实物期权视角的CAPM有效性检验

实物期权对资产定价的非线性影响会导致本质为线性定价的CAPM模型失效.本文以沪深A股2000-2014年间1503家上市公司为样本,利用市值规模、账面市值比、资本支出和总资产回报四个企业特征变量作为实物期权的代理变量,分别对个股贝塔和预期超额收益率进行实物期权调整,给出了经实物期权调整后CAPM有效的证据;而且,较之市值规模和账面市值比,资本支出和总资产回报更加能够反映实物期权对CAPM有效性的影响.此外,实物期权调整对CAPM有效性的影响对处于生命周期早期阶段的企业、高科技行业以及对股权分置改革和次贷危机后的子样本更为明显.     

基于二阶锥规划的峰值旁瓣抑制滤波器设计

针对相位编码信号的高旁瓣问题,提出一种基于二阶锥规化的峰值旁瓣抑制滤波器设计方法。将最大增益处理损失约束下的最小峰值旁瓣滤波器设计转化为二阶锥规化问题,采用内点法进行高效求解。与已有方法相比,所提方法可以兼顾峰值旁瓣、处理增益损失和滤波器长度三方面的指标,具有设计灵活、精度高和收敛性好的优点。最后仿真和实测数据结果验证了方法的有效性。     

自适应协同优化方法研究

针对一致性约束条件造成协同优化方法计算困难的问题,研究提出了一种自适应协同优化方法.首先将设计变量空间划分为三类区域,分析了每个区域内一致性约束松弛量与系统可行域和学科一致性的关系,并在此基础上提出了三种一致性约束松弛量的确定方法.然后基于上述方法,给出了自适应协同优化的算法流程,对比分析了相对于标准协同优化算法流程的改进之处.最后采用自适应协同优化方法对两个典型MDO算例进行优化,证明了该方法具有较好的鲁棒性和收敛速度.     

LOD算法在3D地表模拟中的应用研究

在大型可视化系统中需要对3D场景进行简化以获得理想的视觉效果和处理速度,层次细节技术是其中较为有效的算法之一,它能在保持较好的视觉效果的同时,减少数据量,提高系统的运行速度.通过介绍一个三维仿真系统中地表的生成过程,描述了层次细节技术中四叉树算法的实现方法,分析和验证了它的简化效果.     

基于差价补偿策略的集装箱班轮运输定价模型

针对集装箱班轮运输定价问题,构建差价补偿策略下班轮运输的定价模型,研究差价补偿策略下托运人订舱行为和承运人定价决策,分析市场需求波动与承运人定价、差价补偿系数、承运人收益的内在关系,以及承运人定价对托运人订舱量的影响,并通过数值分析进行验证.结果表明:随着市场需求波动的增大,承运人最优定价与最大收益降低,而差价补偿系数增大;且托运人订舱量随着承运人定价的增大而减少.承运人采用差价补偿策略时,市场需求波动存在一个上限值,如果需求波动小于该值,则承运人采用差价补偿策略有利于其提高收益.     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

卫星信道衰减模型研究及试验分析

提出了一种基于时间序列的星-地通信链路衰减模型。模型利用一个目标聚类算法把大量衰减事件归纳为4类，然后通过改进的4状态马尔可夫链产生能够反映季节和气象变化的弹性时间序列，从而较为真实的模拟出链路衰减时的数据报丢失和重传等状态。在该模型基础上对多播文件传输协议进行了试验和分析。     

连续双向拍卖机制下的短期价格行为分析

建立描述限价指令市场中连续双向拍卖交易机制下短期价格动态变化的理论模型.通过对该机制下的几个特征变量包括最佳(高)买价、最佳(低)卖价、买卖价差、成交价格和成交概率的分析揭示连续双向拍卖机制下的短期价格行为,并着重探讨其均衡性质包括成交价格所收敛到的竞争均衡及达到均衡的时间.研究结果表明建立的理论模型能较好地刻画连续双向拍卖机制下短期价格的动态演进特征,进而印证连续双向拍卖交易机制能快速收敛到竞争均衡从而产生很高的价格发现效率的相关结论.     

微分进化微粒群算法及其控制

通过对微粒群优化算法的分析,提出了一种用微分方程组描述的微粒群优化算法——微分进化微粒群优化(DEPSO)算法,并利用传递函数对DEPSO算法的收敛性进行分析.在此基础上,通过引入PID控制器以控制DEPSO算法的动态进化行为,以增强微粒产生的多样性,从而改进微粒群优化算法的全局收敛性.仿真结果表明了此方法的有效性.     

流程型企业主生产计划优化的ARMA-BP模型

为了解决流程型企业主生产计划(MPS)时段中计划参数与实际参数的不一致性问题,提出了自回归滑动平均模型(ARMA)与反向传播(BP)人工神经网络(ANN)的集成优化模型。基于主生产计划时段长度与产量之间的映射关系,利用平均时段长度折合产量法(OCM-ATS),该模型可用于分别逼近和预测主生产计划时段的长度时序和产量时序。给出的例子表明,该模型预测主生产计划时段的参数(计划参数)与实际参数的相对误差不超过3%。