方向随机效果模型及其协方差结构

定义了方向随机效果模型(DREM)．这个模型是由随机效果Rasch模型发展而来．当连接函数是多项式或指数函数时，给出了DREM的协方差结构．当连接函数为一般形式时，给出了DREM的近似协方差结构．这些协方差结构和近似协方差结构与线性随机效果模型的协方差结构有相似的形式。     

多尺度随机过程的线性预测方法

在反射系数未知的情况下,给出了基于已知观察数据的各向同性多尺度随机过程的线性预测公式,并据此提出了偏相关向量函数的概念,与反射系数相比,偏相关向量函数可由观察数据确定,它反映了前、后向预测误差分量之间的相关程度,为了进一步研究该函数的性质,分析了偏相关向量函数与反射系数的关系,该关系表明,偏相关向量函数可用于自回归过程的阶数确定,数值实验结果验证了所给方法的有效性及良好 的线性预测精度。     

小波相关向量机

将小波分析与相关向量机结合,提出了一种新的机器学习方法——小波相关向量机．在模拟数据和典型数据集上的实验表明,与经典的相关向量机相比,小波相关向量机可以更好地逼近任意函数,训练时间更短,并且在有噪音的情况下具有更好的鲁棒性．     

利用连接函数方法改进信用风险度量模型

本文使用连接函数方法对联合分布的相依结构进行改进,分别提出用t-连接函数、指数连接函数和阿基米德连接函数代替正态连接函数。可以看到,使用不同连接函数使信用组合的损失分布发生较大变化,分布的尾部更厚,集中趋势也降低了。     

软件复用中的实体/连接构件设计方法

提出一种新的软件构件设计方法,引入了实体构件和连接构件的概念,给出了它们的描述形式．实体构件和连接构件具有相似的语义模型,它们都可以通过插口为其他构件提供连接服务．     

核PCA支持向量机算法研究

在核函数基础上,提出了一种融合支持向量机和核主元分析的核PCA支持向量机综合集成分类方法,给出了算法实现步骤。仿真实验表明了该算法具有很好的分类性能,特别适合于消除噪声情形的模式识别问题。     

整个螺栓结合部的法向连接动刚度及试验验证

根据一种修正双变量Weierstrass-Mandelbrot函数,获得了整个螺栓结合部法向连接动刚度的解析解.采用等效表面的结构函数,给出了识别结合部分形维数、分形粗糙度的理论与试验方法.以风电机组五面体加工中心上的横梁-导轨结合部为对象,以测试试件的试验模态为基准,按照相似振型相关分析和固有频率定量比较的原则,对整个螺栓结合部法向连接动刚度的理论解进行了验证,结果表明,理论模型的振型与试验振型相吻合,理论的固有频率与试验的相对误差在-4.3％～5.1％之间.     

基于结构张量与随机游走的图像分割算法

将结构张量与随机游走算法相结合,提出一种新的图像分割策略.算法通过分析结构张量特性,提出尺度向量的概念来计算像素间的连接权值,然后应用随机游走算法实现分割.利用尺度向量得到的权值刻画了图像局部的结构信息,更有效地实现了图像分割.此外,还提出了一种自适应各向异性的滤波函数,用以代替高斯函数对结构张量进行平滑,使所得到的结构张量可以更好地保留图像的复杂结构信息.实验表明,所提算法具有更好的分割准确性和稳定性.     

有一个内网点的多边形区域上的多项式样条函数光滑连接问题

应用光滑余因子方法,从多元样条空间的协调方程出发,研究具有一个内网点的多边形区域内不存在贯穿三角剖分条件下的两个二元二次多项式样条函数的光滑连接问题,给出了这样两个二元二次样条函数自然连接为一个二元二次样条函数的条件.并应用所得结论给出曲面光滑连接的一个例子.     

向量输出部分Bent函数的性质

根据向量输出部分Bent函数的定义给出了向量输出部分Bent函数的Walsh谱和自相关函数的等价条件.     

关于下尾相依Copula的若干性质

下尾相依Copula(LTDC)刻划了随机变量之间的尾部相依结构.对于Archimedean Copula的LTDC,讨论了其相依性随尾部水平变化的动态特性,建立了和谐序在LTDC变换下封闭的充分条件,同时计算了LTDC的下尾相依系数.     

半参数阿基米德Copula的理论应用

半参数阿基米德Copula族的生成元可由现有阿基米德Copula生成元得到,由于有独特的构造方式,该Cop-ula族具有灵活的相关结构,能"自适应"地描述数据中包含的相关结构.外汇市场的实证分析证实了该Copula族在描述相关结构时的灵活性,对选择何种Copula描述金融资产间的相关结构有一定的参考意义.     

随机变量的Kendall相关系数的推广

多维随机变量之间常常存在着复杂的相依关系，而度量相依关系指标大多只刻画二维随机变量之间相依程度。借助Copula工具及利用Kendall相关系数是和谐概率的线性变化的特点，将二维Kendall相关系数推广到n维，并在此基础上探讨其性质以及不同维度的Kendall相关系数之间的关系。     

基于Copula方法的条件VaR估计

给出了股价日内波幅的定义，并应用Copula方法得到了股票价格日内波幅和收益率的相依结构，以及两者之间的尾部相依系数．利用Copula相依结构可以估计出联合分布以及日内波幅条件下的条件分布，进而得到条件VaR的估计．最后对上证指数和浦发银行股票进行了实证分析和比较，获得了有意义的结果．     

国内外股票市场相关性的Copula分析

揭示了Copula函数和Kendall τ统计量的内在关系,选择最优的Copula函数描述了两变量的相关性结构,并采用Copula函数建立了变量尾部相关性的表达式．实例分析表明,Copula方法可以较好地描述国内外股票市场之间的相关性结构,便于计算尾部相关性参数,为风险量化管理提供了一种新途径。     

基于Copula的一个概率论反例的构造

Copula是描述随机变量间相关性的一个有力工具．利用Copula来构造概率论中有关随机变量的独立性的反例．首先以3-Copula为例构造了一个Copula族,继而通过这个Copula族,构造出随机变量X,Y,Z的联合分布函数,使得随机变量X,Y,Z中的任意2个都是独立的,但X,Y,Z不是相互独立的;最后通过例子说明,该方法较传统方法更为简洁有效．进一步地,这一方法可以应用到更高维数的场合．     

基于时变相关Copula的最小方差套期保值研究

在传统的最小方差套期保值的基础上,引入时变相关的正态Copula函数,借助Copula函数计算中位数相关系数,代替传统的Pearson相关系数,以提高套期保值效果.时变相关Copula函数的引入,可描述现货价格收益率和期货价格收益率相关结构动态变化的特征,从而解决套期保值效果结构性失真的问题;使用Copula模型计算中位数相关系数,弥补现有方法不能度量非线性关系的不足,解决当现货价格收益率或者期货价格收益率发生较大波动时套期保值比率确定的问题.实证结果表明:本研究提出的模型有效性高于传统的套期保值模型,利用本模型可以更好地规避现货市场的市场风险.     

基于Copula对随机变量间相依性的度量

在Copula基础上对随机变量相依的度量做了改进,得到和谐性指标τ的关于随机变量单调变换下的绝对值不变性,以及单调完全相依时的极值性,突破了相关系数ρ对相依性刻画的局限性.探讨二维正态分布中τ与ρ的关系,证明了二维指数分布下二者的等值性,给出了τ的估计方法及其方差的一般形式.     

一种确定最优Copula的方法及应用

对于给定的三种Copula模型,通过Genest ＆ Rivest非参数法和极大似然方法进行了参数估计,并加以图形分析,最后进行了拟合优度检验,得到了最优的copuda,应用于上证指数和深证指数,很好地描述了其相依结构．     

基于Eviews 与GS Copula 的金融市场相依性研究

为解决金融市场间波动的相依性问题, 对不同金融市场间高频数据极小值的相依性进行研究。在分析GS Copula 函数的模型方法和模型特点基础上, 研究了估计GS Copula 函数中参数的方法及正尾部相依性和负尾部相依性的模型, 并基于Eviews 软件和GS Copula 函数等理论对上证000001 指数和股指期货IF1112 指数5 min极小值的收益率序列数据的相依性进行了分析, 得出其收益率序列数据有很强的上尾部相依性。为在金融决策中降低风险提供了理论依据。