基于动态因果结构推断的SVAR模型识别:算法和仿真

给定任一满足递归结构假设的SVAR模型,存在一个与其是相同数据生成过程的线性动态因果结构模型,且SVAR模型系数矩阵与动态因果结构之间存在特定的对应关系,故同期变量间因果结构推断可以为SVAR模型提供正确的识别条件.同时还证明同期变量与滞后变量间动态因果结构推断能为同期变量间因果结构的正确推断提供有用信息.据此,在PC算法基础上,构建了动态因果结构推断的具体算法,将基于同期变量因果结构推断的SVAR模型识别拓展到基于动态因果结构推断,从而使SVAR模型得以完全识别的情形得到有效拓展,并给出了该方法下SVAR模型识别的充要条件,这些结论均得到了Monte Carlo仿真结果的有力支持.     

高速动态空间目标宽带回波仿真方法研究

获取空间高速动态目标的宽带回波数据是进行空间目标电磁特性研究,开展空间目标探测与识别的基础.针对静态测量和动态测量不同形式的雷达发射信号,分别建立了空间目标静态测量条件下扫频宽带回波信号模型和解线频调的高速宽带回波信号模型.在分析两种信号模型差异的基础上,提出了一种利用静态数据仿真生成高速动态目标宽带回波的方法,并详细分析了该方法的适用条件.最后对仿真方法进行了验证,证明了其可行性和正确性.     

基于泊松理论的动态股票网络投资模型

在已有股票投资网络模型的基础上,提出了以条件泊松过程来描述网络中新节点的加入的有向含权动态网络模型。节点之间连边服从择优连接,网络中的权重符合动态演化规律。解析结果以及仿真结果表明,该股票投资网络稳态出入强度及节点出入强度随时间演化规律均服从幂律分布。     

一种多重Weibull回归模型在竞争失效分析中的应用

基于传统竞争失效分析中对截尾数据(包括寿命数据截尾及失效机理信息的删失)、以及环境因子伴随变量的研究不足,提出贝叶斯生存分析理论中一种多重Weibull回归模型;在该模型中假设各失效机理条件下的产品寿命均服从某种Weibull分布,利用该模型能够较为灵活地拟合竞争失效分析中存在数据截尾的情形;针对高维数值积分的不便,讨论了基于Gibbs抽样的MCMC方法,提出通过运用该方法动态模拟出多重Weibull回归模型中相关参数后验分布的马尔可夫链;并通过对模型结构的输入输出分析,给出随机截尾条件下模型参数的贝叶斯估计;利用BUGS软件包进行实例分析的结果,证明了该模型在竞争失效分析中的直观性与有效性。     

美国股市会影响金砖国家股市之间的相关性吗?——线性和非线性条件Granger因果检验

利用线性和非线性条件Granger因果检验方法探讨了美国股票市场对金砖国家股市相关结构的直接和间接因果影响关系。在条件线性Granger因果检验基础上,考虑到证券市场之间显著的非线性关系,文章利用非参数回归、VAR模型及非线性Granger因果检验等,构建了诊断金融市场非线性条件Granger因果检验方法。实证结果发现金砖国家股市之间存在的四种类型条件因果关系能更深刻揭示市场之间的交互关系。研究证实美国市场对金砖国家股市相关性有重要的影响作用,同时巴西股市最易受到美国股市的影响。最后,稳健性检验进一步说明了结果的合理性。     

昆虫种群生态网络普适特征研究

为评价洱海湿地昆虫生态发展现状,运用复杂网络理论,以昆虫种群为网络节点,相关性为边,构建了昆虫生态网络的拓扑结构模型.通过模型特征参数分析,得出昆虫生态网络符合小世界和无标度网络特征,节点度分布服从幂律分布.运用拓扑结构破坏方法仿真了网络生态的动态演化过程,研究发现网络中重要物种和濒危物种消失对网络稳定性将造成指数级影...     

系统发展对策生成的子系统流位反馈环结构分析法——以银河杜仲经济生态系统现代农业区建设为例

系统反馈环结构分析是生成促进系统良性发展对策的一个有效方法. 针对反馈环构建及其运行规律分析缺乏规范方法的问题，建立系统发展对策生成的子系统流位反馈环结构分析法：首先，采用流率基本入树建模法构建系统整体流图，用树枝向量行列式计算出流图全部反馈环；接着，根据系统目标划分子系统，确定各子系统流位变量，构建子系统的流位反馈环结构图；分析确定子系统各反馈环的关键变量，及影响关键变量的调控变量和调控因果链，揭示政策作用的杠杆点；最后，依据杠杆点和调控因果链、遵循整体对策生成原则，确定系统发展对策. 全文以银河杜仲经济生态系统现代农业区建设为实例，演示子系统流位反馈环结构分析方法的基本步骤，生成4项发展对策，对策实施效果证明了该方法的可行性和有效性.     

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.     

方坯连铸三维动态凝固模型有限元模拟

方坯连铸三维动态凝固模型能够真实反映工艺参数变化时的温度动态调节过程,考虑数值求解计算量大和计算速度慢等难题,改变铸坯横断面节点和单元网格的人工生成模式为自动生成模式,采用密度函数和网格质量评价函数,控制节点和单元网格及优化网格形状以保证网格划分的合理性;引入单元节点商和节点商及节点最大最小编号为约束条件的优化方法优化节点编号,缩小带宽节约存储空间.仿真结果表明,动态凝固模型采用有限元网格自动生成和优化方法以后具有更高的计算速度和计算精度.     

基于结构方程的高校顾客满意度模型

将结构方程模型方法用于高校顾客满意度研究，可以借助观测模型和结构模型来探索潜变量及其相互间的因果关系。依据高等教育服务质量的特性和顾客满意理论，对构成顾客满意及其因果变量的相互关系进行分析和模型的路径设计，构建了高校顾客满意度模型，并借助PLS路径分析软件进行了实证分析，证实模型有较好的拟合度。     

Learning multivariate time series causal graphs based on conditional mutual information

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis.This paper provides a method that employs both mutual information and conditional mutual information to identify the causal structure of multivariate time series causal graphical models.A three-step procedure is developed to learn the contemporaneous and the lagged causal relationships of time series causal graphs.Contrary to conventional constraint-based algorithm, the proposed algorithm does not involve any special kinds of distribution and is nonparametric.These properties are especially appealing for inference of time series causal graphs when the prior knowledge about the data model is not available.Simulations and case analysis demonstrate the effectiveness of the method.     

Learning Granger causality graphs for multivariate nonlinear time series

An information theory method is proposed to test the. Granger causality and contemporaneous conditional independence in Granger causality graph models. In the graphs, the vertex set denotes the component series of the multivariate time series, and the directed edges denote causal dependence, while the undirected edges reflect the instantaneous dependence. The presence of the edges is measured by a statistics based on conditional mutual information and tested by a permutation procedure. Furthermore, for the existed relations, a statistics based on the difference between general conditional mutual information and linear conditional mutual information is proposed to test the nonlinearity. The significance of the nonlinear test statistics is determined by a bootstrap method based on surrogate data. We investigate the finite sample behavior of the procedure through simulation time series with different dependence structures, including linear and nonlinear relations.     

国有商业银行人才激励反馈因果结构模型及其分析

通过调查研究国有商业银行人才资源状况、工作满意度和人才流动态势等，用关键变量入树建模法，通过线段性因果关系分析，创建了国有商业银行的整体人才激励反馈因果结构模型，然后通过人参与调控基模分析，剖析员工工作满意度与绩效考核机制的相互关系、作用机理，指出目前国有商业银行人才机制存在的若干问题，为提高国有商业银行人力资源管理水平，尤其是吸引、留住和激励核心人才提供了相关对策。     

Robust estimation algorithm for multiple-structural data

This paper proposes a robust method of parameter estimation and data classification for multiple-structural data based on the linear error in variable (EIV) model. The traditional EIV model fitting problem is analyzed and a robust growing algorithm is developed to extract the underlying linear structure of the observed data. Under the structural density assumption, the C-steptechnique borrowed from the Rousseeuw's robust MCD estimator is used to keep the algorithm robust and the mean-shift algorithm is adopted to ensure a good initialization. To eliminate the model ambiguities of the multiple-structural data, statistical hypotheses tests are used to refine the data classification and improve the accuracy of the model parameter estimation. Experiments show that the efficiency and robustness of the proposed algorithm.     

The Dynamic Impact of Structural Oil Price Shocks on the Macroeconomy

In this paper, we apply the structural vector autoregression(SVAR) model to decompose the international oil price shock into oil supply shocks, aggregate demand shocks and oil-specific demand shocks, and then use the DCC-GARCH model to analyse the dynamic correlations between these three kinds of oil price shocks and the macroeconomic variables of several oil importing and exporting countries. To quantify the intensity of the effect of oil shocks on these variables, we propose a measure,conditional expectation(Co E), to capture the percent change of the economic variable under oil price shocks relative to the median state. The time-varying copula model is employed to estimate the proposed measure through time. The empirical results show that, for instance, the impacts of oil price shocks on macroeconomic variables are different in different periods, showing the time-varying characteristics. Additionally, the impacts of oil price shocks on macroeconomic variables show great differences and some similarities among different countries. Finally, we give some policy suggestions for these countries, in particular for China's special results.     

用于离散变量因果分析的贝叶斯网络学习

针对现有基于贝叶斯网络离散变量因果分析方法具有低效率和局限性等问题.使用依赖分析方法建立贝叶斯网络骨架,结合碰撞识别方法、变量之间的预测能力和描述长度极小准则确定边的因果方向,进行具有多项式复杂度的离散变量因果贝叶斯网络学习来避免这些问题,并给出了因果贝叶斯网络中定量因果信息传递计算方法.同时,针对小样本情况建立了因果最大似然树学习方法.     

基于Copula函数的组合资产条件相依性模型及其应用

条件概率分布常用来研究马尔科夫序列相依模型的构建.组合资产的相依结构受多方面的影响,资产之间的同期相依与单个资产时间上的短期相依是组合资产两类主要的相依关系. 结合条件概率的理论,考虑组合资产之间的同期相依与时间上的短期相依两类关系,建立基于Copula函数相依关系模型研究了沪深股市指数收益率的相依结构.应用三阶段极大似然估计方法对模型的参数进行估计,应用χ²检验统计量对模型进行优度检验和模型的比较.研究结果表明:考虑了单个资产时间上短期相依关系的模型更适合描述沪深股市的相依结构.     

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。