巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

专利风险评价指标体系构建及关键指标国际比较

 从经济安全的角度，基于专利价值链理论，构建了一套专利风险评估指标体系，用于衡量一个国家或地区在专利活动中遭遇风险的程度。利用专利基本活动中的4个关键指标，即专利质量水平、专利转化能力、专利纠纷风险程度和专利贸易国际地位，对美国、日本、韩国、德国和中国进行比较分析，得出2006-2015年，中国的专利发展“快而不高”“大而不强”，但与其他专利强国相比，在专利价值链关键环节的竞争中，中国不占优势，甚至存在较为严重的风险，尤其专利使用费逆差越来越大，对国家经济安全存在一定程度的威胁。     

机构投资者持股持续性对我国上市公司业绩及风险的影响研究

通过构建机构持股持续性指标体系,从四个维度全面研究机构持股持续性对上市公司业绩及风险的影响.整体来看,机构持股比例和持股稳定性的提升显著提高了公司业绩并降低了风险,反之则相反;机构持股期限与公司业绩仅呈很弱的显著负相关,导致这一异象的原因是:机构持股期限仅是一种表象,其背后隐含的是机构频繁换股的"散户化"行为及其不同的利益诉求带来了摩擦,加剧了公司经营决策和管理的不确定性,使公司业绩下降.分组研究显示:机构持股对公司业绩及风险的影响存在异质性;机构投资者只有秉持长期价值投资才利于公司业绩的提升,而以短期投机为目的的机构投资者对公司发展有害无益;机构持股稳定性越高,越有利于降低公司业绩风险;在机构持股比例高且持股期限长的公司中,机构持股比例与期限的协同效应越强,对公司业绩的改善作用越大,反之越小;在机构低比例持股的公司中,机构持股稳定性的提升对降低公司业绩风险的作用大于机构高比例持股的公司中对应的作用.     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

利用反预报方法从截面预言近滴线丰质子核的结合能

在Origin等数据处理软件中,当实验数据较少时,自由参数的不同初始化设置会导致较大的结果差异,这为物理结果的确定带来较大不确定性.通过最小二乘法分析了345MeV/u ~(78) Kr+~9Be反应中产生的丰质子同位素的截面和结合能,并得到线性回归方程.通过回归方程,利用结合能预报部分丰质子核素的截面,以及通过实验截面对近质子滴线核素的结合能进行反预报测量.这对于近质子滴线的丰质子核素实验测量具有较好的借鉴意义.     

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.     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

考虑承保风险的保险基金投资研究

在阐述保险基金投资重要性和必要性的基础上，利用保费收取与保险赔付间的时滞，对保险基金投资进行了分析，建立了考虑承保风险的保险投资模型，并得出了最优投资比例，这对保险人进行保险基金投资有重要的理论与实践意义，最后，通过实例进行了说明。     

线性回归分析与能源需求预测

结合实例介绍了回归模型方法在能源预测中的应用，具体地讨论了最简单、最基本的直线回归模型结构及参数估计方法，对于其他一些曲线回归模型则可通过变量代换转化为直线回归模型。     

Robustness of alternative non‐linearity tests for SETAR models

In recent years there has been a growing interest in exploiting potential forecast gains from the non‐linear structure of self‐exciting threshold autoregressive (SETAR) models. Statistical tests have been proposed in the literature to help analysts check for the presence of SETAR‐type non‐linearities in an observed time series. It is important to study the power and robustness properties of these tests since erroneous test results might lead to misspecified prediction problems. In this paper we investigate the robustness properties of several commonly used non‐linearity tests. Both the robustness with respect to outlying observations and the robustness with respect to model specification are considered. The power comparison of these testing procedures is carried out using Monte Carlo simulation. The results indicate that all of the existing tests are not robust to outliers and model misspecification. Finally, an empirical application applies the statistical tests to stock market returns of the four little dragons (Hong Kong, South Korea, Singapore and Taiwan) in East Asia. The non‐linearity tests fail to provide consistent conclusions most of the time. The results in this article stress the need for a more robust test for SETAR‐type non‐linearity in time series analysis and forecasting. Copyright © 2004 John Wiley & Sons, Ltd.