结构VAR模型辨识的条件互信息图模型

在结构向量自回归(VAR)模型辨识的图模型中引入信息论方法.定义了线性条件互信息图,图中的结点表示时间序列不同时刻的随机变量,结点间的边表示随机变量之间存在的因果相依关系.提出了随机变量之间条件线性联系存在性的信息论检验方法.图中边的存在性用基于线性条件互信息的枢轴量检验,枢轴量的显著性用置换检验决定.用统计分析的方法确定当前变量之间联系的方向,建立了有向非循环图.最后以模拟序列为例,验证了所提出的方法是可行且有效的.     

基于Shifted Legendre正交多项式的迭代学习控制方法

考虑用迭代学习控制方法来解决一类线性时变连续系统的终端控制问题。运用ShiftedLegendre正交多项式的展开技术,利用其正交性和边值条件,将线性时变系统的微分方程转化为代数方程,避免了在判断误差收敛条件的过程中求解线性时变系统状态转移矩阵。并采用高阶学习律来求控制输入的ShiftedLegendre系数向量,仿真实例验证了该方法的有效性。     

Unscented卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出unscented卡尔曼滤波-卡尔曼滤波unscented Kalman filte-ring-Kalman filtering,UKF-KF算法,该方法用UKF估计条件线性高斯状态空间模型中的非线性状态,用KF估计线性状态。为了有效地融合UKF和KF估计的后验状态分布,将蒙特卡罗方法应用于KF估计的线性状态均值和方差,获得了与UKF sigma点相同数量的后验线性状态估计分布的样本,然后将这些样本与UKF中sigma点进行合成去获得系统中非线性状态的估计。该算法应用于机动目标跟踪的仿真结果表明:与Rao-Blackwellized粒子滤波器(Rao-Blackwellized particle filter,RBPF)相比,该算法虽在估计精度上略有下降,然而计算时间明显降低,有效提高了实时性。     

数值求解多延迟中立型系统的渐近稳定性

给出并证明了多延迟中立型系统渐近稳定的克分条件；分析了用线性多步法求解多延迟中立型系统数值解的稳定性，基于Lagrange插值，证明了数值求解多延迟中立型系境的线性多步法渐近稳定的充分必要条件是它是A-稳定的．     

条件线性状态空间模型Rao-Blackwellized卷积滤波算法

针对条件线性高斯状态空间模型,提出一种新的状态滤波方法,称为Rao-Blackwellized卷积滤波（Rao-Blackwellized convolution filtering, RBCF）算法,算法用卷积滤波器（convolution filter, CF）估计模型中的非线性状态,用卡尔曼滤波器 （Kalman filter, KF）估计线性状态;与Rao-Blackwellized粒子滤波器（Rao-Blackwellized particle filter, RBPF）相比,算法使用了基于核函数的CF,提高了在小噪声条件下的估计精度。RBCF滤波算法应用于机动目标跟踪的仿真结果表明：在小噪声条件下,RBCF的估计精度明显高于RBPF,其对位置和速度估计的均方根误差比RBPF低一个数量级以上。而且随着噪声进一步的减小,这种优势将更加明显。     

时滞随机线性大系统的指数稳定性

针对一般随机线性时滞微分方程，给出了方程的平凡解的几乎必然指数稳定性的一个充分条件，由此利用时滞随机系统的比较原理建立一般时滞随机线性大系统的二阶矩指数稳定与几乎必然指数稳定新的代数判据．利用恰当的Lyapunov函数结合不等式技巧得到了这些条件．特别是用一个代数方程给出了依赖时滞的Lyapunov指数的估计．并用实例加以验证．     

时滞离散广义大系统的稳定性分析

从时滞离散广义大系统的满足容许条件的孤立子系统出发,利用李雅普诺夫方法,通过对关联矩阵、输入矩阵和非线性项加上范数有界约束条件,分别研究了时滞离散广义大系统的线性情形和非线性情形的稳定性问题。给出了时滞离散广义大系统的线性情形和非线性情形的稳定性判据,并且得到了关联稳定参数域。最后用数值例子说明所得稳定性判据的实用性和有效性。     

畜牧业发展模型与应用

本文以栾城为例,建立了畜牧业发展过程的数学模型。利用这个模型预测1982～2000年各阶段的自然发展趋势,然后在饲料一定条件下,用线性动态规划法寻求总产值最高的发展方案。 线性动态规划是动态规划的一种,从理论上讲可以用Bellman的动态规划方法计算,但是本课题规模大,所需存贮量大得惊人,即使运用高速计算机也无法实现。为了解决这个困难,我们构造了一种算法(见第二节),在一般微机上,仅用30分钟就计算出结果了。     

线性/线性-分式双级多目标决策问题的研究

讨论了线性 /线性 -分式双级多目标决策问题 ,给出了其解集的性质和一阶最优性条件.     

不确定离散广义线性系统的保性能最优控制

对一类具有范数有界时不变参数不确定性的广义离散时间线性系统和一个二次型性能指标,研究了其最优保性能状态反馈控制律的设计问题。通过采用线性矩阵不等式方法,导出了存在保性能控制律的一个充分条件,进而证明了该条件可化为一个线性矩阵不等式的可解性问题,并用这组线性矩阵不等式的可行解给出了保性能控制律的一个参数化表示。在此基础上,通过建立并求解一个凸优化问题,给出了最优保性能控制律的设计方法,最后用例子说明了该方法的应用。     

总风险约束的委托组合投资管理激励契约

假设管理者投资组合受总风险约束,通过委托代理模型和数值分析研究委托组合投资管理中基于业绩的线性契约激励效应.研究结论表明: 在总风险约束下,基于业绩的线性契约能激励管理者努力搜集私人信息;风险厌恶的管理者的期望效用和最优努力水平是其收益分享比例的增函数;总风险约束下的管理者的努力水平低于不存在风险约束时的努力水平,风险约束导致管理者信息价值的损失.研究结论从一个侧面解释了委托组合投资管理实务中线性契约被广泛采用的原因,并为私募基金风险管理和契约设计提供参考.     

区间数模糊投资组合模型

利用模糊约束将Markowitz投资组合模型转化为模糊线性规划模型，用区间数来描述证券的期望收益率和风险损失率，建立区间数模糊证券投资组合模型，利用区间数知识把区间规划问题转化为参数线性规划问题对该模型进行求解，通过算例阐述方法的有效性。     

随机线性二次最优控制在投资组合中的应用

提出一类随机线性二次最优控制问题,给出了一个新的随机黎卡提方程,若此方程有解,就可以得到系统的最优反馈控制;作为其应用,讨论了连续时间的均值-方差投资组合选择问题,其目标是投资组合的最终收益最大,风险最小,通过"嵌入"方法将其转化为随机线性二次最优控制问题,并在非自融资的条件下,得出最优证券组合;最后将其理论应用于实例分析.     

考虑大宗交易的均值-方差投资组合优化模型及其分支定界算法

由于大宗交易下边际交易费用递减,因此用线性加凹的函数拟合实际交易费用函数, 建立了均值-方差框架下的组合优化模型并给出了相应的求解算法.通过对恒生指数样本股的实证分析发现:考虑大宗交易的组合有效边缘介于线性交易费用和无交易费用的组合有效边缘之间; 大宗交易稀释了“分散化降低风险”的效应; 大宗交易下交易费用越大, 相对于线性交易费用而言组合集中度越高.     

基于线性矩阵不等式的动态投资组合鲁棒策略

考虑证券市场股票期望收益和协方差矩阵的不确定性,研究了基于线性矩阵不等式的动态投资组合鲁棒策略问题.在跟踪误差投资组合模型和鲁棒优化方法的基础上,提出了一种动态投资组合鲁棒策略和求解算法,采用上海证券市场交易数据,运用线性矩阵不等式进行了实证分析.结果表明,基于线性矩阵不等式的动态投资组合鲁棒策略是有效、可行的.     

一种求解带交易费的证券组合选择问题的线性规划方法

研究带交易费的最优证券组合问题 .交易费函数一般都假设为新的与已有的证券组合之差的 V函数 ,在某些假定下 ,带交易费的最优证券组合问题一般可以表示成一个不可微的双目标规划问题 .本文通过引进风险水平参数和变换等将不可微的双目标规划问题转化为一个线性规划问题 ,从而可以用单纯形算法等方法有效地求解带交易费的最优证券组合问题 .本文也给出了确定风险水平参数的一种方法 .     

下偏矩方法在行为投资组合优化中的应用

在行为投资组合优化过程中，机会约束的转化是一个关键问题。本文运用下偏矩的方法将机会约束转化为线性约束，并将证券的未来期望收益率表示为区间数，建立了一个行为投资组合优化模型，并运用中国证券市场的实际数据进行了实证分析。通过区间数的设置，投资者的认知状态和专家的知识被有机地融入到模型中，并且下偏矩中的收益率参考水平通过样本由模型内生，因此本文所构建的行为投资组合优化模型具有很强的包容性和实用性。     

A branch-and-cut approach to portfolio selection with marginal risk control in a linear conic programming framework

Marginal risk represents the risk contribution of an individual asset to the risk of the entire portfolio In this paper, we investigate the portfolio selection problem with direct marginal risk control in a linear conic programming framework. ＇The optimization model involved is a nonconvex quadratically constrained quadratic programming （QCQP） problem. We first transform the QCQP problem into a linear conic programming problem, and then approximate the problem by semidefinite programming （SDP） relaxation problems over some subrectangles. In order to improve the lower bounds obtained from the SDP relaxation problems, linear and quadratic polar cuts are introduced for designing a branch-and-cut algorithm, that may yield an e -optimal global solution （with respect to feasibility and optimality） in a finite number of iterations. By exploring the special structure of the SDP relaxation problems, an adaptive branch-and-cut rule is employed to speed up the computation. The proposed algorithm is tested and compared with a known method in the literature for portfolio selection problems with hundreds of assets and tens of marginal risk control constraints.     

投资组合保险策略最小风险控制

组合保险策略利用期权、期货或模拟期权等衍生金融工具对冲和转嫁风险，金融衍生工具以风险资产作为标的物，其价格受风险资产价格的影响，因此组合保险策略本身也将存在一定的风险。本文利用均值一方差法衡量组合保险策略风险，讨论在投资组合保险满足一定收益时风险最小条件下，保障投资组合保险策略实施的最低收益有效条件以覆最低风险控制条件．为我国开发坌融衍生工具奠定了理论基础。     

尾部相关性对投资组合VaR的影响分析

通过随机模拟,研究两种不同的风险度量(VaR和方差)与相关性之间的关系.当用方差度量风险时,资产收益率之间的线性相关性越小,资产组合的风险就越小.当用VaR度量风险时,收益率间的尾部相关性对VaR也有显著影响.如果资产收益率之间的线性相关性较小,而尾部相关性较大,则风险可能较大.