时变最优套期保值比估计及比较研究——基于卡尔曼滤波在状态空间模型中的应用

运用状态空间模型并基于卡尔曼滤波方法对中国铜期货市场时变最优套期保值比进行估计.对OLS、VAR、VECM、CC GARCH及SSPACE等模型的套期保值效率进行了比较.套期保值效率分别用方差下降百分比和夏普比下降百分比来测度.两种测度方法都表明,基于卡尔曼滤波的状态空间模型明显优于其他模型.该结论对于套期保值期限是稳定的.GARCH模型并不确定优于非时变模型.非时变模型中,VECM模型的表现最差.而VAR模型也并不明显优于简单的OLS模型.计量经济模型预测总风险由模型(误设)风险和估计风险构成.高级计量经济模型的模型(误设)风险较小,估计风险增大,总效应则不确定.卡尔曼滤波获得贝叶斯规则最优解,因而在处理估计风险方面较其他模型占优.     

大规模邻域搜索算法求解时变车辆调度问题

对时变网络车辆调度问题提出一种满足先入先出准则的时变处理方法,并建立相应的数学模型,提出一种基于大规模邻域搜索技术的智能优化算法进行求解,算法顶层采用动态规划算法搜索环状交换邻域以得到每辆车的最佳服务顾客集合;底层设计动态搜索算法用以安排每辆车的最佳服务路线.在此基础上提出顶层加入虚拟顾客和底层嵌入insert两类改进策略.通过实验仿真比较,验证了所提算法的有效性.     

基于DFNN的金融股指预测及金融非线性系统辨识研究

针对证券市场内部结构的复杂性、外部因素的多变性,本文采用动态模糊神经网络(DFNN)进行金融股指预测.DFNN能够实现在线学习,并且参数估计与结构辨识同时进行;同时采用误差下降率(ERR)修剪技术,保证网络拓扑结构不会持续增长,避免了过拟合及过训练现象,确保了DFNN的泛化能力.本文以上证指数为例,通过与同样以高斯函数作为传递函数的RBF算法预测结果的比较和分析,表明DFNN预测上证指数的偏差较小,预测的方向准确性较高.通过DFNN模型提取的模糊规则对金融系统运行模式进行分析,为研究金融非线性系统辨识提供了启发性思路.     

非线性协整建模研究及沪深股市实证分析

讨论了线性协整和非线性协整的涵义,指出在非线性系统中,非线性协整可以更好地刻画多个时间序列之间的均衡关系.提出了利用小波神经网络逼近非线性协整函数的方法,并给出了训练小波神经网络的变尺度算法.最后利用上海和深圳股指数据进行了实证研究,通过与BP神经网络的比较,证实了小波神经网络在非线性协整建模中的有效性,并说明沪深股市之间存在着非线性协整关系.     

上海股市金融业时变贝塔比较研究——基于状态空间向量的个股时变贝塔

本文采用状态空间向量模型运用卡尔曼滤波法来估计个股时变贝塔,对上海证券交易所金融行业公司的时变贝塔估计研究表明,假定贝塔系数变化路径为AR(1)的结果要优于假定贝塔系数遵循随机漫步的路径。     

实时/时变路网环境下城市出救点选择与救援车辆路径的集成动态优化

为了提升城市突发公共事件应急资源调配效率,考虑实时/时变路网环境下出救点选择与救援车辆路径的集成优化问题(CERFSVRP),设计了一种实时/时变交通信息的结合策略,并提出了满足先进先出原则的路段行驶时间计算方法.在此基础上,综合考虑出救点选择、供应能力以及车辆路径连续性等约束条件,以应急响应时间最短为目标,基于虚拟出救点概念和滚动时域策略建立了CERFSVRP动态优化模型.针对该模型的特点,设计了一种改进遗传算法和线性规划法相结合的两阶段算法.算例分析结果表明该模型和算法可以有效解决实时/时变路网环境下城市突发公共事件CERFSVRP动态优化问题.     

基于小波分析的股票分形时变维数研究

前人关于有价证券分形维数的研究是在假定维数恒定的情况下进行的,这就使得Hurst指数未能很好发挥其应有的投资指导作用.提出了时变维数的概念,对原有分数布朗运动模型加以拓展,使其成为具有局部自相似性的随机过程.给出了一个时变Hurst指数的小波估计式及其算法.通过上海股价周收盘指数的时变Hurst指数的实证分析,时变指数的引入比原来常数指数对于投资决策来说具有更好的指导作用.     

时变条件下有宵禁限制的有害物品运输最短路研究

在有害物品运输过程中,往往需要获得从起点到终点之间的最短路.针对有害物品运输网络具有很强的时变特性,且运输过程中往往有宵禁的限制(curfews)的情况.建立了允许有多个出发时间的,时变条件下有软、硬宵禁限制的有害物品运输的最短路模型,利用动态规划设计了求解时变条件下有软、硬宵禁限制的多目标最短路的算法,通过此算法可以获得时变条件下有软、硬宵禁限制的有害物品运输最短路,并分析了算法的复杂性.然后,对网络中可行路径在不同限制条件下的目标值进行了排序,并进行了证明.最后,给出了一个应用算例,证实了算法和模型的有效性.     

高风险低收益？基于机器学习的动态CAPM模型解释

我国股票市场存在高风险股票反而伴随较低收益的低风险定价异象,这有悖于传统资产定价理论．本文使用宏观经济和微观企业特征构建了六百多个变量的宏微观混合大数据集,并结合多种经典机器学习算法开发了基于大数据和机器学习的智能动态ＣＡＰＭ模型,检验了时变系统性风险对我国股市收益解释能力．实证结果表明：本文的智能动态ＣＡＰＭ定价模型能够显著解释我国股市低风险定价异象;随机森林等非线性机器学习算法表现最佳;影响股票时变系统风险的主要因素是市场类因子,基本面因子居次．本文对于我国股市系统性风险测度、动态资产定价模型构建和金融与大数据和人工智能融合创新有重要理论与实践指导意义．     

基于模糊逻辑系统的非线性组合预测方法研究

针对线性组合预测方法的局限性,本文提出了一种基于高斯型模糊逻辑系统的非线性组合预测新方法,并给出了相应的反向传播学习算法确定模糊系统的参数及模糊子集的划分．理论分析和应用实例表明：该方法具有很强的学习与泛化能力,在处理诸如非线性系统中时间序列的组合建模与预测方面都良好的应用价值．     

中国股票市场技术分析非线性预测能力的实证检验

运用前向人工神经网络方法对我国股票市场技术分析非线性预测能力进行了实证检验.发现基于移动平均规则的人工神经网络模型具有明显高于AR模型和各种移动平均规则线性模型的样本外预测能力.为解释技术分析方法具有非线性预测能力的原因,本文构建了一个基于异质市场假说的移动平均规则非线性模型,发现该模型的预测能力远高于其它非线性模型.表明我国股票市场存在异质性特征,技术分析方法能捕捉到不同类型投资者之间非线性的相互作用关系可能正是其具有非线性预测能力的原因.     

时变条件下追求最大效用的旅行规划问题

现有旅行规划问题的研究较少同时考虑旅行效用与网络时变两个因素,为此本文提出了一类时变条件下的旅行规划问题,考虑了三种约束:旅行者在网络节点上的驻留时间及在边上的旅行时间是时间依赖的、旅行者对网络的不同节点具有不同的偏好、旅行者的最大旅行时间是有限制的,应用时间集合图(time aggregated graph,TAG)表示旅行时空网络,建立了满足上述约束的求取最大旅行效用的旅行规划数学模型,并设计了相应的标号算法,最后进行了应用分析.与采用时间扩展图(time expanded graph,TEG)的方法相比,本方法虽然可能降低求解精度,但是大幅度地减少了计算成本.     

基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

客户流失危机分析的决策树方法

叙述了客户流失的基本概念,分析客户流失危机产生的原因,指出了传统的客户流失危机分析方法存在的问题,在ID3算法的基础上,提出一种加权熵的概念,并对ID3算法进行改进,提出了一种基于决策树的客户流失危机分析方法,通过一个客户流失危机的分析实验对该模型进行了验证.实验结果表明该方法是可行的和有效的,为客户流失危机分析和预警提供了一种新的研究思路和分析方法.     

金融市场条件高阶矩风险与动态组合投资

针对传统组合投资理论没有考虑高阶矩风险和静态处理问题两大缺陷,提出多元GARCHSK模型用于衡量时变的高阶矩风险,基于效用函数的Taylor展开推导出带有高阶矩风险的动态组合投资策略,并利用遗传算法进行求解。实证研究表明,中国股市不仅存在高阶矩风险,而且风险具有时变特征;为防范高阶矩风险,投资者需要动态地修正他的资产配置权重。     

经济时间序列的非线性组合建模与预测方法研究

基于模糊系统在紧立集中能够任意逼近非线性连续函数的特性,本文提出了一种基于Takagi-Sugeno模糊规则基的非线性组合预测新方法,以克服线性组合预测方法在解决非平稳时间序列组合建模问题所遇到的困难和存在的不足,并采用相应的遗传算法确定模糊系统的参数及模糊子集的划分。理论分析和大量的应用实例表明:该方法具有很强的学习与泛化能力,在处理诸如经济时间序列这种具有一定程度不确性的非线性系统的组合建模与预测方面有很好的应用价值。     

New Organizational Forms for Competing in Highly Dynamic Environments: the Network Paradigm

Turbulence and rapid change in the business environment have been associated for some time with the development of new network organizational forms which put various types of strategic alliance and other inter-organizational collaborations into effect. This paper traces the rationale for the formation of such networks and the associated vertical disaggregation of functions and implications for internal organizational design. This leads to the proposal of a classification framework for network forms. Using the dimensions of volatility of environmental change on the one hand, and the type of inter-organizational relationship involved (collaborative or transactional) on the other hand, network forms are classified as: hollow networks, flexible networks, value-added networks and virtual networks. In each case it is possible to identify the environmental and organizational contingencies most likely to be associated with the emergence and adoption of a particular type of network arrangement. This argument leads to the identification of a new research agenda which has the goals of developing more robust conceptualizations of network characteristics; better understanding the contingencies surrounding the emergence of network forms and their relative efficiencies and specifying some of the major implications of network formation for internal organizational design. In parallel the paper identifies a number of managerial implications for setting strategic priorities and developing appropriate management systems in these new organizational contexts.     

不完全确定信息的群体语言指派问题的求解方法

针对决策者权重和准则权重为不完全确定信息且评价语言值确定或位于二个标准语言值之间甚至缺失的多准则指派问题,提出了一种求解方法。首先利用证据推理算法计算得到各候选人完成各任务的优劣程度属于各个语言评价等级的信任度,并据此利用二元语义的Δ函数及其函数Δ-1将其集成为群体在所有准则下的综合评价矩阵,然后结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规则模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

基于理想解法的动态评价方法研究

为了比较多个系统在不同时刻的总体发展水平,需要进行动态评价。将二维数据加入时序数据扩展为三维数据,提出基于理想解法的动态评价方法,该方法既考虑评价指标值差异程度又考虑指标值增长程度,既可以得到各评价对象各时刻的综合评价值及排序,也可以得到各评价对象在某个时间段内总体的评价值和排序结果。最后用一个实例说明本研究实际应用上的有效性。基于理想解的动态评价方法给比较多个系统在不同时刻的总体发展水平(动态评价)提供了思路,是综合评价方法研究的有益补充,可以利用该方法进行应用研究。     

针对趋势失控的基于TAR模型的SPC-EPC集成研究

目前在SPC-EPC集成研究中使用线性时间序列模型,该模型对复杂的非线性自相关关系的描述存在偏差并影响最终的控制效果。针对这一问题提出使用一类非线性时间序列模型(即门限自回归模型)描述系统的动态噪声,据此建立基于门限自回归模型的最小均方误差控制器,并进一步建立SPC-EPC集成控制体系。针对在连续生产过程中常见的以趋势形式存在的过程失控,通过实例研究控制器在单独使用和集成控制方法下的控制效果,并与线性控制器相应的结果进行对比,通过模拟研究进一步验证和分析这一集成控制方法的控制效果。研究结果表明,基于非线性时间序列的集成SPC-EPC控制方法,对含趋势形式失控的、复杂的非线性自相关过程,在单独使用控制器调整的基础上可以进一步减小过程变异,模拟研究进一步验证此集成控制方法对不同幅度趋势变异的有效性,并给出不同情况下的集成控制方案。