世界经济与国际原油价格: 基于Kilian经济指数的协整分析

为了研究世界经济如何影响国际原油价格, 以协整理论为基础,通过建立误差修正模型分析了国际原油实际价格与世界经济、世界原油产量以及OECD石油库存的关系.特别地, 利用Kilian经济指数来反映全球经济状况. 研究结果表明:国际原油实际价格,OECD石油库存和Kilian经济指数存在着长期协整关系.在长期,Kilian经济指数对原油实际价格有显著影响,弹性大约为2.05%.随着全球经济扩张以及OECD石油库存下滑,即相对于长期均衡的负向离差加大, 原油实际价格上升, 反之油价下降. 短期内世界经济,OECD石油库存和世界原油产量变动是原油实际价格变动的Granger原因.     

基于遗传神经网络的指数跟踪优化方法

针对使用完全复制法进行指数跟踪的缺点和仅以跟踪误差作为指数跟踪目标的不足,以跟踪误差最小化和超额收益最大化两者的权衡作为指数跟踪的目标函数,综合考虑实际中的交易成本、现金、卖空限制等约束,建立指数跟踪优化模型,并采用二进制和实数值混合编码的遗传BP网络对指数跟踪管理中的资金进行优化配置.该算法能同时优化网络结构和权值矢量,并结合遗传算子和Solis Wets算子生成后代使遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度,提高了连接权系数的优化精度.跟踪深证100指数的实证结果表明:应用遗传神经网络算法进行指数跟踪的效果明显优于完全复制法,并且实现了目标指数的动态跟踪.     

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。     

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PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列,根据非线性协整的定义,利用基于粒子群优化最小二乘支持向量机的方法,对小样本非线性协整关系检验与非线性误差修正模型建模进行研究,设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究,在协整关系类型判断的基础上,实现了小样本非线性协整关系的检验,建立了预测舰船维修费指数的非线性误差修正模型,并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法,刻画了小样本系统的非线性协整关系,所建立的非线性误差修正模 型具有较好的预测效果,能够有效地预测小样本非线性系统.     

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。     

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．     

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。     

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.     

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．     

减小瞄准具动态误差、缩短稳定跟踪时间的有效方法

本文证明了在飞机武器系统的火力控制系统中，在适当条件下，选取阻尼系数Ｈ＝０，可缩短稳定跟踪时间，减少动态误差．     

基于多传感器数据融合的机动目标跟踪自适应学习方法

考虑到传感器对目标的观测都存在有偏差，同时针对雷达系统检测中存在漏检的现象，提出了一种适用于处理传感器漏检现象的多传感器融合方法。并以雷达／红外成像复合的双模制导体系下红外和雷达两种传感器对目标状态的检测和跟踪为例，给出一个完整的多传感器数据融合和目标跟踪自适应方法。该方法简单易行，鲁棒性强，通过对红外成像和雷达系统的数据融合和目标跟踪的数字仿真，表明该方法有效。另外，该方法同样适用于多于两个多传感器系统。     

基于unscented粒子滤波的红外弱小目标跟踪

为有效解决非线性环境中的红外弱小目标跟踪问题,提出基于unscented粒子滤波的目标跟踪算法。状态转移先验概率中未考虑当前测量对状态估计的作用,为克服传统粒子滤波算法采用状态转移先验概率作为粒子滤波建议分布的缺点,采用UKF生成粒子滤波的建议分布(UPF),并从中抽样粒子。由于考虑到当前观测值在状态后验估计中产生的影响,改善了目标状态估计的性能,且实验所需粒子数目大大少于传统粒子滤波算法所需粒子数目。用实际红外图像对所提算法做了仿真实验,结果表明,用该方法得到的状态估计结果优于用传统粒子滤波算法和用扩展卡尔曼滤波作为建议分布的粒子滤波算法获得的结果。     

基于跟踪误差的证券组合投资决策模型研究

假定投资管理者的证券组合和参考证券组合各自拥有自己的投资对象集 ,给出了一般情况下的基于跟踪误差的证券组合投资决策模型和模型的最优解 ,研究了对应最优投资策略的有效性和相对有效性 ,并对此最优投资策略进行了结构分析.     

Tracking method based on separation and combination of the measurements for radar and IR fusion system

A new distributed fusion method of radar/infrared (IR) tracking system based on separation and combination of the measurements is proposed by analyzing the influence of rate measurement. The rate information separated from the radar measurements together with measurements of IR form a pseudo vector of IR, and the corresponding filter is designed. The results indicate that the method not only makes a great improvement to the local tracker's performance, but also improves the global tracking precision efficiently.     

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法，通过构造多维动态可变的跟踪门，进行自适应跟踪起始检测，然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法，首先通过定义多个特征数据关联度，将单个有效观测的多特征信息进行融合，再对多目标进行综合数据关联。计算机仿真表明，该跟踪起始算法能够快速有效地进行航迹起始，数据关联算法的性能要优于传统的最近邻（NN）方法。     

利用地理信息的广义对地跟踪研究

地理信息能够减少由于地面目标由于机动而带来的建模不确定性,因而有助于提高对地跟踪性能。通过利用地理信息自适应精简目标运动模型集,提出了一种广义对地跟踪框架,以避免模型间的过度竞争,减少了计算负荷。基于此框架,进一步给出了一种广义的地图调整方差法(EMTV),并给出了自适应模型集精简及模型参数设计的策略。仿真结果表明,EMTV算法与传统的卡尔曼滤波及地图调整方差法(MTV)相比,有较好的性能。     

基于贝叶斯框架下LS-SVM的时间序列预测模型

将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择,建立起时间序列的非线性预测模型.在推断的第一层,选择模型的参数,在推断的第二层,选择模型超参数,第三层,选择模型的核参数,并选择相关输入变量.该模型应用于加州电力市场现货价格的预测,取得了较好的效果.