基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本

基于中国股市遂笔交易数据,有效利用全样本不规则采样数据,采用二尺度已实现波动率(TSRV)方法对我国股票市场分离噪音下的日波动率进行估计,并将TSRV方法拓展至日内高频时段,结合RV模型进行了对比研究,研究结果正示逐笔交易数据相对传统起高频数据包含更多的交易信息,噪音的存在严重的干扰了波动率估计,TSRV方法在中国市场条件日间和日内都具有较好的适用性,能有效别出微观结构噪音对波动率估计的影响,提高波动率的估计精度和稳定性.实际应用中,TSRV方法对低频采样频率的选取具有很好的鲁棒性.     

数据缺失的小样本条件下BN参数学习

引入支持向量机回归,提出具有数据修补功能的贝叶斯网络参数学习算法.该算法利用贝叶斯网络各观测节点不同时刻下的观测信息,在无先验信息约束下,通过样本回归对缺失数据进行修复.在获得的完整数据基础上利用最大似然估计完成贝叶斯网络参数估计.仿真结果表明,在有数据缺失的小样本情况下,该参数学习方法与标准EM算法相比,能够有效的提高参数学习效率以及推理结果的精度.     

大规模网络存储系统数据访问抗毁性建模与评估方法

采用网络模型的方式对大规模网络存储系统进行结构建模,并根据网络存储服务关系建立了描述数据访 问毁坏程度的基本指标.在此基础上, 研究了大规模网络存储系统物理拓扑与逻辑拓扑的统计特征,对具有 统计特征的网络模型进行数据访问抗毁能力的分析; 最后,探讨网络模型的数据访问抗毁性评估方法, 设计不同类型的数据访问抗毁测度并且通过示例验证评估测度的有效性.     

基于强跟踪滤波器的液压伺服系统实时故障诊断

为了在线监测运行工况和提高其可靠性,研究了液压伺服系统的实时故障诊断模型和方法.使用强跟踪滤波器联合估计系统的状态和未知时变参数,使用修正的贝叶斯算法检测故障和估计出故障的幅值,从而建立故障诊断模型和实现液压伺服系统的实时故障诊断.仿真结果证实了模型的合理性和可行性,参数估计误差小于1.2%.该方法对模型参数的不确定性具有较强的鲁棒性,能正确检测和分离液压伺服系统的故障.     

基于极值理论的高频条件VaR动态区间估计模型

为了更加精确地度量在险值的估计精度,基于广义极值理论推导了条件极值VaR的动态区间估计模型,得到了条件极值VaR置信区间解析解的一般形式,对在险值的估计精度进行了实时度量.利用高频数据重点考察了不同置信水平和不同样本容量分块下的条件极值VaR区间估计结果的精度和模型的有效性.结果表明:条件极值VaR的动态区间估计模型与参数法、非参数法以及蒙特卡罗法区间估计模型相比,不仅能够更为有效地捕获极端条件下收益率时间序列的动态特征,而且具有更好的估计精度,精确和有效地描述VaR的估计风险.     

威布尔部件的经验贝叶斯评估

在逐步增加Ⅱ型截尾寿命试验下, 讨论了威布尔部件可靠性指标的估计及性质. 基于Linex损失函数, 给出了威布尔部件寿命分布参数、可靠度函数及失效率函数的一致最小方差无偏估计、贝叶斯估计及经验贝叶斯估计, 并证明了经验贝叶斯估计的渐进最优性. 最后运用Monte-Carlo方法对各种估计 的均方误差进行了模拟比较. 结果表明, 经验贝叶斯估计精度高.     

基于贝叶斯估计的高精度ISAR成像

基于贝叶斯估计原理,提出了一种贝叶斯逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像算法。基于最大后验概率准则建立ISAR成像模型,利用回波数据进行统计参数估计,以实现ISAR成像的自适应表征,从而提高ISAR成像的精度。特别是运动误差相位估计和ISAR图像的重构通过求解最优化问题实现,而未考虑误差相位的具体形式,具有较高的鲁棒性。此外,本文方法在低信噪比 (signal-to-noise ratio, SNR)条件下,可以取得良好的聚焦效果,具有较好的噪声抑制能力。最后,贝叶斯估计问题转换为最优化问题进行求解,利用快速傅里叶变换及其逆变换（fast Fourier transform/inversed fast Fourier transform, FFT/IFFT）和矩阵对应点乘（Hadamard乘积）操作,有效提高该算法的效率。基于实测数据的实验验证了本文算法的有效性。     

基于多分形波动率测度的ES风险度量

多分形波动率(Multifractal Volatility,MFV)是一种最近提出的金融市场波动率测度方法。以上证综指和标准普尔500指数的高频价格数据为例,构造了多分形波动率测度的lnMFV-ARMA动力学模型,并运用基于Bootstrap方法的后验分析过程,实证对比了lnMFV-ARMA模型与其他6种常用波动模型对ES(Excepted Shortfall)风险测度的估计精度差异。实证结果表明:在所考察的大多数分位数水平下,lnMFV-ARMA模型对ES风险测度的估计精度都优于许多现有常用波动模型,特别是对标准普尔500指数的极端价格波动风险具有最优的刻画能力。     

基于偏t分布realized GARCH模型的尾部风险估计

借助偏t分布realized GARCH模型,提出同时考虑高频和低频信息的尾部风险估计方法,分别纳入RV、RRV和BPV构成尾部风险估计的对比模型,并利用上证综指高频数据进行实证分析.实证结果表明:相比EGARCH模型,realized GARCH模型能够提供更准确的VaR和ES估计;纳入对微观结构噪声和跳跃稳健的已实现测度有助于提高VaR和ES估计的准确性;realized GARCH模型在尾部风险估计中的表现对次贷危机前和次贷危机后两个不同的样本期间稳健.     

贝叶斯网络个人信用评估模型

研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较.结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

基于ECA规则的业务流程效率实时管理方法

业务流程效率是企业业务运营管理中非常关键的性能指标之一. 针对目前业务流程性能研究缺乏实时、定量分析的问题, 提出了应用ECA规则监控业务流程效率的实时管理方法. 从业务流程效率分析指标体系出发, 给出了业务流程效率实时管理框架, 构建了多维数据仓库关系模型, 探讨了业务流程效率监控的ECA规则以及业务流程效率实时管理控制引擎. 以某企业的服装订单合同评审业务流程为例, 通过对比测评, 表明采用本方法实施业务流程效率管理后, 整体流程执行效率提升了10%左右, 业务活动执行的平均时间减少了15%左右.     

低位截断瑞利噪声的统计推理

预警雷达抗噪声压制干扰评估通常需要对量化后的瑞利噪声样本进行估计,在实际雷达系统中受硬件采样位数限制有时会舍弃噪声样本的低位数据,相当于进一步提高了噪声的量化误差,这时采用截断后的噪声样本计算均值会造成很大的估计偏差。为了有效运用低位截断后的噪声样本进行噪声估计,基于多项分布和瑞利分布推导了分布参数的最大似然估计方法,并证明了对数似然函数的凸函数性质以及后验分布为对数凹分布的性质,在此基础上提出了无信息先验贝叶斯估计方法和共轭先验贝叶斯估计方法。仿真数据实验验证了所提的极大似然估计、无信息先验贝叶斯估计和共轭先验贝叶斯估计算法的有效性,且对比分析了贝叶斯估计相对于极大似然估计的优越性。     

系统实时性能可靠性评估的贝叶斯方法

多数产品或系统的失效可归结为其潜在的退化过程,且系统退化通常为隐含的过程而无法直接观测或测量。针对隐含的退化过程不可直接观测的特点,本文提出一种基于状态空间模型的产品退化建模方法,以系统运行期间采集的性能数据为基础,结合贝叶斯估计理论,实现了对系统隐含退化状态的在线估计与预测,以及对系统性能可靠性的实时评估。以民航发动机为对象,通过对实际收集的性能数据的分析表明,本文所提方法能够较好地用于系统性能可靠性的实时评估。     

Processing for Zero-Failure Data of the Products

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｔｈｅｔｉｍｅｅｎｄｅｄｒｅｌｉａｂｉｌｉｔｙｔｅｓｔｓ,ｔｈｅｐｒｏｂｌｅｍｏｆｚｅｒｏ ｆａｉｌｕｒｅｄａｔａｉｓｅｎｃｏｕｎｔｅｒｅｄｓｏｍｅｔｉｍｅｓ ,ｅｓｐｅｃｉａｌｌｙｉｎｈｉｇｈ ｒｅｌｉａｂｉｌｉｔｙａｎｄｓｍａｌｌｓａｍｐｌｉｎｇｔｅｓｔｓ .Ｔｈｅｚｅｒｏ ｆａｉｌｕｒｅｄａｔａｒｅｓｅａｒｃｈｉｓａｎｅｗｆｉｅｌｄｉｎｔｈｅｒｅｃｅｎｔｙｅａｒｓ ,ｂｕｔｉｔｉｓｕｒ ｇｅｎｔｌｙｄｅｍａｎｄｅｄｉｎｐｒａｃｔｉｃａｌｐｒｏｊｅｃｔｓ,ｓｏｉｔｈａｓｇ…     

基于经典贝叶斯方法的滤波模型参数估计

滤波模型作为一种主要的剩余寿命统计预测模型,其成功地工程应用很大程度上取决于参数的估计。而现代设备的昂贵造价、多次可靠性试验的不现实性导致了样本数据不足,这使得采用传统的参数估计方法不够准确。针对这种情况,首先利用专家对某些参数做出一定判断产生的主观数据对参数进行估计,然后,随着设备的投入运行和不断积累的客观数据,采用贝叶斯方法综合主客观数据进行参数估计。最后,通过案例和仿真算法表明了这种方法的优越性。     

一种粒子滤波预处理方法

粒子滤波(Particle Filter)是一种基于蒙特卡罗(Monte Carlo)的贝叶斯滤波方法,通常的SIR方法存在严重的粒子匮乏现象。用大权值粒子和小权值粒子的组合来取代小权值粒子,可以减小粒子权值方差,增加粒子多样性。仿真结果表明,在状态估计的初期,使得粒子迅速靠近高似然区域,精度得到了大幅度的提高。同时,算法的实时性也有很好的改善,适用于观测噪声和状态噪声较小的情况。     

Degradation data-driven approach for remaining useful life estimation

Remaining useful life (RUL) estimation is termed as one of the key issues in prognostics and health management (PHM). To achieve RUL estimation for individual equipment, we present a degradation data-driven RUL estimation approach under the collaboration between Bayesian updating and expectation maximization (EM) algorithm. Firstly, we utilize an exponential-like degradation model to describe equipment degradation process and update stochastic parameters in the model via Bayesian approach. Based on the Bayesian updating results, both probability distribution of the RUL and its point estimation can be derived. Secondly, based on the monitored degradation data to date, we give a parameter estimation approach for non-stochastic parameters in the degradation model and prove that the obtained estimation is unique and optimal in each iteration. Finally, a numerical example and a practical case study for global positioning system (GPS) receiver are provided to show that the presented approach can model degradation process and achieve RUL estimation effectively and generate better results than a previously reported approach in literature.     

Wiener过程性能退化产品可靠性评估的Bayes方法

在分析性能退化数据模型的基础上,针对Wiener过程性能退化产品提出了一种可靠性评估的Bayes方法,给出了参数的递推估计.该方法计算简单,并且能随着性能退化试验进行不断更新可靠性评估结果,而不需要重新处理历史数据,因而也适合于实时可靠性评估.最后通过金属化膜电容器可靠性评估实例分析验证了该方法的适用性,并进行了相关讨论.     

Study of testability measurement method for equipment based on Bayesian network model

To analyze and evaluate the testability design of equipment, a testability analysis method based on Bayesian network inference model is proposed in the paper. The model can adequately apply testability information and many uncertainty information of design and maintenance process, so it can analyze testability by and large from Bayesian inference. The detailed procedure to analyze and evaluate testability for equipments by Bayesian network is given in the paper. Its modeling process is simple, its formulation is visual, and the analysis results are more reliable than others. Examples prove that the analysis method based on Bayesian network inference can be applied to testability analysis and evaluation for complex equipments.