基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

管廊复杂网格参数化算法及其大规模在线渲染

随着WebBIM(Web Building Information Modeling)技术的大力发展,建筑模型的复杂度与构件数量呈几何倍数增长,其中管廊复杂网格是影响模型轻量化和在线渲染速率的一个关键性问题。为有效减少管廊复杂网格模型的数据量及复杂度,针对一般圆柱体形管廊,复杂网格的弯管管廊模型及中空管廊网格模型,提出了一套轻量级参数化算法。该算法对场景中的管廊模型进行参数化重绘并辅助以多细节层次等视觉优化手段,以减轻WebBIM场景中的管廊模型渲染负担,其在拥有大量管廊模型的场景中应用成功,具有较强的工程实践意义。     

“翻转课堂”概念探析

随着信息技术的发展和普及,很多学校出现了新的教学模式和学习方法,“翻转课堂”作为教学模式的重要变革引起了社会各界的广泛关注,但仍有很多教师对“翻转课堂”存在误解。文章旨在探求该教学模式的概念产生过程及其本质,同时对其功能进行分析和反思,从而为现阶段我国的教育信息化进程提供助益。     

基于交易成本理论的网络购物满意度影响因素分析

本文将交易成奉理论应用于网络购物满意度研究,在分析网络购物的优势并界定网络购物满意度的基础上,从交易成本的视角,探讨网络购物满意度的影响因素,指出这些影响因素与顾客满意度的关系,进而提出研究命题,以及相关的营销建议.     

一对多交互式在线客户服务排队模型

以聊天工具为基础的在线客服大量取代了电话形式的传统客服.与电话客服不同,一个在线客服人员能同时为多个顾客提供交互式的服务,而传统的排队公式都是以一对一服务为基础推导的,无法直接用来计算在线客服的排队指标.分析了一对多交互模式下的排队特点,提出了该模式下的服务水平指标,构建了包含顾客层和消息层的双层排队模型,推导了系统平...     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

能量收集通信系统中基于深度Q网络的最大化保密速率功率控制策略

研究由能量收集发射节点、目的节点和窃听节点组成的能量收集通信系统中,以最大化平均保密传输速率为目标的发送功率控制问题.在环境状态信息事先未知,且系统模型中信道系数、电池电量、收集的能量连续取值的场景下,提出一种基于深度Q网络(deep Q network,DQN)的、仅依赖于当前系统状态的在线功率分配算法.将该功率分配...     

基于回归树与衰减函数的在线负面口碑影响力预测

影响力预测是企业在线负面口碑处理的关键环节.论文通过综合考虑信息发布者特征和信息内容特征两个维度形成特征空间,采用影响力衰减函数描述负面口碑影响力的多变趋势,提出了一种基于回归树与衰减函数的IMM-RTDF模型来预测在线负面口碑的影响力.实验结果表明,考虑信息内容特征有助于提高预测精度,同时发现用不同的衰减函数能更好地描述异质负面口碑影响力的变化趋势,进而能提高模型性能.基于此方法的在线负面口碑处理策略为企业进行客户关系管理和资源配置提供了决策支持.     

图书附盘的科学管理、利用及统一著录

介绍了图书附盘的几种管理模式及其利弊,根据实际情况,提出图书与附盘的网络管理模式,规范著录附盘图书,最大限度地提高图书附盘的利用率.     

基于预知信息的占线Nomadic TSP问题

自然灾害的频繁发生使得应急减灾倍受关注, 尤其有效的应急救援车辆调度对应急减灾非常重要. 针对受灾点被提前获知但是不能立即接受救援服务的情形, 通过将受灾点(需求)的揭露时间和释放时间引入Nomadic TSP模型中构建了预知信息的占线Nomadic TSP问题, 并分别给出了问题的下界, 直线网络结构下的ENO-dd算法, 和一般网络结构下的GTR-dd算法, 并对算法进行了竞争性能分析. 结果表明两个算法随着预知信息的增多会有明显改进. 更为一般的预知信息结构以及最优的算法设计是下一步研究的方向.