基于动态因果结构推断的SVAR模型识别:算法和仿真

给定任一满足递归结构假设的SVAR模型,存在一个与其是相同数据生成过程的线性动态因果结构模型,且SVAR模型系数矩阵与动态因果结构之间存在特定的对应关系,故同期变量间因果结构推断可以为SVAR模型提供正确的识别条件.同时还证明同期变量与滞后变量间动态因果结构推断能为同期变量间因果结构的正确推断提供有用信息.据此,在PC算法基础上,构建了动态因果结构推断的具体算法,将基于同期变量因果结构推断的SVAR模型识别拓展到基于动态因果结构推断,从而使SVAR模型得以完全识别的情形得到有效拓展,并给出了该方法下SVAR模型识别的充要条件,这些结论均得到了Monte Carlo仿真结果的有力支持.     

企业资本结构动态优化模型研究及实证

分析研究Leland(1998)于美国芝加哥财务联合会上提出的企业资本结构态模型，结合我国实际从理论上论证该模型在我国运用的可行性，并用我国沪深两市冶金行业和信息技术行业部分上市公司数据进行实证研究。实证结果表明：该模型对我国企业资本结构的理论研究和实际操作都有一定的指导意义，是可以运用并深入发展的。     

两因子CIR模型对上交所利率期限结构的实证研究

以上交所债券价格隐含的利率期限结构数据作为分析对象，利用推广的卡尔曼滤波法，实证分析了连续时间的两因子CIR模型，发现估计出的两因子CIR模型能够反映实际观测到的利率期限结构的形状，模型下的利率期限结构与实际观测到的利率期限结构形状基本相同．但估计出的两因子CIR模型对利率期限结构的预测误差具有一定的序列相关性，说明估计出的两因子CIR模型没有充分反映债券回报率和利率期限结构的可预测性．实证表明估计出的CIR模型可以用于上交所债券的定价，但用于利率期限结构变化的预测会产生一定的系统偏差．     

广义动态因子模型在景气指数构建中的应用——中国金融周期景气分析

传统的景气指数构建方法,例如广为应用的OECD合成指数方法,不能刻画动态性及指标间的关系,而只能构建单一景气指数.广义动态因子模型方法,不仅可以反映经济系统的动态联系,而且可以在一个统一的框架下同时构建多个景气指数.然而,该模型引入对称滤子导致实时分析存在滞后性.该文首先对算法在样本尾端进行单边化处理,解决实时分析的问题;其次,应用广义动态因子模型,在统一的模型框架下,同时分析中国的货币、信贷、利率等子周期,在此基础上构建了中国的金融周期景气指数,分析中国金融周期的波动及其与重要宏观经济指标间的动态关系.     

一种有新任务到达的多卫星动态调度模型与方法

基于动态约束满足问题,针对初始方案执行过程中任务动态到达的情况,以最大化完成任务的优先级之和,并使新任务到达后,对原方案的调整最小为目标,建立了多卫星动态调度模型,提出了模型求解方法,最后给出了仿真算例,对模型和算法进行了验证.     

基于投资结构优化与经济均衡增长研究的动态模型

运用投入产出分析法建立一类动态宏观经济模型．讨论有时滞的开放的经济系统中，投资结构优化与经济增长之间的数量依存关系。     

一类企业物流中心动态选址模型研究

首先探讨现阶段物流中心选址建模问题的新特点.其次根据需求动态变化的特点,将规划期分割成几个有代表性的周期,运用随机机会约束规划作为建模工具,以规划期内物流运作总费用和费用变动最优为目标,建立了多周期的企业分销物流中心随机机会约束动态选址模型最后对该模型的分析和处理进行了讨论,并通过算例论证了该模型的可行性和有效性.     

基于离散动态贝叶斯网络的辐射源目标识别研究

提出基于离散动态贝叶斯网络模型,对若干可观测的目标特征参数进行综合推理.推导了离散动态贝叶斯网络的推理算法.建立了目标识别的离散动态贝叶斯网络模型.应用图形模式,使得计算量大大简化,降低了实用的复杂性.仿真结果表明,该方法能够将各种目标特征进行综合,使得各种特征及不同时刻的同一特征互相修正补充,克服了依靠单一特征进行目标识别的局限.     

金融市场动态相关结构的研究

为了研究金融市场间非线性的动态相关结构,提出了一类具有变结构特性的分阶段Copula模型以及相应的二元正态Copula模型变结构点的诊断程序.构建了分阶段二元正态Copula-GARCH模型并用于上海股市各板块之间动态相关结构的研究.结果表明,在刻画金融收益序列之间动态相关结构的能力上,变结构二元正态Copula模型优于时变相关二元正态Copula模型.     

基于RBF神经网络的柔性机构动态响应辨识模型

通过神经网络技术对柔性机构复杂的非线性动态响应进行辨识,建立了柔性机构运动参数的辨识模型。利用径向基函数(radial basis function,RBF)神经网络优异的非线性逼近能力,建立了柔性机构动态响应的辨识模型。将机构的驱动力矩、阻尼力矩和非线性运动参数分别作为RBF神经网络的输入样本和期望输出样本。建立了RBF神经网络的拓扑结构,利用样本数据对其进行训练。通过空间站柔性展开机构模型进行动态响应的辨识,结果表明辨识的收敛速度快,精度高。该方法为复杂大系统的建模和分析提供了一种理想的途径。     

基于离心机测试的惯导平台误差系数辨识研究

为解决惯导平台误差模型辨识中与加速度高阶项有关的误差系数的辨识问题,提出一种基于离心机测试的惯导平台误差系数辨识的方案。通过分析惯导平台在过载状况下的受力,给出惯导平台在离心机上的安装定向及其误差系数的辨识方案。按该方案利用扩展卡尔曼滤波估计算法在某型惯导平台上进行误差系数辨识实验。结果表明,此方案可有效地辨识出惯导平台误差型中与加速度高阶项有关的误差系数,且精度较高。     

基于时刻表的轨道交通网络动态配流模型研究

目前轨道交通配流问题的研究多以静态为主,难以描述乘客流量的动态变化特征,而轨道交通的网络化和基于时刻表的运行方式使得应用基于时刻表的动态配流方法研究轨道交通网络上的流量变化成为顺理成章的事,本文正是研究了轨道交通网络上的基于时刻表的动态配流模型.首先根据轨道交通网络的运行特点建立轨道交通的时空网络,表示并分析了时空网络上路径和路径费用的组成.然后建立了轨道交通时空网络上的均衡配流模型(user equilibrium),并通过相继平均算法(MSA)对模型进行求解,在传统的Dijkstra算法的基础上改进了最短路径的搜索方法.最后通过北京轨道交通网络的局部线路对本文的模型和算法进行了验证.     

基于隐马尔可夫模型的动态跳频信道接入算法

针对认知无线电信道接入中存在主用户和次级用户相互干扰、吞吐量下降的问题,提出基于隐马尔可夫模型的动态跳频信道接入算法。由于长时段的数据传输造成次级用户无法及时切换信道,将数据传输时段分为多个跳频时段,构建隐马尔可夫模型预测可用信道,建立跳频信道集合,设计动态跳频序列,使信道接入的效率更高。理论分析与仿真结果表明,该算法能够有效降低各级用户之间干扰概率并显著改善系统吞吐量,增加系统可靠性和信道利用率。     

动态投资组合保险模型优化研究

基于Merton(1971)的最优消费和投资组合策略模型,利用无风险资产、风险资产复制卖权的方法,建立连续时间条件下的动态投资组合保险模型.在连续时间条件下,把投资者的个人跨期动态投资组合保险决策问题转换为一个静态的效用最大化问题,解出组合保险者最优财富水平对应的最优策略,比较其与Merton的最优投资消费模型投资策略的异同,结果显示参与保险的投资者最优策略与其所拥有的财富无关,与市场风险相关,即市场风险越高,对投资组合保险的需求越大.     

基于随机特性的航空机票动态超售模型

将预售期内旅客的订票行为视为Poisson过程,在对未来预售期内旅客订票数量预测的基础上,建立考虑旅客订票随机性的航空机票动态超售模型;推导了模型中未来预售期内旅客订票数量的分布律,根据实际操作中航空公司对超售上限限制的特点,给出了旅客No-Show和DB损失期望的计算公式;结合枚举法实现了对超售模型的求解,并根据模型特点提出了提高效率的求解策略;通过算例分析及数值仿真,证明了超售模型的合理性,验证了动态超售模型的有效性和可操作性,同时证明模型具有在不同的订票强度下,不断修正参数使得总收益增加的特点,仿真结果也反映出较低的DB风险水平,为航空公司机票预售策略的制定提供一定参考及实用价值.     

扇区动态容量评估方法研究

扇区动态容量评估是容量评估的难点和发展趋势,也是实现空中交通流量管理自动化的基础. 本文对扇区动态容量评估方法进行了研究,首先给出了扇区动态容量的定义,提出影响扇区动态容量的因素,并重点分析恶劣天气对扇区动态容量的影响,然后在结合扇区结构、民航规章、管制员工作负荷以及机载气象雷达等信息的基础上,建立扇区动态容量评估模型,最后选取典型扇区进行仿真,评估该扇区的动态容量. 评估结果验证了该方法的有效性和实用性.     

基于模糊神经网络的动态非线性系统辨识研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在5层静态模糊神经网络基础上进行了优化和改进,形成了可将暂态信息记忆于网络的动态回归层的动态模糊神经网络,来提高对动态系统的辨识能力。同时给出了参数的动态自适应学习算法。通过仿真实验,证明提出的动态模糊神经网络对动态非线性系统的辨识,可以取得较好的辨识精度,较快的网络收敛速度,为动态非线性系统的辨识提供新的思路。