基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

固定支付利率的抵押贷款定价理论——限于在支付日提前支付或违约

建立限于在支付日提前支付或违约的固定支付利率抵押贷款的定价问题的数学模型,通过沿着利率特征线方向差分偏微分方程,建立模型的离散计算方法,同时根据一些计算实例所得的数字结果,分析和讨论它的风险特性与风险管理方法.     

一种考虑补偿信用风险资本要求的算法

基于现行法定资本体制不考虑信用投资组合的多样化和限制空头信用风险头寸的补偿能力，设计了一种考虑补偿的信用风险资本要求的计算方法．该算法根据信用等级决定风险权重，可以更精确地测定信用风险资本．采用期限分段方法建立一个期间结构，区分当前和远期信用风险，考虑多头与空头信用风险头寸间的补偿．     

带有约束的缺省逻辑

提出了一种改进缺省逻辑的方法，讨论了这种缺省理论的性质，证明了每个缺省理论都有扩充，具有半单调性和累积性，并讨论了处理多扩充问题的一种方法．     

结构疲劳寿命估算的计算机仿真

采用人工神经物方法描述了材料在疲劳损伤过程中的性能变化,将材料的疲劳过程看作一个离散事件,建立了既能反映累积损伤的非线性效应,又能反应映材料循环特性的疲劳损伤累积模型。     

TSP5220语音合成系统

研究了语音合成芯片ＴＳＰ５２２０的合成原理及使用方法，设计并实现了由ＩＢＭ／ＰＣ机及ＴＳＰ５２２０组成的语音合成系统。该系统合成的语音具有较好的可懂性和自然度，且速率仅为１～１．７ｋｂ／ｓ，与６４ｋｂ／ｓＰＣＭ相比较，大大降低了存储语音所需的容量     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

中长期电力负荷预测

对电力负荷的预测的传统方法主要采用回归模型、曲线模型等，因不能充分利用历史数据，其准确性较差。利用人工智能技术，将BP神经网络及遗传算法应用于中长期期电力负荷预测，能更好的利用历史数据，如果再对有节假日的特殊月季电力负荷数据进行合理有效的处理，就能大大提高预测的精度。     

同时有短期和长期债券的公司债券定价

主要考虑公司同时发行短期和长期零息票债券的定价问题.利用随机分析方法,在短期债券到期日,由于偿付短期债务会引起公司资产的跳跃,所以,长期债券的定价需要分两个时间段进行.在结构化模型下给出了公司在短期债券存续期间没有违约的概率,以及在此条件下公司资产的条件概率分布,得到短期债券和长期债券的定价公式.通过数值计算,分析债券价格随各个参数变化的金融意义.