Forecasting stock volatility in the presence of extreme shocks: Short-term and long-term effects

This paper introduces a novel generalized autoregressive conditional heteroskedasticity–mixed data sampling–extreme shocks (GARCH-MIDAS-ES) model for stock volatility to examine whether the importance of extreme shocks changes in different time ranges. Based on different combinations of the short- and long-term effects caused by extreme events, we extend the standard GARCH-MIDAS model to characterize the different responses of the stock market for short- and long-term horizons, separately or in combination. The unique timespan of nearly 100 years of the Dow Jones Industrial Average (DJIA) daily returns allows us to understand the stock market volatility under extreme shocks from a historical perspective. The in-sample empirical results clearly show that the DJIA stock volatility is best fitted to the GARCH-MIDAS-SLES model by including the short- and long-term impacts of extreme shocks for all forecasting horizons. The out-of-sample results and robustness tests emphasize the significance of decomposing the effect of extreme shocks into short- and long-term effects to improve the accuracy of the DJIA volatility forecasts.     

嵌套Logistic模型的矩估计

讨论多元极值分布嵌套 Logistic模型 ,给出了分布参数的矩估计及其渐近协方差阵元素的显式表示和数值结果 .当边缘参数相等时 ,用合并样本估计公共参数 ,可以提高估计量的精度 .     

Forecasting VaR models under Different Volatility Processes and Distributions of Return Innovations

This paper provides clear‐cut evidence that the out‐of‐sample VaR (value‐at‐risk) forecasting performance of alternative parametric volatility models, like EGARCH (exponential general autoregressive conditional heteroskedasticity) or GARCH, and Markov regime‐switching models, can be considerably improved if they are combined with skewed distributions of asset return innovations. The performance of these models is found to be similar to that of the EVT (extreme value theory) approach. The performance of the latter approach can also be improved if asset return innovations are assumed to be skewed distributed. The performance of the Markov regime‐switching model is considerably improved if this model allows for EGARCH effects, for all different volatility regimes considered. Copyright © 2014 John Wiley & Sons, Ltd.     

基于核极限学习机的煮糖结晶自适应控制研究

针对煮糖结晶过程难以进行自动控制的问题,提出一种基于预测模型的自适应控制方法.以逐步浓缩上升煮糖工艺为基础,基于核极限学习机构建糖膏液位和糖膏锤度的预测模型;以预测工艺偏差作为适应度函数,利用粒子群算法在线优化蒸汽阀和入料阀开度,并自动调节阀门用于跟踪理想工艺曲线.结果表明:与人工煮糖相比,自适应控制的煮糖过程更稳定且...     

基于稀疏栅格优化的蜂窝车联网定位算法

蜂窝车联网(cellular-V2X,C-V2X)中的定位方案是车路协同与车联网业务发展的重要技术途径之一.目前基于基站、卫星等诸多定位方案,在车联网业务以及车路协同场景中常会遇到定位精度、定位处理时延、部署成本等诸多方面的挑战.针对这些问题,文章对已有栅格定位算法进行优化,提出一种基于统计信息网格(statistic...     

关于上海股市指数日收益尾部的实证研究

基于极值理论（EVT）方法,利用平均超出量函数,结合判断阈值u改变引起参数估计量的变化,找出合适的阈值,建立了上海股市综合指数极端日收益率的广义帕累托模型（GPD）。     

特征尺度自动选择边缘分割方法

针对复杂边缘错综交织而不易分割的问题，提出了特征尺度自动选择边缘分割方法.该方法通过定义相邻两层离散尺度空间中边缘点最大偏移量，以及分析极值路径的4种演化方式，得到具有实际意义的边缘点特征尺度.根据边缘线尺度直方图和尺度空间边缘连通性，对交织的边缘进行剥离和合并，得到分割的结果.通过在多幅测试图片上的实验表明，根据尺度范围获得的边缘多尺度表达层次清晰分明，并且按照显著性提取的显著边缘较少出现细碎旁枝与实际显著边缘能较好地吻合，证明提出的边缘分割方法切实有效.

     

稳态强磁场技术与科学研究

强磁场条件为材料、物理、化学、生命科学等多学科的前沿探索提供了难得的机遇.国际上欧美日等国已经开展强磁场技术与科学研究多年,在多学科领域获得了大量的重大创新成果.国家发展改革委员会于2008年批准建设我国的强磁场重大科技基础设施,其中的稳态强磁场实验装置包含10台强磁场磁体装置和一系列实验系统.该项目即将完全竣工,已建成的磁体装置和实验系统已投入试运行,并向科学界用户开放共享.本文综述国际上稳态强磁场技术及科学发展情况,并简要介绍我国稳态强磁场实验装置及正在其上开展的多学科研究.     

湘江长沙段枯水期水位变化及其影响研究

湘江是长沙的母亲河,长沙的发展得利于湘江的恩泽.但近几年来,湘江年年出现特枯水位,特别是2007年以来,长沙站最低水位逼近25.1米的供水警戒线.以湘江2010-2011年度枯水期长沙段水位变化为重点进行分析,并把多年来长沙站出现的最低水位与近几年出现的情况进行比较分析,得出近年来湘江长沙段枯水期的水位变化趋势.最后分析了湘江长沙段枯水期水位走低的各种影响.     

关于局部极值解问题的深入研究

本文通过深入研究与大量的神经网络应用，探讨出一系列解决局部极值解问题的方法，实验结果表明，这些方法是有效的，有一定的理论和应用价值。