资产组合ES风险测度的Copula-EVT算法

针对金融市场中资产收益的非正态分布以及资产组合中风险资产的非线性相关现象,以EVT描述资产组合中各风险资产收益的边缘分布,以Copula方法描述风险资产之间的相关结构,运用蒙特卡罗模拟方法对资产组合的风险进行研究,并使用后向检验的方法证实了Copula-EVT方法在尾部分析上优于传统的风险研究方法.在此基础上,计算了资产组合的ES风险测度.     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。     

薄圆盘CsI(Tl)晶体闪烁特性蒙特卡罗模拟

利用蒙特卡罗方法,模拟99mTc 140 keV γ射线在圆盘状CsI(Tl)晶体中的闪烁过程及不同厚度不同包装下闪烁光的空间分布,得出点光源模型对于晶体出光平面上闪烁光强分布是适用的结果.模拟表明,CsI(Tl)与铝(Al)之间界面为粗糙时要比光滑时位置分辨更好;闪烁中心离出光面越近,位置分布越窄;晶体厚度为7 mm时光输出最大,光输出半高宽约为7.3 mm.     

分组数据下两参数指数分布的参数估计

考虑两参数指数分布的参数估计问题,在分组数据和最小观察值下,给出了参数的精确极大似然估计.它比在分组数据下文献中的近似极大似然估计有更好的精度,蒙特卡罗模拟表明了这一点.     

非高斯型互相关随机数的发生技术

在用蒙特卡罗法进行仿真研究（例如进行测量不确定度评定）时,常常需要发生多个非高斯型互相关的随机数.就这一问题,给出完整的解决方案：用Hermite展开式生成近似的非高斯变量,借助Cholesky分解建立各变量之间的相关性.方法的关键在于对互相关系数矩阵进行“预变形”,使Cholesky分解也适用于非高斯变量.此外,还利用Cholesky分解式下三角矩阵的特点,对矩调整和建立相关性两个过程进行解耦.给出了详细的算法说明.     

跳跃扩散模型下美式回望期权定价方法

回望期权是一种严重路径依赖性期权,美式回望期权的价格尤其依赖于标的资产的价格路径;实际市场中其标的资产的价格过程存在跳跃现象。考虑到这两个事实,本文应用一种新方法总体最小二乘蒙特卡罗模拟为跳跃扩散模型下的美式回望期权定价。该方法改进Longstaff等提出的最小二乘蒙特卡罗方法,用来为美式回望期权定价,将其定价结果与构造二叉树图的计算结果进行比较发现,用总体最小二乘蒙特卡罗方法为美式回望期权定价是合理的,并且具有一定的优越性。     

基于MCMC的混合α稳定分布参数贝叶斯推理

为解决非高斯信号较难描述这一难点问题,提出一种基于马尔科夫链蒙特卡罗方法的混合α稳定分布参数的贝叶斯推理方法.构建了混合稳定分布分层的贝叶斯图模型,利用Gibbs抽样实现了混合权值和分配参数z的估计,基于Metropolis算法完成了每个分布元中4个参数的估计.仿真结果表明,该方法能够准确地估计出混合α稳定分布中的各个参数,具有很好的鲁棒性和灵活性,可用于对非高斯信号或数据进行建模.     

氢在碳纳米管中的存储与分布

采用巨正则蒙特卡罗方法对碳纳米管的储氢过程做了模拟,通过对锯齿管中大量氢气分子的研究,得到了氢在纳米管中的轴向和径向分布,并做了初步分析.     

基于逆序概率的随机多目标DEA方法

针对各决策单元的输入/产出指标为一定分布的随机变量情形,提出了一种基于逆序概率的随机多目标DEA方法,该方法在利用蒙特卡罗方法对随机多目标DEA模型进行求解的基础上,确定决策单元的排序,通过逆序概率对结果进行分析,并用实例说明了该方法的有效性和可行性。     

蒙特卡罗模拟法度量可转换债券的风险价值

借助可转换债券价值与其发行公司的股价之间的联系,将风险价值的概念应用到可转换债券风险测度的度量之中,并利用蒙特卡罗模拟法计算可转换债券的风险价值,最后用点估计验证蒙特卡罗模拟法的有效性.