ASYMPTOTIC NORMALITY OF SOME ESTIMATORS IN A FIXED-DESIGN SEMIPARAMETRIC REGRESSION MODEL WITH LINEAR TIME SERIES ERRORS

Consider a semiparametric regression model with linear time series errors Yk = x'kβ g(tk) εk, 1 < k < n, where Yk's are responses, xk = (xk1,xk2,..... ,xkp)' and tk ∈T ∪R are fixed design points, β= (β1, β2, ....., βp)' is an unknown parameter vector, g(.) is an unknown bounded real-valued function defined on a compact subset T of the real line R, and εk is a linear process given by εk = ∑j=0∞j(?)ek-j,(?)= 1, where , are i.i.d. random variables. In this paper we establish the asymptotic normality of the least squares estimator of β, a smooth estimator of g(.), and estimators of the autocovariance and autocorrelation functions of the linear process εk.     

上海股票市场行业与地区效应分析

根据国家标准行业分类，参照地区的远近和经济发达程度，把上海股票市场的股票划分为15个行业、12个地区。依据上海股票市场从1995年7月到2000年6月的股票回报率月数据，利用约束回归分析法对回报率的行业和地区效应进行了横截面和时间序列分析，结果表明上海股票市场具有明显的行业和地区效应，并且行业效应大于地区效应。     

基于支持向量机的非线性系统辨识

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法，该文利用支持向量机对非线性系统进行黑箱建模，介绍了V-SVR的基本理论，并进行了仿真实验，结果验证了所提出的方法的正确性和有效性。     

零膨胀负二项回归模型的推广与费率厘定

在费率厘定中,当索赔次数数据存在过离散(over-dispersion)特征时,通常会采用负二项回归模型,但当索赔数据中同时又出现零膨胀(zero-inflated)问题时,负二项回归模型不再适合对这样的数据进行分析.在传统的零膨胀负二项回归模型为基础,并将其推广到更为一般的形式,同时利用解决费率厘定中出现的既有过离散又有零膨胀的问题.通过对一组汽车 损失数据的拟合,推广后的零膨胀负二项回归模型有效地改善了拟合效果.     

基于时差相关多变量模型的金融危机前后国际原油价格影响因素分析

为研究各因素与国际原油价格之间相互影响的程度和时差关系,提出了基于时差相关多变量模型的分析 框架.根据该框架, 在确定影响因素和模型变量后,对各因素与油价间的时差相关关系进行了分析,以 此作为确定和调整模型中变量滞后阶数的依据,结合变量系数是否显著和模型调整R²是否提高的判 断准则,对金融危机前后共七组样本构建了多元回归模型.研究结果发现:各因素与油价的相互作用并不都 是在当期完成的;金融危机爆发后,各因素与油价的关系均发生了不同程度的变化,且油价有向基本面回归的趋势.     

Improved adaptive pruning algorithm for least squares support vector regression

As the solutions of the least squares support vector regression machine(LS-SVRM) are not sparse,it leads to slow prediction speed and limits its applications.The defects of the existing adaptive pruning algorithm for LS-SVRM are that the training speed is slow,and the generalization performance is not satisfactory,especially for large scale problems.Hence an improved algorithm is proposed.In order to accelerate the training speed,the pruned data point and fast leave-one-out error are employed to validate the temporary model obtained after decremental learning.The novel objective function in the termination condition which involves the whole constraints generated by all training data points and three pruning strategies are employed to improve the generalization performance.The effectiveness of the proposed algorithm is tested on six benchmark datasets.The sparse LS-SVRM model has a faster training speed and better generalization performance.     

非线性科学视域下大学核心竞争力探讨

从非线性科学的视角审视,大学是一个复杂的非线性系统,其学术、资本、组织、文化、外部关系等要素之间是一种非线性关系,大学核心竞争力是大学系统整体能力正效应的涌现,是大学子系统竞争力与合作力非线性相互作用基础上的协同整合,是大学系统演进中的序参量。     

基于现代战争非线性特征的军事训练思考

信息化条件下的战斗力体系已经成为一个复杂的大系统,该作战系统在战斗力生成、战场布势、作战方式等方面呈现出明显的非线性特征。军事训练必须适应现代战争特点的非线性要求,在作战要素多样化、大纵深训练以及系统非线性危险的预防等方面应进一步加强。     

基于阈值回归模型的中国电力消费与经济增长的关系

应用阈值回归模型分析在不同经济增长阶段, 经济增长、工业结构、全要素电力使用效率和电力价格对电力消费的 差异性影响, 并基于此揭示1980--2008年中国经济增长与电力消费增长的非对称变化特征. 研究表明: 不同经济增长阶段各变量对电力消费的 作用存在差异, 人均GDP增长率高于9.25%时, 工业结构的重型化显著推动电力消费的增长, 而电力使用效率并未得到有效提高, 对电力消费 增长的抑制作用有限; 反之, 人均GDP增长率低于9.25%时, 经济增长是促进电力消费的主要力量, 电力使用效率的提高则有效地抑制了电力 消费的过快增长. 分析结果也表明, 电价扭曲削弱了价格机制配置电力资源以提高电力使用效率的作用, 积极稳妥地推进电力价格改革势在 必行.     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.