AC算法的EMD分解GMDH组合的预测模型及应用

引入EMD把含有多个震荡模式的数据分解为满足一定条件的多个单一震荡模式分量的线性叠加,对震荡模式分量应用非参数的AC算法,通过历史上相似时期的已知延拓进行预测,利用GMDH客观确定权重构建组合预测模型,并运用该模型结合原油期货数据进行实证。结果表明:用EMD方法改进AC预测模型提高了预测的准确性,在此基础上,GMDH的智能化权重的组合预测模型进行预测,结果显示,AC算法的EMD分解GMDH智能化权重组合预测精度更高。     

汇率预测的“米斯和罗格夫之谜”破解——来自非参数方法的回答

汇率预测非常困难,其波动具有时变性、随机性和模糊性等统计特征.现存文献中各种方法和模型的预测效果受很多因素影响,其预测力都不及随机游走模型,这就是汇率预测领域所谓的"米斯和罗格夫之谜(The Meese and Rogoff puzzle)".本文使用非参数方法研究汇率波动及其预测模型,发现较之任何参数方法、半参数方法都具有更大的灵活性.为了克服"维数魔咒",本文提出非参数可加模型来研究汇率预测问题.与现有模型相比,在同样的观察样本期内,非参数可加汇率预测模型有更好的样本外预测能力,这有力地证明了"米斯和罗格夫之谜"并非难以破解.此外,我们将非参数可加汇率模型应用于人民币对美元的汇率预测,其结果仍然揭示了该模型很好的拟合度和预测能力.本文为汇率预测这一研究领域提供了新的研究思路和方法.     

Statistical Inference on the Default Probability in the Credit Risk Models

Reduced form model is one of the most popular models for studying credit risks. The key parameter in these models is the default probability. Under the assumption that default is exogenous, it is quite easy to compute the default probability through a statistical model. In this article, we argue that the widely used hazard rate models in the biostatistics literature could be a better alternative model for studying default risk. The hazard rate models can account for multiple risk factors and for dynamic and interaction effects as well.     

基于非均衡模糊近似支持向量机的P2P网贷借款人信用风险评估及应用

现实中P2P网贷平台可信用户和违约用户的样本分布具有非均衡性,且投资者对分类错误持有不同接受程度.本文通过使用双边权重误差测量方法和映射距离选择正负样本误差项的隶属度,构建了基于非均衡模糊近似支持向量机(DFPSVM)的P2P网贷借款人信用风险评估模型.然后,提出了借款人信用评分及评级方法.最后,借助人人贷平台借款人信用信息进行了实证分析,结果表明所构建的模型与其他模型相比具有更好的适应能力和较高的分类准确度,能有效减少样本非均衡性对分类结果的影响,显著增加负类样本分类的准确率.获得的人人贷平台借款人的信用得分、信用等级及违约率分布能够为平台控制违约风险及投资者决策提供帮助.     

一个应用于经济领域的基于知识的可灵活配置的智能蒙特卡洛仿真框架

电子商务的发展,促进了经济贸易的全球化、自由化,加剧了市场的竞争与波动,使得经济模型的适应性受到极大的限制.而经济模型是分析和预测经济发展的基础,为了改善这种限制,我们结合XML与知识技术,建立了一个可配置的智能模型仿真框架.我们也把随机数据库融入该框架中,从而实现了可配置的蒙特卡洛仿真.这样,我们极大地提高了经济模型的适应性、扩展性以及智能性.这种框架可以适用于任何能够运行完全参数化模型的仿真引擎.另外,我们还给出了5种分析仿真结果的方法,以帮助研究人员更好的分析、判断与预测.     

基于厚尾分布的非寿险准备金评估模型

未决赔款准备金评估是财产保险公司偿付能力管理的核心工作,通常使用的评估方法是广义线性模型.当增量赔款数据存在尖峰厚尾特征时,广义线性模型的传统分布假设可能与实际数据不相符合.此外,保险公司的多条业务线之间往往存在一定的相依关系,这就要求对总准备金的评估结果进行相应调整.本文使用三种新的厚尾分布(即幂Frechet分布、广义对数Moyal分布和全尾伽马分布)代替传统模型中使用的伽马分布、对数正态分布和GB2分布假设,考察它们在未决赔款准备金评估中的应用效果,并应用Copula函数描述了不同业务线之间的相依关系.借助参数化bootsrap和蒙特卡罗随机模拟方法,给出了准备金的预测分布和风险度量值.基于一组实际数据的研究结果表明,厚尾分布对于改善未决赔款准备金的预测效果具有很高的应用价值,而相依性的调整也使得准备金的预测结果更加合理.     

基于局部波动率模型的上证50ETF期权定价研究

局部波动率模型被广泛运用于风险管理、期权定价等领域,该模型不仅可以描述波动率微笑、期限结构等实际现象,同时能保证市场的完备性.研究局部波动率模型的核心目标是对隐含波动率进行建模.本文分别通过参数法和非参数法对隐含波动率建模,不仅保证了波动率曲面的无套利性,同时给出了非参数法求解局部波动率的显式表达式,从而消除了近似误差,得到较为光滑的波动率曲面.此外,本文基于局部波动率模型对我国上证50ETF指数期权的定价进行了实证研究,分别从样本内定价误差、样本外定价误差、套期保值效果三个方面分析比较了该模型的定价效果.实证结果显示:对样本内数据,非参数法拟合的定价结果优于参数方法;对样本外数据以及套期保值效果来说,参数法取得的效果较好.特别地,隐含波动率建模方法无论是对期权定价还是套期保值,效果均优于直接根据市场数据建模的结果,样本内定价误差可减少一半以上,均方误差可降低1～2个数量级.     

基于集成深度学习的有源干扰智能分类

针对现有基于机器学习的雷达有源干扰分类大多需要构建人工特征集且小样本情况下分类精度低的问题, 提出一种基于多通道特征融合的集成卷积神经网络(convolutional neural network, CNN)分类方法。首先, 建立多种有源干扰的数学模型, 仿真并利用短时傅里叶变换获得其时频分布图; 其次, 提取时频分布图的实部、虚部和模值三通道特征, 通过多种特征组合方式建立不同特征组合的样本集; 最终, 构建以CNN为基分类器的集成深度学习模型, 每个CNN分别提取不同样本集的特征, 对所有基分类器的预测结果做多数投票得到集成模型的整体预测结果。实验表明, 该方法能够有效实现小样本情况下多类有源干扰的高精度智能化识别。     

Combining classifiers for credit risk prediction

Credit risk prediction models seek to predict quality factors such as whether an individual will default (bad applicant) on a loan or not (good applicant). This can be treated as a kind of machine learning (ML) problem. Recently, the use of ML algorithms has proven to be of great practical value in solving a variety of risk problems including credit risk prediction. One of the most active areas of recent research in ML has been the use of ensemble (combining) classifiers. Research indicates that ensemble individual classifiers lead to a significant improvement in classification performance by having them vote for the most popular class. This paper explores the predicted behaviour of five classifiers for different types of noise in terms of credit risk prediction accuracy, and how could such accuracy be improved by using pairs of classifier ensembles. Benchmarking results on five credit datasets and comparison with the performance of each individual classifier on predictive accuracy at various attribute noise levels are presented. The experimental evaluation shows that the ensemble of classifiers technique has the potential to improve prediction accuracy.     

基于半参数回归的联合定轨误差估计仿真算法

通过对联合定轨非线性影响因素特征的分析,提出了一种参数建模与非参数分量表示相结合的联合定轨非线性半参数回归建模方法。首先讨论了联合定轨模型及常值系统误差估计算法,在此基础上建立了一种广义非线性半参数回归联合定轨模型,设计了相应的卫星轨道参数、系统误差参数及模型误差估计算法,并从理论上证明了半参数模型轨道估计精度优于经典最小二乘轨道估计精度。仿真计算结果表明,广义非线性半参数回归联合估计方法能将模型误差和随机误差有效分离,同时联合定轨精度也得到了进一步的改善,从实际应用角度验证了半参数回归联合定轨建模方法的合理性和可行性。     

基于输出可译集的LT码联合度分布优化

喷泉码的编译码性能与其度分布息息相关,基于联合度分布的喷泉码编译码性能明显优于基于单一度分布的喷泉码编译码性能,但目前的联合度分布大多是简单的将两个度分布进行结合。输出可译集的取值波动可以表征喷泉码编译码的性能,本文基于输出可译集的特性设计了优化算法,用以求解泊松分布(poisson distribution, PD)和鲁棒孤子度分布(robust soliton distribution, RSD)结合的最优比例,得到新的度分布。仿真结果表明,相较于RSD,采用优化后的度分布的喷泉码性能有着显著提升。     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

A multiple intelligent agent system for credit risk prediction via an optimization of localized generalization error with diversity

Company bankruptcies cost billions of dollars in losses to banks each year. Thus credit risk prediction is a critical part of a bank＇s loan approval decision process. Traditional financial models for credit risk prediction are no longer adequate for describing today＇s complex relationship between the financial health and potential bankruptcy of a company. In this work, a multiple classifier system （embedded in a multiple intelligent agent system） is proposed to predict the financial health of a company. In our model, each individual agent （classifier） makes a prediction on the likelihood of credit risk based on only partial information of the company. Each of the agents is an expert, but has limited knowledge （represented by features） about the company. The decisions of all agents are combined together to form a final credit risk prediction. Experiments show that our model out-performs other existing methods using the benchmarking Compustat American Corporations dataset.     

基于非参数估计的权证定价方法及应用

针对权证市场, 文中首次提出基于非参数估计的权证定价方法, 其中包括完全非参数定价方法和基于模型的非参数修正定价方法, 并将其应用于中国权证市场和香港权证市场的时间外权证价格预测. 实证结果表明: 在价值状况非单调情形下, 基于模型的非参数修正定价方法效果最好, 完全非参数定价方法次之, 半参数定价模型以及参数定价模型效果较差; 此外, 在时间外的权证价格预报方面, 基于模型的非参数修正定价准确性明显优于其他模型.     

基于整体风险控制的组合套期保值优化模型

通过偏度控制收益分布向右偏斜减小重大风险发生的概率,以期货套期保值收益率最小方差为目标函数,建立了基于整体风险控制的组合套期保值优化模型.本模型的特色与创新一是通过组合收益率偏度大于等于零控制套期保值的整体风险;二是通过多种期货对一种现货的组合套期保值提高了套期保值的有效性;三是通过非线性风险叠加与对冲控制多种期货对一种现货的组合风险.通过实证研究和与现有研究的对比分析,表明本研究所建立的模型可以有效地减小套期保值的风险并提高套期保值的有效性.     

有偏分布下的动态风险测度及MRC-SPA检验

以沪铝期货市场为研究对象,针对金融市场的有偏性、尖峰厚尾性,结合条件极值理论与SKST分布刻画金融市场的极端风险,同时运用滚动时间窗口方法对不同波动率模型进行样本外动态VaR预测。鉴于传统的回测检验无法有效判断不同波动率模型风险测度效果的优劣性,本文引进一种新的风险检验方法——MRC-SPA检验,实证结果显示EVT有效提高了GARCH模型的样本外动态VaR预测精度,其中GARCH-SKST-EVT-POT模型以较小的市场风险资本实现风险规避,预测效果最优。     

基于信任治理的中国区域碳市场企业违约风险传染阻断策略

企业违约风险制约着中国区域碳市场的可持续发展,亟需寻求风险阻断策略.本文从系统动力学视角出发,运用元胞自动机模型定量化度量了中国区域碳市场内不同类型企业违约风险,然后引入信誉水平和奖惩分担的信任治理规则,构建了违约风险阻断决策模型,探讨了有效控制中国区域碳市场事后违约风险暴露的价格调整幅度和奖惩额度区间。研究表明:基于信任治理的奖惩分担和价格调整策略是控制中国区域碳市场违约风险传染的有效手段,进一步印证了Carson等人关于信任治理的相关结论,也为中国碳市场稳定发展提供了理论和决策支持。     

产出资源配置效率的参数测度与非参数测度及其比较分析

投入压缩和产出扩张是生产资源配置效率改进的两个基本途径 .本文基于前沿生产函数理论研究了产出资源配置效率的 C- D生产函数参数测度模型与非参数测度模型 ,根据微观经济学理论研究了产出效率分解 ,并通过实证测算分析验证了产出资源配置效率理论与方法的正确性和实用性 ,比较了两种方法的差异和各自的特点.     

基于半监督广义可加Logistic回归的信用评分方法

传统的信用评分模型主要基于有监督学习(supervised learning)方法,但是,在实际的贷款问题中,有标记样本信息的获取往往成本较高、难度较大、周期较长,而无标记样本信息则大量存在.为了能在建模中充分利用无标记样本信息,本文提出了一种基于半监督广义可加(semi-supervised generalized additive,SSGA) Logistic回归的信用评分模型.该模型不但能处理线性不可分问题,也能同时利用有标记与无标记样本信息,并同步实现模型参数的估计和显著变量的选择.通过模拟实验表明,所提出的模型在外推预测和变量选择方面的表现均显著优于有监督模型.最后,将该模型应用于个人信用贷款违约风险的评估中.     

结构化模型中违约概率的比较静态分析及实证

由于违约概率估计在金融机构中风险测度与风险管理的重要性，基于信用风险管理的结构化方法，应用Black-Scholes-Merton的结构化模型计算客观违约概率，分析客观违约概率的比较静态特征，实证结果表明，比较静态特征在信用风险管理中起到有重要的作用。