求周期序列线性复杂度的快速算法

基于有限域GF(q)上的分圆多项式理论,提出和证明了求周期为qnpm的GF(q)上序列的线性复杂度和极小多项式的一个快速算法,这里p与q均为素数,且q是模p2的本原根.该算法既推广了求周期为pm的GF(q)上周期序列的线性复杂度的一个快速算法,也推广了求周期为2npm的二元周期序列的线性复杂度的一个快速算法.     

稻鸭共育体系多因素正交旋转回归试验研究

以水稻种植密度、纯N量、放鸭数3个因子,设置5个水平组成正交旋转回归试验,试验数据分析显示,3个因子对水稻产量影响显著,影响的大小顺序是放鸭数>纯N量>密度,而且密度与纯N量的交互作用明显,纯N量与放鸭数之间的交互作用明显,都达到显著水平.通过方程模拟选优得出,密度在18万~25.5万株/hm2之间、纯N量在72.9~131.85 kg/hm2之间、放鸭数取225~360只/hm2之间,水稻单产可达到较高水平.     

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.     

Predicting Stock Return Volatility: Can We Benefit from Regression Models for Return Intervals?

We study the performance of recently developed linear regression models for interval data when it comes to forecasting the uncertainty surrounding future stock returns. These interval data models use easy‐to‐compute daily return intervals during the modeling, estimation and forecasting stage. They have to stand up to comparable point‐data models of the well‐known capital asset pricing model type—which employ single daily returns based on successive closing prices and might allow for GARCH effects—in a comprehensive out‐of‐sample forecasting competition. The latter comprises roughly 1000 daily observations on all 30 stocks that constitute the DAX, Germany's main stock index, for a period covering both the calm market phase before and the more turbulent times during the recent financial crisis. The interval data models clearly outperform simple random walk benchmarks as well as the point‐data competitors in the great majority of cases. This result does not only hold when one‐day‐ahead forecasts of the conditional variance are considered, but is even more evident when the focus is on forecasting the width or the exact location of the next day's return interval. Regression models based on interval arithmetic thus prove to be a promising alternative to established point‐data volatility forecasting tools. Copyright ©2015 John Wiley & Sons, Ltd.     

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.     

路径分析在教育发展战略研究中的应用

阐述了路径分析的基本原理与模型 ,结合某省的数据进行了实际分析 ,证明路径分析是研究教育发展战略的有效工具与方法 .     

模糊回归参数估计方法及应用于景气对策信号分析

模糊回归采用样本模糊数 (Xi,Yi)来对模糊回归参数进行估计 ,其中 Yi为观测模糊数 .本文认为一般模糊参数 A的估计方式不能真实地表达出样本所蕴含的信息 ,因而另行设立了一套模糊参数估计方法 ,此法对样本的解释方式将更为合理 ,且估计的过程也比线性规划简便 .本文还举出了该方法应用于景气对策信号分析的一个实例.     

小群体互动与大学生寝室人际关系

运用小群体互动理论来分析大学生寝室人际关系,通过对上海某重点高校本科生生活园区的抽样调查数据,运用有序变量的logistic回归分析影响大学生寝室人际关系的主要因素。研究发现寝室人际关系在性别、是否独生子女、家庭条件、学科、年级均不存在显著差异,其主要影响因素是大学生对于寝室的价值定位、和室友聊天的时间以及参与寝室公共活动的多少等。     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

基于网络关注度的大宗商品市场预测研究

随着大宗商品市场化的加快和电子信息技术的快速发展,以互联网为载体的网络信息将方便快捷地传递到市场及市场参与者.本文从海量开源数据出发,利用搜索引擎平台,提取核心信息构建网络关注度指标,并提出了基于网络关注度的大宗商品价格预测模型.通过引入具有不同核函数的支持向量回归模型,分别建立了针对单个市场(原油、铜以及玉米)的网络关注度预测模型和综合考虑市场间联动性的多市场网络关注度预测模型.实证结果表明,网络关注度对于市场价格的变动有显著的格兰杰因果关系,引入网络关注度指标和相关市场信息能显著提高预测精度.