高职院校图书馆隐性拒借研究

对高职院校图书馆与本科院校图书馆状况进行了比较,从高职院校图书馆本身的特点出发,分析了高职院校图书馆产生隐性拒借的原因,提出了控制隐性拒措的对策.     

结构建模代数方法在关系模式设计中的实现

运用结构建模代数方法研究关系数据库设计中关系模式的规范分解,介绍了借助结构建模生成层次清晰的属性集结构的原理,分析了生成后的层次关系所蕴涵的关键字信息、关系模式信息和约束信息.由此给出了一种构造规范化的数据库关系模式的新方法.以炼油调度基础数据库为对象,演示了方法的具体实现,从而通过应用实例证实了该方法的简洁性和有效性.     

英语含蓄否定的表达及其翻译

英语否定的表达方式与汉语不尽相同。英语的含蓄否定句可借助暗含否定意义的词、词组及惯用句型来表达，翻译时往往将荚语的肯定说法译为汉语的否定说法。     

Forecasts for leverage heterogeneous autoregressive models with jumps and other covariates

For leverage heterogeneous autoregressive (LHAR) models with jumps and other covariates, called LHARX models, multistep forecasts are derived. Some optimal properties of forecasts in terms of conditional volatilities are discussed, which tells us to model conditional volatility for return but not for the LHARX regression error and other covariates. Forecast standard errors are constructed for which we need to model conditional volatilities both for return and for LHAR regression error and other blue covariates. The proposed methods are well illustrated by forecast analysis for the realized volatilities of the US stock price indexes: the S&P 500, the NASDAQ, the DJIA, and the RUSSELL indexes.     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.     

基于离差最大化的导弹中段目标威胁度评估

释放诱饵是典型弹道导弹中段突防措施之一,对诱饵与真弹头的威胁度进行评估也因此成为导弹防御系统实施拦截的首要前提.考虑弹头与诱饵的位置、速度、RCS及红外辐射强度等目标特性不同,采用模糊隶属函数和G.A.Miller 9级量化理论对弹头与诱饵的威胁属性进行量化,建立了基于离差最大化的导弹中段目标威胁度多属性评估模型,给出了计算实例.计算结果表明,采用此方法能够有效确认威胁度最大的目标,满足弹道中段目标的威胁度评估需要.     

暗示教学法在高校排球课中的应用及其综合效应分析

采用教学实验法、专家咨询发、问卷调查法、数理统计法,对在高校排球选修课中实施暗示教学法及其效果进行了综合分析,结果表明：（1）经系统的暗示教学后,实验班大学生在排球的传球及垫球两项基本技术的掌握上,好于使用一般教学的对照班,且差异显著。原因在于实施暗示教学,教师能够从主观与客观两方面对大学生施加正向暗示及引导,有效的增强了大学生学习排球技术的自信心,且老师的良好期待也能够化作大学生自觉练习排球传球、垫球的学习行为。（2）实验班与对照班大学生在排球的发球技术的掌握上不存在显性差异,主要原因在于两班在发球练习方面均受限于现有条件,练习次数有限,且发球环节暗示教学法的效果不太理想。（3）实验结果表明,经系统暗示教学后的实验班同学学习自主选择性强于对照班,而对照班大学生由于教学方法较为保守,其在外化原则与缺乏学习动机指标高于实验班同学,显示其排球技术学习行为维持需要比实验班更大的外力来驱动。     

基于小波神经网络的期权定价模型

Black-Scholes模型所要求的假设条件在真实的市场条件下往往不能满足.提出了一种新的应用小波神经网络进行预测的欧式期权定价模型.将期权按钱性进行分类, 以一种新的加权的隐含波动率作为神经网络的输入变量,通过小波神经网络模型、BP网络模型和Black-Scholes模型来预测香港恒指买权的价格.实证结果表明,将一种加权的隐含波动率作为输入变量的小波神经网络模型优于Black-Scholes模型和其他神经网络模型.因此该模型可以更有效地预测欧式期权价格.     

Forecasting exchange rate volatility: a multiple horizon comparison using historical,realized and implied volatility measures

Recent studies suggest realized volatility provides forecasts that are as good as option‐implied volatilities, with improvement stemming from the use of high‐frequency data instead of a long‐memory specification. This paper examines whether volatility persistence can be captured by a longer dataset consisting of over 15 years of intra‐day data. Volatility forecasts are evaluated using four exchange rates (AUD/USD, EUR/USD, GBP/USD, USD/JPY) over horizons ranging from 1 day to 3 months, using an expanded set of short‐range and long‐range dependence models. The empirical results provide additional evidence that significant incremental information is found in historical forecasts, beyond the implied volatility information for all forecast horizons. Copyright © 2008 John Wiley & Sons, Ltd.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.