正交复合材料层板的微损伤建模研究

复合材料基体横向开裂和分层损伤是正交层板的主要损伤类型,在由横向基体开裂而诱发的分层损伤对材料刚度衰减影响的研究中,考虑分层影响和模型计算精度先前模型两者难以兼顾.基于剪切滞后分析理论和完全抛物线模型构建方法,建立了修正的包含分层损伤的完全抛物线剪切滞后模型,并依此模型研究了应力与横向裂纹密度的关系,对材料刚度衰减进行了预测计算,并与其它几种模型进行了比较,结果表明,所建模型所得的预测结果与实验值符合得最好.     

融合经验模态分解与深度时序模型的股价预测

对股票价格的建模和预测是金融研究领域中一项重要而富有挑战性的工作,它对于投资者降低决策风险,提高投资收益具有重要意义.股票价格序列的非线性、高噪声、强时变性等复杂特性,使得现有的方法无法有效提高预测准确性.为了解决这个问题,本文提出一种基于技术因子经验模态分解与嵌入时间注意力网络(EAN)的股票价格涨跌预测模型TE-EAN.该模型利用经验模态分解对传统技术因子进行分解去噪,得到高频和低频的特征序列.然后将这些具有明显趋势特征的序列映射到新的表示空间中,同时利用深层门控循环单元学习依赖于时间的隐藏嵌入.最后通过时间注意力自适应地聚合时间维度信息以降低信息冗余,实现对股票价格涨跌的预测.同时,针对股票价格序列强时变性的特点采用顺序参数迭代更新的训练方法,进一步提高了预测的准确性.在随机抽取的25只沪深300指数成分股上的实验结果表明,该模型可以有效预测股票价格的涨跌,模型AUC最高达0.732.     

社会大数据信息下农户信用借款声誉计算模型与应用

农户信用借款信息的处理是农户信用评级中的一个重要环节.本文基于社会大数据信息研究农户信用借款声誉计算模型,分析对农户信用借款产生主要影响的七大因素:借款金额、借款期限、借款距离、联保因子、还款能力、反馈评分和近期声誉,并对这七大影响因素进行量化,然后在分别考虑农户在历史上从未借款、首次还款、当期无新还款和当期有新还款这四种不同的情形,相应建立了社会大数据信息下农户信用借款声誉计算模型,并通过两个实例对模型的应用进行有效性的检验.实例分析表明,在社会大数据信息下,采用本文所建立的农户信用借款声誉计算模型对农户声誉值的计算,结果能够很好地描述农户声誉值的变化趋势.由于这种变化趋势呈现较平稳光滑的变动,因此符合在具有社会管理功能前提下的声誉值变化特征,从而说明模型应用的有效性.该模型在实践中对农户信用借款声誉值的计算具有重要借鉴价值.     

TPE-XGBOOST与LassoLars组合下PM2.5浓度分解集成预测模型研究

在我国当前大气重污染的环境下,PM2.5浓度的预警预报工作显得尤为重要.由于PM2.5浓度时间序列具有高度复杂性与随机性等特点,且传统的PM2.5浓度分解集成预测方法没有考虑空气质量因素与气象因素的信息,仅靠PM2.5浓度的历史值难以准确对其精准预测.本文在对历史数据的分解下,对高频数据引入TPE-XGBOOST模型,对低频数据引入LassoLars模型,结合空气质量因素与气象因素反映分解特征的变化趋势,对PM2.5浓度时间序列展开预测研究.通过实验,该组合模型显示出了良好的预测效果,且相对于单一分解集成预测模型有较大的预测精度提升.     

基于价格强度模型的量价关系与交易策略研究

本文将股票日内高频价格序列分解为价格上涨事件和价格下跌事件,采用价格强度模型刻画股票价格的动态特征,并捕捉日内微观尺度下交易量对股票价格的影响.研究结果表明,交易量对价格起助涨助跌的顺势推动作用:上涨后放量有助于进一步提高股票价格,下跌后放量则进一步压低股票价格.此外,交易量的影响具有不对称性,上涨时的助涨效应较下跌时的助跌效应更为明显.基于价格强度模型设计的高频交易策略可以获得显著的超额收益,表明A股市场仍然不是弱式有效市场.相比于纯价格数据,交易量数据具有预测价格的额外信息.本文为高频价格动态研究提供了新的建模分析框架,同时为日内量价关系和市场有效性问题提供了新的证据.     

基于微分信息融合的Mean Shift改进跟踪算法

为提高传统均值漂移算法对低对比度图像的跟踪性能，提出一种融合图像微分特征信息的改进算法。根据图像8邻域微分值建立微分图像，利用微分特征建立目标模板和候选区域的微分直方图模型，并确定候选区中心位置的更新向量。将其与利用颜色特征信息确定的候选区中心位置的更新向量相融合，得到改进算法的更新向量。图像的微分信息包含了图像的细节信息以及像素的相对空间位置信息，提高了模型建立时信息的利用率，能够提高目标模型的建模精度。仿真实验结果表明，与传统均值漂移算法相比，改进算法在复杂的背景情况下具有更强的抗干扰性能，能够有效提高目标跟踪的稳定性。     

无模型隐含波动率及其所包含的信息: 基于恒生指数期权的经验分析

对香港恒生指数期权所含信息进行研究,并通过使用无模型隐含波动率对期权市场的效率进行直接检验, 结果发现:无模型隐含波动率所含信息最多, 它完全包含了所有历史波动率 所含信息,香港恒指期权市场是有效的; 在对未来一个月的预测中,无模型隐含波动率还完全包含了~BS~隐含波动率的信息, 在对未来两个月的预测中, 无模型隐含波动率虽不能完全包含~BS~隐含波动率,但仍然包含了最多的信息; 期权市场交易量的大小, 同时交易的不同行权价的期权的多少, 是影响无模型隐含波动率预测能力的重要因素;为追求积分密度进行过多人为的插值以及过大区间的积分,会导致无模型隐含波动率预测能力的降低,由此得到了无模型隐含波动率的相对合适的计算方式.美国已于~2003~年开始采用 无模型隐含波动率编制波动率指数.随着金融衍生品市场的不断发展,无模型隐含波动率在资产定价、风险管理方面将发挥越来越重要的作用.     

基于外部信息冲击的符号跳跃变差高频波动率模型

现阶段研究高频波动率的主流HAR-RV-跳跃模型仅考虑了与高频波动率有关的内生变量,忽视了外部信息冲击的影响,对高频波动率的估计和预测可能存在偏误.本文尝试将外部信息冲击引入到HAR-RV-跳跃模型中,构建基于外部信息冲击的符号跳跃变差高频波动率模型(HAR-VRV-跳跃模型).这类模型不仅兼顾内生因素和外部信息冲击对高频波动率的共同影响,还考虑了多元信息冲击的非对称效应.通过选取沪深300和中证500指数的高频交易数据作为研究样本,并利用滚动时间窗口预测和SPA检验对HAR-V-RV-跳跃模型的预测能力进行了评价,结果表明:HAR-V-RV-跳跃模型可以依据外部信息冲击的类型对高频波动率做出更准确的预测,其预测能力明显优于现有的HAR-RV-跳跃模型.但是,HAR-V-RV-跳跃模型对平稳期高频波动率的预测表现优于非平稳期.     

多维灰色模型阶数差异性优化与结构拓展研究

当前多维灰色预测模型对因变量和自变量取相同阶数进行建模,忽略了不同变量数据特征及物理属性之间的差异,导致了模型性能稳定性较差.为此,文章对因变量与自变量阶数进行差异性定义与优化,并引入非线性修正项以拓展模型灰信息结构,在此基础上构建了一种新的多维灰色预测模型.利用该模型对油气管道腐蚀速率进行模拟与预测,结果显示其综合误差(0.321%)优于其它三种主流多维灰色预测模型(3.035%, 2.212%和0.755%),实现了对油气管道腐蚀速率的有效建模.本研究改善了阶数对序列数据的预处理效果和对数据特征的挖掘能力,对提升多维灰色预测模型的建模能力具有积极意义.     

基于误差修正与分解的区间值股价时间序列预测研究

与点值数据相比,区间数据更能够从全局上刻画股票市场的内在结构特征.然而,已有关于区间数据的预测研究只关注误差序列的单次预测或原始序列的预处理,并且所采用的方法通常不能充分地提取区间值股价时间序列的主要特征.因此,本文提出了对区间值股价时间序列进行预测的误差修正与分解方法.鉴于误差序列在组合预测模型中的作用,本文首先采用Ljung-Box检验和机器学习模型对原始序列产生的区间值误差序列进行检验和修正.接着,利用双变量经验模态分解技术将修正后的误差序列分解成多个本征模态函数(IMFs)和一个残差.随后,利用单个机器学习模型对除了IMF1分量外的各个IMFs分量和残差分别进行预测.最后,将原始序列和误差序列的预测值进行组件聚合,重构出区间值股票价格的预测值.进一步,在提出方法的基础上,本文构建了基于误差修正和分解的区间值股价预测模型,并利用真实的股票市场数据进行实证分析.实验结果表明,所提出的方法在预测精度方面明显优于一些传统方法.     

投资者情绪影响香港股票市场吗?

本文选取香港股票市场的封闭式基金折价率,initial public offering(IPO)首日收益率,IPO数量,市场成交量和换手率等五个原始情绪指标,利用主成分分析法构造了综合投资者情绪指数,然后应用autoregressive moving average-generalized autoregressive conditional heteroskedasticity(ARMA-GARCH)族模型分别剔除了综合投资者情绪指数与香港恒生指数中的趋势因素和季节因素等外在影响,对ARMA-GARCH模型的残差作相关性分析和Granger因果关系检验.研究表明,ARMA-GARCH族模型能有效处理投资者情绪指数和香港恒生指数的自相关性和异方差性.Granger因果检验发现在短期内恒生指数收益率是投资者情绪的Granger原因,即当香港股市处于上升阶段时,投资者情绪会更加乐观,而当股市处于下降阶段时,投资者情绪则会变的更加悲观.     

基于股市和汇市成交量信息视角的股价波动预测

以往研究忽略了汇市成交量包含的信息对股价波动的影响,可能导致模型参数的有偏估计.基于泊松分布的随机波动率模型不仅可有效解决传统做法对成交量信息使用不足的问题,而且通过将汇市成交量信息引入模型,与现有文献形成有益补充.通过SMC算法编程实现了SV-VOL模型的有效估计,发现股市成交量信息有助于股价波动预测;汇市成交量信息是通过股市流入净资本这一间接渠道最终影响股票收益率与股市量价关系.     

基于马尔可夫毯时序回归模型的房地产板块指数预测

房地产板块是中国股市的核心行业板块，房地产板块股价指数走势的分析有助于对中国股市态势的正确把握. 针对行业板块之间的相关性难以发现和房地产板块股价指数难以有效预测的问题，基于股市行业板块之间指数波动的相关性，利用马尔可夫毯学习算法选择与房地产板块相关的行业板块，通过因果分析避免现行方法中选取相关板块的主观性；进而，利用Granger因果检验从中选择与房地产板块存在时序因果关系的板块，从而构建房地产板块的向量时序回归模型，实现对房地产板块股价指数的有效预测；最后，通过脉冲响应和方差分解对模型进行分析. 对于上证股市所进行的实验比较和实证分析的结果表明，该方法能有效预测房地产板块股价指数的走势.     

基于激励机制的美式股票期权相对多指数化模型设计

在指出传统股票期权缺陷基础上,借用欧式股票期权多指数化和相对化设计的思想,结合美式期权特点构建了美式相对多指数化股票期权约定价格和定价模型,从而设计出美式相对多指数股票期权激励契约.在对定价模型进行静态比较分析和与欧式期权对比分析中,得出了美式相对多指数股票期权比欧式相对多指数化股票期权具有更大的Delta系数,很好考虑了激励中不确定性问题,即具有更大激励效率的优点.     

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.     

基于随机模拟和VaR模型的投资组合优化研究

投资组合的优化旨在对资金进行分配组合,得到各项资产的最优分配权重,并在权衡投资收益和风险的基础上使投资达到期望效用最大化.在研究过程中,首先运用Monte Carlo随机模拟方法预测各资产的收益率期望值,计算出收益率标准差和各资产间的相关系数,进而求解资产的组合风险.然后将VaR(Value at Risk)条件引入到模型中,建立以资产组合收益为最大目标,以资产组合的VAR为约束条件的投资组合优化模型,计算出资产分配比重.最后通过实例分析资产价格走势和检验分布假设,验证模型的合理性和可行性,为投资者的决策提供理论和应用依据.     

中国股市仿真系统建模及其非线性特征研究

作为新兴的股票市场,中国股票市场还不成熟和完善,用传统方法很难建模.在交易者模型中引入了噪声交易者模型,并加入政策因子,应用遗传算法来进化预测规则,建立了Agent的价格预期模型.同时根据中国股利收益率偏低的特点,建立了中国的股利动力学模型.在此基础上建立了中国股票市场仿真系统.对该系统进行模拟及分析,发现仿真系统与真实市场同样主要的非线性动力学特征--分形和混沌动力学特征.这一研究对挖掘中国股票市场的演化规律和混沌动力学产生的关键因素具有重要意义.     

基于序次Probit模型的离散股价研究

分析股票日内价格行为需关注高频分笔交易的价格离散特征.本文使用沪市个股高频分笔交易数据,采用序次Probit模型对离散股票价格建模分析.结合我国股市限制卖空与订单驱动的制度背景,考察了交易时间间隔、交易量和订单信息对价格变动的影响.研究结果表明,序次Probit模型可捕捉价格离散特征.较长交易时间间隔可能预示坏消息,使股价下跌.相对于卖方交易量,买方交易量更具有信息含量.订单信息影响价格变动,买方较多时股价上涨,卖方较多时股价下跌.     

基于价格不完全揭示信息资产定价的B股折价

我国B股折价问题作为证券市场分割的异例,受到国内外众多学者的关注.注意到投资者情绪和股票流动性在股价上涨和下跌两个方向的不同作用,本文分别对A股和B股建立了价格不完全揭示信息的理性预期均衡资产定价模型,来研究投资者情绪和噪音交易者行为对B股折价的影响,并通过实证研究对模型结论进行了验证.本文的研究结果表明,A股不知情者的情绪与B股折价正相关,A股噪音交易者行为与B股折价负相关,B股噪音交易者行为与B股折价正相关,同时,由于制度原因造成的系统性差异也是B股折价的一个重要原因.     

高阶马尔可夫链平稳分布的存在唯一性

探讨了高阶马尔可夫链模型中周期对极限分布的影响, 分析了高阶模型中多步转移概率矩阵的连通性与链的平稳分布的关系, 证明了高阶马尔可夫链平稳分布的存在性与唯一性条件, 完善了高阶马尔可夫链的参数估计理论. 然后应用高阶马尔可夫链模型对我国股票指数进行建模分析, 参数估计表明我国股价存在相邻相依度, 并对预测结果与传统模型进行了比较.