动态多项式分布模型及Bayes预测

给出了观测值服从多项式分布的动态多项式分布模型, 并在自然参数Ｂｔ 与状态参数θｔ之间满足ｆ（Ｂｔ） ＝ Ｆ′ｔθｔ 的假设下, 利用共轭分布给出了动态多项式分布模型的修正递推及其预测     

动态Poisson模型及Bayes预测

给出了观测值服从ｐｏｉｓｓｏｎ分布的动态ｐｏｉｓｓｏｎ模型。通过假设自然参数与状态参数之间的线性关系ηｔ＝Ｆｔθｔ，并利用共轭分布给出了ｐｏｉｓｓｏｎ模型的参数的修正递推；利用模型及伽玛分布的标准常数给出了Ｂａｙｅｓ预测。     

使用混合Beta 分布的Bayes 方法

研究了在成败型试验中,历史样本与样本异总体的问题对可靠性评定的影响,分析了使用混合先验分布的合理性,并给出了利用卡方拟合优度确定混合先验分布中继承因子的方法.     

基于动态预测企业生产计划模型

在静态的环境下 ,生产计划的决策主要来源于市场的需求预测 ,但是 ,如果在动态环境里 ,由于预测信息本身在不断地变化 ,预测值在不断地改变 ,如何将动态预测信息 (预测修正量 )转化成生产计划 ?研究需求信息向生产计划的动态转变与及时更新 ,具有很强的理论价值和重要的实际意义     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)一GARCH(1,1)模型与幂律型分布相结合计算VaR的方法.用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,两者结合更好地描述回报时序的动态波动现象.对上证综指进行实证分析,结果表明,文中提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确.     

Barlow-Scheuer可靠性增长模型的Bayes限

在本文中,基于共轭型先验分布与无信息先验分布,对Ｂａｒｌｏｗ＆Ｓｃｈｅｕｅｒ提出的顺序约束的三项分布可靠性增长模型,推导了研制试验的最后阶段之可靠性Ｒｍ与Ａ型失败概率ｐ０的Ｂａｙｅｓ精确限。为了满足工程实践的需要,给出了Ｒｍ的高精度近似限,并用数值例说明了这些方法。     

两参数Weibull分布环境因子的Bayes估计

基于天地试验环境下Weibull分布形状参数不变的条件,运用Bayes方法对两参数Weibull分布环境因子进行分析,以尺度参数后验密度的商密度作为环境因子的后验密度,给出了在形状参数已知和未知两种情况下,环境因子在平方损失下的Bayes估计。最后运用仿真实例与极大似然估计进行比较,结果表明Bayes估计优于极大似然估计。     

企业失败动态预测的ARMA-EWMA模型及其应用

利用ARMA模型的时间序列分析和EWMA控制图对过程变异的加权累加记忆特征．以图示化的形式研究企业失败演化路径。实证结果显示．ARMA-EWMA模型能够预测出企业由缋效好向差转变的转折点，预测失败趋势；在预测精度上．ARMA—EWMA模型与统计判别Fisher模型、Logit模型近似，表现出较高的预测正确率，但在中长期预测上，ARMA—EWMA模型优于统计判别模型。     

Burr-XII分布在具有随机移走逐步增加截尾模型下可靠性指标的Bayes估计

在具有随机移走的逐步增加Type-II截尾模型下, 假定每一个失效时刻移走的未失效样本数都服从二项分布, 当Burr-XII分布中两个形状参数均未知时, 分别在q-对称损失函数和LINEX损失函数下给出了两个未知形状参数、移走概率以及可靠性指标的Bayes估计和Bayes后验区间估计, 并给出了参数估计的容许性证明. 最后利用Monte Carlo方法对各种估计结果进行了模拟分析.     

石油开采动态预测模型及经济评价

本文根据油田在开采过程中特点，初步建立了石油开采的动态预测模型，并对模型的运用价值进行了讨论，最后给出了模型在某大油田开采的技术参数估计和经济评价中的应用．     

Forecasting Practice from Box-Cox Transformation Models

ＦｏｒｅｃａｓｔｉｎｇＰｒａｃｔｉｃｅｆｒｏｍＢｏｘＣｏｘＴｒａｎｓｆｏｒｍａｔｉｏｎＭｏｄｅｌｓＧａｏＲｅｎｘｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００８０，Ｐ．Ｒ．...     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

动态多目标投资消费模型

现实社会中,人们在追求效益最大化的同时又希望风险最小化,但现有的投资消费模型较少将两者结合考虑。动态随机规划是对投资消费问题进行优化所常用的方法之一,为了计算方便,通常假设投资期间内的市场参数独立于外生因素,这在现实生活中是不合理的。事实上,证券价格的期望收益和方差通常要受到外生因素的影响。本文是假定证券价格遵循着伊藤扩散过程,即其预期收益和方差为外生状态变量的随机函数,以方差为风险测度,对投资消费财富最大化及风险最小化同时进行考虑的交易策略进行研究,并建立多目标模型,对模型进行求解并解的经济含义进行了分析。     

基于贝叶斯模型的动态背景检测

利用贝叶斯模型结合核密度函数理论，给出了在复杂的动态背景下检测出运动目标的方法。首先，在图像相关性的基础上，利用非参数核密度估计的方法，建立前景和背景的棱密度函数，再利用贝叶斯理论，估计出背景和前景的先验概率，两者相结合得到一个估计的阁值，从而实现目标和背景的分类。该方法对阈值的选取进行了理论分析，实验证明，提出的方法能够在动态背景中准确地检测出目标。     

贝叶斯网络个人信用评估模型

研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较.结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

广告的动态最优控制模型

广告的动态最优控制模型的一个基本问题是确定在未来一段时间内使公司的销售利润达到最大的最佳广告投入的最优控制问题。这里,利润依赖于作为状态变量的销售率和作为控制变量的广告投入率,销售率和广告投入率之间的关系通过作为状态方程的微分方程来描述。本文仅介绍其中两类最重要的广告动态最优控制模型,并在此基础上对所介绍的模型进行评析,同时指出进一步研究的方向。