IP Filter包过滤防火墙在校园网上的实现

介绍了利用IP Filter包过滤功能在网络出口组成防火墙实现网络安全,并通过一个校园网作为实例,说明包过滤规则的制定和在IP Filter上的配置。     

江苏进出口贸易与经济增长关系的实证研究

从2000-2013年的GDP和进出口数据出发,运用HP滤波、相关分析、偏相关分析、协整理论和Granger因果检验,对江苏省进出口与经济增长的关系进行实证分析可见,出口额、进出口总额与江苏省GDP的增长均具有较为显著的正向关系。通过活跃外贸活动扩大出口仍将是推动江苏经济增长的主要因素之一。     

我国鸭苗价格波动的周期性研究

在分析影响我国鸭苗价格周期性波动原因的基础上,利用X12季节调整法与H-P滤波模型法对我国鸭苗价格周期波动进行研究。结果表明:鸭苗价格波动具有周期性,周期平均长度为33个月,每个周期具有非对称性,每一周期的持续上涨时间低于持续下降时间。提出建立鸭苗生产的资格准入制度和标准许可证制度、合理控制鸭苗供给规模、保持国际和国内肉鸭市场信息畅通和加强肉鸭的疫病防治工作等相关的建议。     

中国城市TFP增长与潜在增长率

利用1990～2018年间中国264个地级及以上城市的投入和产出数据,本文通过非参数DEA　Malmquist生产率指数法分析了中国城市全要素生产率增长及其分解项技术进步、技术效率、纯技术效率、规模效率等的变化及其对经济增长的贡献率,并探讨了资本和劳动对经济增长的贡献率,进一步采用HP滤波法研究了全要素生产率增长趋势、投入要素增长趋势及其波动对经济潜在增长率的影响,得出结论并提出如下政策建议：1)优化投入要素和资源的合理配置,通过技术研发、人力资本、制度变革等多种方面来提升全要素生产率增长及其对经济增长的贡献率;2）提高各地区固定资本存量的有效使用效率; 3) 提高劳动的有效参与率。     

An Alternative to Transfer Function Forecasting Based on Subspace Methods

In the time series literature, recent interest has focused on the so-called subspace methods. These techniques use canonical correlations and linear regressions to estimate the system matrices of an ARMAX model expressed in state space form. In this article, we use subspace methods to forecast two series with the help of some exogenous variables related to them. We compare the results with those obtained using traditional transfer function models and find that the forecasts obtained with both methods are similar. This result is very encouraging because, in contrast to transfer function models, subspace methods can be considered as almost automatic.     

Time series analysis for repeated surveys

Estimation of a characteristic based on surveys repeated at regular intervals is considered. A state space formulation is given for the problem and the Kalman Filter is used to obtain an estimate and its variance. Some examples are also given to illustrate the methodology.     

中国经济增长趋势研究

1978年以来,中国经济高速增长,国民经济综合实力迅速增加,中国一跃成为世界第二大经济体,但是次贷危机对世界及中国经济造成了巨大影响,经过强有力的刺激政策,中国经济出现了短暂的恢复性增长,之后呈现逐渐下降态势.2014年中国GDP增长速度为7.4%,与经济危机之前的中国经济的高速增长相比有较大差距.采用季节调整模型和Hodrick-Prescott滤波分析方法研究发现,中国的长期经济增长速度呈现下滑趋势,其根本因素是消费、投资、净出口的拉动力下降,直接因素是房地产行业下行.为了保持中国经济的长期平稳增长,应该适当鼓励人口增长,降低税收和鼓励科技创新.     

基于MS-AR模型的中国能源消费周期路径演化识别

文章基于改革开放以来的煤炭、石油、天然气、一次电力及其他能源消费增长率年度数据,运用HP滤波和MS-AR模型,透析能源消费周期多阶段的区制属性,刻画我国能源消费增速的时间路径变化特征。结果表明:(1)除一次电力及其他能源消费增长率外,各能源消费增长率均处于窄幅震荡状态,21世纪初呈现明显的下行态势;煤炭、石油增长率波动程度明显强于天然气、一次电力及其他能源消费增长率波动程度。(2)各能源消费增长率存在低速增长区制、中速增长区制、高速增长区制的三区制特征;以煤炭、石油为代表的传统能源消费增长率在低速和高速增长区制间动态跃迁,仅在相关政策、重大改革方针出台后跃入高速增长区制,在中速增长区制具有持续性;天然气消费增长率在低速增长区制具有惰性;21世纪以来,一次电力及其他能源消费增长率维持在高增长区制。(3)区制特征与波动风险具有联动效应,高(低)增长区制具有高(低)波动风险。     

Low-pass filter design using locally weighted polynomial regression and discrete prolate spheroidal sequences

The paper concerns the design of nonparametric low-pass filters that have the property of reproducing a polynomial of a given degree. Two approaches are considered. The first is locally weighted polynomial regression (LWPR), which leads to linear filters depending on three parameters: the bandwidth, the order of the fitting polynomial, and the kernel. We find a remarkable linear (hyperbolic) relationship between the cut-off period (frequency) and the bandwidth, conditional on the choices of the order and the kernel, upon which we build the design of a low-pass filter.The second hinges on a generalization of the maximum concentration approach, leading to filters related to discrete prolate spheroidal sequences (DPSS). In particular, we propose a new class of low-pass filters that maximize the concentration over a specified frequency range, subject to polynomial reproducing constraints. The design of generalized DPSS filters depends on three parameters: the bandwidth, the polynomial order, and the concentration frequency. We discuss the properties of the corresponding filters in relation to the LWPR filters, and illustrate their use for the design of low-pass filters by investigating how the three parameters are related to the cut-off frequency.     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。