判断所累加变量是否为冗余变量,通过设定冗余互信息阈值,实现冗余变量的剔除,得到最优辅助输入变量子集.基于数值案例仿真结果验证了本文所提变量选择方法的可行性与有效性,在准确选取辅助变量的同时降低了算法复杂度.最后,该方法成功应用于污水处理过程中出水生化需氧量(biochemical oxygen demand,BOD)预测模型的输入变量选择上,利用精选出的辅助变量有效提高了模型预测精度.     

GIS分析与互信息属性约简的停车库选址决策

为了使城区立体车库的选址更加合理,充分发挥其建成后对交通缓解的作用,提出了一种城区立体停车库选址决策方法.通过采用地理信息系统分析方法,建立基于地理信息系统分析的规划选址立体车库属性信息数据,运用模糊粗糙集互信息属性约简算法挖掘出立体车库的选址与多种地理因素的关系知识进行属性约简,从而用地理信息分析和演绎推理相结合的归纳学习算法生成决策树和决策规则进行选址决策的评价及分析.对兰州市规划中的立体停车库选址建模仿真,仿真结果表明该方法能较好地运用在待求解问题中,从而为智能交通系统提供参考依据.     

基于DEA模型的基金业绩评估的主要方法

综述了评估基金业绩的主要方法，特别是分类介绍了新近基于DEA模型所提出的几种基金绩效评价指标，在简述不同指标的优缺点、国内在该领域的研究现状的基础上，指出有关DEA模型研究及其进一步用于基金业绩评估时所存在的其它亟待解决的问题。     

一种基于信息熵的强化学习算法

针对强化学习中探索和利用之间的平衡控制问题,提出了一种基于信息熵的强化学习算法。该算法利用信息熵的概念,定义了一种新的状态重要性测度,度量了状态与目标之间的关联程度,据此设计了一种探索机制,用于自适应调节学习过程中探索和利用之间的平衡;通过设置可变测度阈值的方法,对状态空间进行自主删减,最终生成合适的、规模较小的状态空间,从而大大节约了计算资源,提高了学习速度。仿真结果表明,所提算法具有较好的学习性能。     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。