网络舆情突发事件的应急群决策方法

由于短时间内网络舆情事件信息收集不完备,决策者对网络舆情危机的应急决策往往会卷入网络舆情热度和突发事件影响力等直觉模糊决策指标.文章通过网络舆情突发事件指标的直觉信息熵来构建多指标应急决策模型,获取各决策指标的合理权重,进而通过直觉模糊集结算子集成计算各网络舆情突发事件的综合危机程度,根据直觉模糊危机值的得分和精度,可确定各网络舆情事件危机严重程度排序,辅助政府轻重缓急地应急处置各舆情危机.     

生鲜农产品供应链突发事件风险的评估模型

文章结合生鲜农产品供应链的特点和过程,将生鲜农产品供应链突发事件风险分为三类:农户生产风险、运营风险和需求突变风险。并在对上述风险因素分析的基础上,针对评估过程中的不确定性信息难以量化处理的问题,引入贝叶斯网络推理算法,构建了包含风险因素、状态、事件的生鲜农产品供应链突发事件贝叶斯网络风险评估模型。模型通过不确定性推理对突发事件的主要状态和损失后果进行预测评估,为生鲜农产品供应链突发事件风险评估提供了一种新的思路。     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。     

基于多阶段抽样的贝叶斯序贯过程质量监控分析

文章针对参数随机化情况下的质量控制问题,提出了新的过程质量方法。通过质量控制模型的统计结构分析,研究了Jeffreys先验分布下参数的后验分布和贝叶斯估计,据此构造了具有预警线的过程样本均值-标准差监控图,以及贝叶斯过程能力指数评价模型;然后,将过程状态稳定的模型参数后验分布作为下一阶段的参数先验分布,进行样本数据信息融合、模型迭代更新,建立了基于共轭先验分布的贝叶斯序贯均值–标准差监控和贝叶斯动态过程能力指数估计模型。研究结果表明:与现有的统计过程质量控制方法比较,贝叶斯序贯过程质量监控方法能够融合产品质量指标的历史信息,及时更新过程控制限,动态监控过程质量波动。     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

大数据背景下网络突发事件动态监测研究

通过互联网以及社交平台的数据监测社会突发异常事件是当前社交网络传播研究的热点问题,本文基于大数据背景,对网络突发事件动态监测算法进行了创新性研究.论文首先介绍了常用的几种网络动态监测算法,并指出了其在社交网络中应用的局限性,提出了基于Kleinberg的改进算法,最后用改进的算法进行了实证研究,研究结果显示:改进后的算法通过给定合理的调节参数,能迅速准确地监测到网络异常状况的发生,从而不仅避免了传统主观上直接通过突发事件出现的频次来划定临界值的不科学性和直接使用微博量排行榜方式所产生的时间上的滞后性,也避免了直接通过划定一个固定的微博增加量来判断是否有异常事件发生的不合理性.本文在大数据背景下为网络突变事件的动态监测提供了新的研究方法,为政府加强网络安全建设、优化网络监管模式、净化互联网环境具有一定的实践指导意义.     

基于多变量动态模型的产出缺口估算

 本文运用多变量动态模型系统下的Beveridge-Nelson分解方法和贝叶斯Gibbs抽样估计，估算了1985年1季度至2008年2季度期间中国的产出缺口，并且与传统的单变量估计方法测算的结果在统计属性和对货币政策调节的预测效果方面进行了比较。实证结果表明，不同产出缺口的统计属性存在差别，并且只有基于多变量系统测算的产出缺口对货币政策具有显著预测效果。这说明多变量模型估计出的产出缺口更全面地考虑了经济产出与其他相关变量的互动效应，含有的信息更为丰富，从而对宏观政策调整具有更重要的参考价值。     

基于辅助粒子滤波的DSGE模型识别方法及应用

动态随机一般均衡模型中涵盖无法直接观测的变量,同时跨方程约束涉及复杂的非线性关系使方程的解析估计难以实现。在贝叶斯框架下识别动态随机一般均衡模型,基于状态空间方法建立度量方程和状态转移方程,采用辅助粒子滤波预测条件后验分布,建立贝叶斯误差带描述宏观经济变量脉冲响应函数的动态特征。实际数据分析验证了贝叶斯识别方法的有效性。     

中国通货膨胀的预测模型与实证

文章建立了一个带反馈机制多因素随机波动模型来刻画中国通货膨胀动态,基于粒子滤波与MH抽样相结合的贝叶斯方法估计模型参数,并利用粒子滤波方法得到通货膨胀的一步向前预测及随机波动分量的光滑估计.研究表明,与Stock and Waston(2006)的模型相比,带反馈机制的多因素随机波动模型可以刻画经济波动的随机性和经济波动的极端事件,能够较为准确地描述中国通货膨胀的动态行为,从而对通货膨胀可以做出更为准确的预测.     

多层贝叶斯模型在消费者偏好分析中的应用研究——基于手机市场数据

基于手机市场的调研数据,构建了多层贝叶斯模型,并将其与传统哑变量回归模型进行比较,得出前者比后者具有更好的模型拟合能力和预测能力的结论。利用有人口特征变量的多层贝叶斯随机效应模型来完成对所有未知参数的估计,从个体内行为和个体间行为两个层面对消费者的偏好行为进行全面分析,结果发现该模型可以很好解释消费者的总体偏好及其偏好差异性。     

基于复杂网络的非常规突发事件的传播演化模型与仿真

文章以高斯分布定量表征非常规突发事件传播过程的周期性特征,将系统科学和复杂网络理论相结合,从非常规突发事件传播主体特点和事件客体演变特性两个维度构建了非常规突发事件传播网络的演化模型,研究了非常规突发事件传播网络的结构特性和动态演化规律。通过分析模型解析结果与模拟仿真结果,发现非常规突发事件传播网络具有关于的无标度网络幂律分布特征,这对应急部门制定情景-应对型控制策略提供科学支撑具有重要意义。     

贝叶斯变量选择及模型平均的研究

对多元线性回归问题中的变量选择进行研究,改进现有的贝叶斯自适应抽样(BAS)方法,在实现整体不放回抽样的前提下,局部引进放回抽样的方法,通过数据仿真发现,同样进行贝叶斯模型平均(BMA),改进后的方法预测效果比改进前的BAS预测效果更好。     

网络舆情数据质量的评估

对网络舆情数据的研究日益得到重视和关注,而目前网络舆情主题中对数据质量的研究比较鲜见.文章通过对网络舆情调查和整理出来的统计数据,采用统计学的方法对其准确性、变化趋势存在的问题进行分析检验、矫正、确认,以达到对数据质量进行评估、找出导致异常数据的原因及补救措施.并通过优酷网用户的视频统计进行了实证分析.     

大数据环境下基于SVM-WNB的网络舆情分类研究

当前网络舆情信息存在数据量大、流动快及数据非结构化等特点,难以实现对其快速、准确的分类.SVM算法和朴素贝叶斯算法都是性能优秀的传统分类算法,但无法满足快速处理海量数据.文章利用Hadoop平台可并行处理分布式数据存储的优良特性,提出了HSVM_WNB分类算法,将采集的舆情文档依照HDFS架构进行本地化存储,并通过MapReduce进程完成并行分类处理.最后利用实验验证,本算法能够有效提升网络舆情分类能力与分类效率.     

基于贝叶斯网络推理的逼近理想解方案排序法

文章将贝叶斯网络推理技术应用在多属性决策中,先构造多属性决策问题的贝叶斯网络模型,再利用贝叶斯网络的双向推理功能,通过正向推理将复杂的关系网层层简化为父子节点关系,进而计算出各备选方案的属性值,在此基础上进行逆向推理,用条件概率的形式来量化的反应各方案与理想解之间的逻辑接近度,并依此给方案排序,最后通过具体算例表明方法的有效性和灵敏性。     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

带有有序变量的结构方程模型中的模型选择

文章着重研究了带有有序分类变量的结构方程模型的模型选择问题,并将一个基于贝叶斯准则的统计量称为测度,应用到此类模型中进行模型选择。通过实例分析说明了上述方法的应用,并给出了根据贝叶斯因子进行模型选择的结果。     

贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究

本文基于时空模型和非对称拉普拉斯分布提出一种新的时空分位回归模型.本文主要将空间域利用薄板回归样条展开,结合混合模型与样条之间的关系,得到分层贝叶斯分位回归模型.利用MCMC算法得到参数的后验分布,并对模型中系数的空间域进行预测.本文同时融合降秩近似的方法,简化了计算复杂度.区别于已有时空分位模型,本文考虑了协变量对因变量影响的空间分布特征,并非直接对时间或空间效应整体进行建模,有利于深入研究协变量与因变量之间的空间结构关系.数值模拟结果表明,预测的空间域与真实的空间域十分接近,并在不同分位水平下,有效地估计了协变量影响的空间效应差异.最后将该模型应用于北京市PM2.5浓度的研究,分析气象因素对PM2.5浓度影响的空间分布特征.     

基于贝叶斯网络的高新企业融资风险评估模型

尽管高新企业有着非常好的发展前景,但融资难仍是高新企业发展面临的难题.基于贝叶斯网络构建了一种高新企业融资风险评估模型,能够将各种信息纳入同一网络结构,能够通过正向或者是逆向的推理来得到网络其他节点的后验概率.借助于非线性规划论的约束变尺度优化法建立融资结构优化模型,从而探讨出最为合理的企业融资结构.     

汇率预测方法及比较:基于贝叶斯平均分类回归模型的检验

分类回归模型是回归模型家族的一个重要组成部分.文章针对现有的分类回归模型均采用选择性回归计算所存在的问题,建立了贝叶斯平均分类回归模型,并将其用于人民币汇率预测的实证研究.在实证研究时选取人民币对主要货币的汇率序列,对使用时间序列模型的预测结果与贝叶斯平均分类回归模型的预测结果进行对比分析,证明贝叶斯平均分类回归模型确实能够提高预测准确度.还使用贝叶斯平均分类回归模型对比分析了现有研究文献的预测效果,结果表明分类回归模型具有一定程度的优越性.