风险管理中的风险分配问题

为了进一步明晰风险管理实践中选择风险分配函数的问题,通过引入风险度量定义,分析了无组合效应风险与可互换风险这两种具有特殊性质的个体风险特征,并在此基础上讨论了风险分配应该满足的原则,继而证明并比较了标准差风险度量下,协方差风险分配函数与相对风险分配函数性质上的差异,并得到如下结论:1)风险预算也是一种特殊形式的风险分配函数;2)在标准差风险度量下,协方差风险分配函数是可行的风险分配函数;3)在标准差风险度量下,相对风险分配函数不是可行的风险分配函数;4)在一定条件下,风险分配函数之间具有等价性.     

客观信息的模型和度量研究

当今时代,信息的重要性毋庸置疑.但是,人们对于信息的认识依然众说纷纭,对于信息度量的研究同样莫衷一是.本文基于前人的丰富研究成果,总结了在信息的性质及度量方面已经取得的重要进展和存在的主要不足,探讨了信息的本质内涵和数学表达等基本问题.基于对信息客观性的认识,提出了信息的定义和六元组模型,讨论了信息的基本性质,建立了信息的广阔性、细致性、持续性、丰富性、包容性、延迟性、遍及性、真实性和适配性9类度量的定义和数学表达,形成了客观信息论的基础理论框架,能够系统全面地支持信息与信息系统的分析研究.     

水下联络通道积极冻结参数现场实测变化规律

由于水下联络通道处于高水压、高透水及水力联系强等复杂环境下,相比于陆域联络通道,施工风险更大.以上海某隧道水下联络通道冻结施工工程为依托,根据现场实测数据,研究了水下联络通道积极冻结期间各项指标随冻结时间的变化规律.结论如下：(1)盐水温度稳定在-28℃左右,且去路及回路温差基本保持在2℃,测温孔内温度随着冻结时间持续下降,最终基本保持在-15℃;(2)卸压孔内压力均在泄压时出现快速增长现象,孔内最高压力为0.65 MPa左右;(3)管片及土体界面处1.1 m范围内温度基本处于-12℃以下,冻结帷幕发展良好;(4)冻结引起右线隧道出现轻微隆起变形,最大变形量为4.45 mm,左线隧道出现沉降变形,最大下沉量为-5.39 mm,联络通道处于较稳定状态.通过水下联络通道实测获得的数据变化规律,可以用于指导类似水下联络通道冻结工程的设计和施工.     

智能家居服务机器人视觉和听觉行为隐私识别保护与度量技术

智能家居环境中广泛使用摄像头、语音监听设备而存在隐私泄漏的风险,这影响人的心理状态甚至会引起心理障碍.首先,论文基于调查问卷结果分析了人们对服务机器人涉及的隐私信息的关注方面及程度;然后,分别从基于数据保护的隐私保护、基于回避工作模式的隐私识别保护、聚焦特定目标的隐私识别保护、隐私度量4个方面进行了综述,并给出了未来值...     

基于规则的模糊信息的排序方法

以模糊数空间上的度量以及一族可以序化的模糊集(称之为规则库)为基础,引入了模糊数关于规则库的位值概念,建立了一种模糊数的排序方法,并通过模糊数关于规则库的符合度来进一步描述模糊数关于规则库的位值,给出了模糊信息的复合量化策略,讨论了位值和符合度的基本性质,为有效地解决某种意识下的不确定型优化问题奠定了基础.     

单值度量广义逆的扰动分析

本文利用有界齐性算子给出Banach空间上的有界线性算子的单值度量广义逆的扰动分析.     

紧伪度量空间上的Hausdorff维数和加倍测度

在紧的伪度量空间(X,d)上,论证了支撑在(X,d)上的加倍测度的存在性与(X,d)上的一致度量维数之间的一些相互关系;并证明了若(X,d)有有限的一致度量维数,则对任意α>0,存在(X,d)上的加倍测度在某个Hausdorff维数最多为α的集上满测.     

基于水军信任惩罚的多维用户影响力度量模型

社交网络用户影响力度量是意见领袖识别的必要前提,然而目前的度量模型忽略了多维影响因素以及水军群体对度量模型真实性的影响.为此本文从网络结构、交互行为和交互信息三个维度来分析整合相关的影响因素,基于LeaderRank模型构建多维用户影响力度量-MUI模型,并在水军识别的基础上构建信任惩罚模型,以修正MUI模型建立MUISTP模型,实现社交网络用户影响力的真实性度量.以新浪微博平台大规模实际数据进行实验分析结果表明,与FBI,LeaderRank和Generative Graphical模型相比,MUI模型识别出的意见领袖更为准确,且可以实现更为有效的信息扩散.此外,经过水军信任惩罚后MUISTP模型较MUI能够实现更为有效的意见领袖识别.     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.