基于卡尔曼滤波的期货价格仿射期限结构模型

由于受国内外多种因素共同影响,期货价格在短时间内变动较大,为准确拟合与预测期货价格,本文根据期货价格的行为特征,提出一个n因素的仿射期限结构模型,并基于卡尔曼滤波和极大似然法,以沪铜日结算价的面板数据为样本时期货价格的期限结构进行实证分析.结果表明,该仿射模型对沪铜是适用的,而且模型中因素数目越多,模型拟合与预测能力越强,其中,2因素的仿射模型可以较为准确地模拟期货价格的期限结构,3因素的仿射模型可以较为准确地模拟和预测期货价格的期限结构.     

基于小波基函数和Hammerstein模型的预测函数控制

针对实际对象的多变性和传统的预测函数控制只能对预测时域内有限的几个拟合点进行拟合,而未考虑整个预测时域整体逼近误差性能优化的问题,提出一种基于小波基函数和Hammerstein模型的预测函数控制方法.内部模型参数通过不断辨识,进行自适应校正.利用小波的紧支局部性和多尺度分析特性,既保证了整体误差性能的优化,又突出了重要拟合点的逼近要求,并实现了优化变量的集结.理论分析和仿真应用表明,该方法有更好的快速性和抗模型失配性能.     

NDGM模型的性质及预测效果分析

在近似非齐次指数序列的离散灰色模型（non-homogenous discrete grey model, NDGM）基础上研究了该模型的参数特性,分析了仿射变换导致的模型参数变化特征,结果表明,变换前后所得预测值仍然具有仿射变换关系,验证了NDGM模型对非齐次指数序列预测的无偏性。通过求解NDGM模型,给出针对一般指数序列的完全拟合表达式,并给出了求解近似指数序列最优拟合表达式的算法步骤。最后以1999年~2008年我国人均国内生产总值为例进行模拟和分析,验证了该方法在离散灰色预测中的可行性。     

多因子灰色$MGM^p(1,n)$优化模型

在多因子灰色模型的几种精确级差格式的基础上 .将误差融入级差格式 ,基于理想状态时的相对误差提出了一种新的灰色模型—— $MGM^p(1,n)$优化模型 .该模型对相对误差具有优良的抗噪性 ,实例表明该模型拟合效果和预测效果相当好.     

基于混频数据抽样的已实现波动率长记忆模型

基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显著提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.     

基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测

提出基于二进正交小波变换和残差GM(1,1)-AR方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用灰色残差模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果表明,这种方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

ACPH分布数据拟合的封闭形式EM算法

ACPH(Acyclic continuous phase type)分布类在[0,+∞)上的全体连续概率分布函数类中稠密,是具有通用性的概率分布类.提出采用EM(Expectation maximization)算法解决ACPH分布的数据拟合问题,给出了ACPH分布数据拟合的封闭形式EM算法,并通过6个拟合实例验证了该方法的有效性.     

特征自适应型GM(1,1)模型及对中国交通污染排放量的预测建模

兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM(1,1)模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM(1,1)模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM(1,1)和CAGM(1,1)模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.     

基于灰色马尔可夫SCGM(1 ,1) C 模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM(1,1)C模型.用单因子系统云灰色SCGM(1,1)C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979~2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.     

基于MPC方法的供热系统一次侧流量实时预测

基于模型预测控制方法,使用离散的受控自回归模型建立二级网动态热传输滞后模型与热力站模型,结合机器学习算法中的多项式拟合方法对二级网模型和热力站模型中的参数进行辨识校准,并基于模型结果对未来工况条件下的热力站一次侧流量进行预测,为供热系统质量调节提供依据.使用实测数据对模型进行了验证,实际偏差在5％以下,为供热系统流量调...     

考虑响应共变特性的多响应稳健参数设计

针对响应共变特性的稳健参数设计问题,在多任务高斯过程(multi-task Gaussian processes,MTGP)建模框架下,结合质量损失函数和考虑响应不确定性的优化函数构建了一个考虑输出响应不确定性的MTGP(uncertainty of MTGP,UNMTGP)优化模型。首先,利用MTGP模型拟合实验数据,构建考虑响应间共变特性对优化结果影响的多元高斯模型。其次,提出考虑输出响应不确定性的优化目标函数,构建多响应稳健优化模型。最后,结合全局优化方法,获得最优参数设计。此外,结合真实案例,利用质量损失函数的相关评价指标,论证所提方法的有效性。结果表明,所提方法考虑了响应共变特性和输出响应不确定性对优化结果的影响,有效改善了模型的预测质量,提升了输出响应的稳健性。     

信息技术发展对城市交通客流量替代作用的定量研究

在分析研究信息技术的发展和应用对城市交通客流量具有替代作用的基础上 ,构造了两者之间的数学模型 ,并给出了利用多项式最小二乘拟合和方差分析法求解替代函数的一般过程 .利用上述模型和方法 ,本文就上海市 1989年至 1997年信息技术的发展和应用对城市交通客流量的替代函数进行了拟合 ,计算结果证明拟合是成功的.     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

公司债券违约率的结构化模型研究

采用期权定价和违约率函数的结构化处理方法建立估计公司债券违约率的模型，应用美国国内公司的整体数据给出了将模型具体化的处理方法，得到一个带马尔可夫链的违约率函数。根据实证数据的初步检验，该函数的拟合效果比较理想，可用于估计一般性上市公司群体的债券违约率。文中的处理方法具有良好的可行性，只要拥有模型必需的股权价值、债务价值和违约率的数据，就能按照该方法将模型具体化，拟合出违约率函数，并由此来估计公司债券的违约率。     

曲线拟合滤波在无人机导航数据处理中的应用

针对无人机导航数据处理强实时性的要求,提出了一种利用曲线拟合外推法进行数据滤波的方法。该方法基于量测信息连续变化的特点,利用曲线拟合外推法得到量测信息的近似理论值,根据量测信息相对于近似理论值的偏差程度对其进行分类,按提出的数据处理结构模型分别进行滤波。该方法无需量测信息的先验知识,能够准确地获得实时导航信息,并且在小噪声扰动时处于稳定,对于过失误差有较强的鲁棒特性。通过仿真实验证明了该算法的有效性。     

取水监测数据的奇异值识别与修正策略

提高水资源监测数据的真实性与完备性是国家水资源监控能力建设的重要内容.本文基于当前国家水资源监控数据的实际统计状况,提出采用小波变换模极大值的方法实现对取用水监测数据的降噪和奇异值的挖掘,并将辨识出的奇异值进行剔除处理后的监测数据序列作为粒子群-最小二乘支持向量机模型的训练样本,进而根据拟合函数对奇异值进行修正的策略.通过对重点取用水户的取用水监测数据进行实证研究结果发现,利用小波变换模极大值可较大限度地保留取用水监测数据的原始信息,并实现对其中变动幅度偏大数据的分离,可有效降噪并观测取用水监测数据的内在变化规律;同时借助相对误差可进一步挖掘监测数据中存在的奇异值,且辨识效果要好于传统统计方法;而粒子群-最小二乘支持向量机模型对取用水监测数据的样本拟合要比普通最小二乘支持向量机、曲线拟合等方法更为有效,运用该方法修正的取用水监测数据奇异值更加符合实际取用水需求的特点.     

Moving Average Model with an Alternative GARCH-Type Error

Motivated by the double autoregressive model with order p(DAR(p) model), in this paper,we study the moving average model with an alternative GARCH error. The model is an extension from DAR(p) model by letting the order p goes to infinity. The quasi maximum likelihood estimator of the parameters in the model is shown to be asymptotically normal, without any strong moment conditions.Simulation results confirm that our estimators perform well. We also apply our model to study a real data set and it has better fitting performance compared to DAR model for the considered data.