The Information Content of Equity Block Trades on the Warsaw Stock Exchange: Conventional and Bootstrap Approaches

This paper focuses on the Polish stock market by analysing the information content of 95 equity block trade transactions executed on shares of companies constituting the WIG20 index. A normalized conventional approach and a bootstrap approach are used to draw inferences. These approaches make use of a multivariate regression model with two explanatory variables: a market return and a dummy variable for the event. Resampling allows construction of an empirical distribution of the normalized test statistic. The outcomes obtained from the application of a normalized conventional approach as well as a bootstrap approach are in line and confirm that equity block trade transactions carry an important signal to investors. Significant abnormal positive (negative) returns are associated with the execution of the equity block trades, the prices of which are higher (lower) than the closing prices 2 days before the execution of the equity block trade transactions. Copyright © 2015 John Wiley & Sons, Ltd.     

Dynamic Latent Class Model Averaging for Online Prediction

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called dynamic latent class model averaging, which combines a state‐space model for the parameters of each of the candidate models of the system with a Markov chain model for the best model. We propose a polychotomous regression model for the transition weights to assume that the probability of a change in time depends on the past through the values of the most recent time periods and spatial correlation among the regions. The evolution of the parameters in each submodel is defined by exponential forgetting. This structure allows the ‘correct’ model to vary over both time and regions. In contrast to existing methods, the proposed model naturally incorporates clustering and prediction analysis in a single unified framework. We develop an efficient Gibbs algorithm for computation, and we demonstrate the value of our framework on simulated experiments and on a real‐world problem: forecasting IBM's corporate revenue. Copyright © 2014 John Wiley & Sons, Ltd.     

关于Gauss-Per Kai型数值积分方法

该文利用带权Gauss型数值积分的构造方法和Per Kai多项式推导出了Gauss-Per Kai求积公式,估计了截断误差,并做了一些推广。由实例说明该方法具有节点简单及精度高等优点。     

广角镜头桶形畸变的多项式修正方法

为了修正广角镜头的桶形畸变,提出了一种基于多项式的修正方法,该方法首先用模板对广角镜头进行相对标定,然后用四次多项式拟合桶形畸变规律,最后根据拟合多项式对变形图像进行恢复。对于固定焦距视觉系统,在不考虑视觉系统具体参数的情况下,新的方法能够快速有效地对广角镜头桶形畸变进行修正。该方法在实验中表现出了良好的效果。     

构造有理插值函数的一种方法

关于有理插值的算法有很多种,但都较为繁杂.受二元多项式插值的迭加算法的启发,给出一种简便的求有理插值函数的方法,同时通过实例进行验证.     

基于协方差矩阵的主动学习方法及应用研究

由于工业过程采集的数据中常包含大量的无标签样本,而有标签样本数量少且人工标记成本较高,因此,提出一种基于协方差矩阵的主动学习方法。利用有标签样本建立高斯过程回归模型,并构建无标签样本之间的协方差矩阵,以协方差矩阵行列式的值作为评价指标。在挑选信息量较大的无标签样本的同时,衡量样本间的相似性,避免样本的冗余添加,最终在相同标记代价下提升模型预测精度。基于工业过程数据进行算法的应用仿真,验证了所提方法的可行性和有效性。     

基于模糊点数据的线性回归分析

在经典回归分析理论中,假定训练数据是独立同分布的随机样本,并且在回归方程的构建中是同等对待的.然而,在许多实际问题中,训练数据的作用是不同的;通常有些训练数据比其它数据可能更为重要,因而不同的训练数据对曲线拟合的贡献应该不同.人们要求重要的训练数据对曲线拟合做出更大的贡献.实现这一目标的策略是给每个训练数据赋予一个置信权重并且重新推导了经典的最小二乘回归方法,分析了它们的统计性质.受文[1]的启发,将这里的样本称为模糊点样本数据.     

范尔概周期函数

利用三角多项式给出范尔概周期函数新形式的定义,并证明两个定义方式的等价性。通过新形式的定义研究范尔概周期函数的傅立叶级数和帕塞瓦尔等式。     

2007—2016年中国省域碳排放效率评价及影响因素分析——基于超效率SBM-Tobit模型的两阶段分析

利用超效率SBM模型,对中国30个省级行政区(未包含西藏自治区和港澳台地区)2007—2016年的碳排放效率进行实证分析,并运用Tobit模型探究影响碳排放效率的因素.结果表明,省际碳排放效率分布不均衡,北京的碳排放效率居全国首位.全国整体碳排放效率自2007年起小幅度下降,2015年后略有提升.从四大区域来看,居碳排...     

我国货币政策时效性的协整分析

运用1978年至2003年的年度统计数据,对现金、狭义货币和广义货币与各主要经济变量之间因果关系进行Granger因果检验.在此基础上,具体分析相应货币供给量与主要经济变量之间的协整关系,建立误差修正模型.分析结果表明,货币供应量的变化对经济增长GDP的作用力不大,对消费和投资的影响力较小,货币供应量的变化对信贷的变化影响较大;从协整关系来看,信贷与货币供应量几乎同比例变化,两者的均衡误差也较大,货币供给对利率的影响也有较明显的滞后.