汇率序列存在缺失值时的最大似然估计

一、简介利用状态空间模型中的Kalman滤波可以很好地解决时间序列模型的缺失数据问题。《存在缺失值的ARFIMA模型的最大似然估计》一文(高洁,《系统工程》2004年,第10期)通过修改Kalman滤波递推公式解决了长记忆ARFIMA模型的缺失数据问题,得到了存在缺失值     

数据包络分析的综合评价作用

数据包络分析的综合评价作用数据包络分析是一种统计分析的新方法，它可以研究具有多个输入的生产系统，特别是具有多个输出的生产系统，运用数学规划模型对其进行综合评价，即从技术经济角度考察企业在一定的投入水平上，是否达到相对最大的产出水平，也就是评价企业的生...     

系统误差对控制图监控效能的影响分析

随着科学技术的发展,计算机技术越来越多地应用到企业生产管理中,这就要求我们在进行数据测量时必须保证数据的准确度。文章主要利用平均运行长度分别分析了定值系统误差和变值系统误差对控制图过程监控效能的影响,同时又简要说明了变值系统误差的不确定度问题。     

物流配送需求量的预测方法

物流需求量预测是政府有关部门及企业制定物流规划和建设物流基地的决策依据.文章将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM(1,1)模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM(1,1)模型预测.     

农民工家庭迁移状态的演进及其影响因素研究——基于山东省951户的调查数据

根据山东省951户农民工家庭的调查数据,利用多元Logit模型和扩展的Oaxaca-Blinder分解方法,系统分析了农民工家庭向城镇迁移过程中迁移状态的演进及其影响因素。研究表明,初次离乡和定居城市两种演进形式的实现难度较小,而举家迁移和直接定居城市两种演进形式的实现难度较大;农民工家庭劳动力的城镇务工状况及其农村经济状况是影响农民工家庭迁移状态演进的决定性因素。     

基于统计特征的动态过程质量异常模式识别

文章针对目前动态过程质量异常模式的识别精度不高的问题,提出一种基于统计特征的动态过程质量异常模式识别方法.该方法首先提取出样本数据的16个统计特征,再通过相关性分析筛选出相关性较小的统计特征;然后将筛选后的相关性较小的统计特征输入支持向量机(SVM)分类器进行识别.通过仿真实验进行验证,实验结果表明,基于统计特征的异常模式识别模型能够提高整体的识别精度,可适用于生产现场的质量监控.     

基于概率神经网络与多重分形的海温预测模型

文章提出了一种基于多重分形与概率神经网络相结合的海温预测方法.该方法利用多重分形方法将海温序列挖掘出多个蕴含海温变化信息的时间序列;利用多重分形计算得到的多个时间序列作为概率神经网络的输入因子建立预报模型;利用该预报方法对NINO综合区平均海温进行未来1～3个月的预报实验,结果表明:该方法能较好的实现NINO综合区平均海温的预测,这对厄尔尼诺/拉尼娜现象的监测和预报工作提供了一种新的方法.     

网络流量业务的极值分析

在网络拥塞控制与带宽分配研究中,建立合理的网络流量模型是一个非常重要的问题。本文利用极值理论,对于具有相关性的网络流量序列,借助分串的方法,引入极值指标,建立了阈值模型。根据阈值模型,得到了超过某个阈值的流量的渐近分布,并对美国贝尔实验室的测量数据进行了实证分析。结果表明,阈值模型能够很好地刻画网络业务流量的特性。根据阈值模型,可以设计合理的流量带宽分配,并对未来可能遭到的网络拥塞进行及时的预报和控制。     

我国入境旅游和经济增长关系的统计检验

文章利用1978-2006年的统计数据和状态空间模型时中国入境旅游与经济增长关系进行了研究,得出结论:中国入境旅游与经济增长之间存在一种随时间不断变化的长期均衡关系即变参数协整关系;基于状态空间模型的变参数估计很好地揭示了中国入境旅游对经济增长影响的时变规律.     

基于改进型神经网络的经济预测算法

文章在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法的存在的问题,提出了一种改进型神经网络算法。首先对训练样本集采用链式数据重组的方法进行扩充;然后在构造的人工神经网络输入层单元引入经济指标的增长率数据和时间窗口序列数据。仿真结果表明,文章提出的算法能够增强神经网络的泛化能力,提高系统模型的预测精度。     

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。     

我国创业板上市公司信用评级研究

文章选取2015年我国创业板上市公司的多元财务指标,运用因子分析法,在对每家企业进行K-means聚类分析的基础上,用Z值进行分类,将之作为该年度创业板上市公司信用评级的基准.然后利用该年度的数据作为测试集,以该模型对创业板上市公司的评级结果作为目标输出构建BP神经网络模型,并利用2016年创业板上市公司的财务数据,套用该模型进行仿真预测.发现创业板公司评级整体在中等偏下水平,且涨幅排名前十的公司信用评级整体上明显优于排名最后的十家公司,该评级结果说明,在2016年股市波动较大的情况下,创业板上市公司财务状况越好,其评级越高,越能经受住市场的考验.     

经济控制论 基础知识讲座——第三讲 负反馈调节(上)

一、克服干扰的几种方法上讲已经说明,控制系统把它的输入变换为它的输出,如果系统的输入对其输出存在严格确定的关系,那么通过对输入的控制就可以得到完全符合目标的输出,控制就比较容易实现了.例如,电灯开关的状态     

工业取用水监测奇异数据挖掘与重构方法

提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容,而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上,以国家水资源管理系统数据库中工业取用水监测数据为样本,利用小波变换模极大值模型提取工业取用水监测数据时频变化特征,并利用傅里叶函数对其残差序列进行修正,进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上,采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明：小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征,但是同时容易导致监测数据的信息损失,利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果;以小波变换模极大值特征序列为基础,通过相对误差控制可实现对监测数据奇异值的高效挖掘;对于挖掘出的奇异值重构填补问题,可选取混沌粒子群优化的最小二乘支持向量机模型,其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。     

基于Tsallis熵最大化的VaR模型

统计物理学中的Beck模型具有很好地描述变量的长期记忆和厚尾的特点,文章利用Beck模型和Tsallis熵的最大化理论,对沪市股票指数进行了研究,首先,给出了在Tsallis熵最大化条件下的分布函数,然后,对沪市股票指数数据进行了实证分析,并通过最大似然估计估计出其参数,最后,利用该厚尾分布计算了沪市综合指数的VaR.     

基于熵与混沌理论的MC质量链与协同机理分析

文章通过对熵理论、混沌理论研究,构建了大规模定制质量链系统状态模型;同时应用熵理论、混沌理论以及系统过程状态模型对大规模定制质量链协同机理进行了分析;然后利用算例分析了大规模定制质量链协同问题并提出了相应的措施.     

统计方法的几何学研究

文章利用投影定理,推导出平稳时间序列的预报、线性回归模型参数的估计量和假设检验的统计量,并用几何直观图像形象地解释了时间序列未来值的预报,即未来值在现时值和过去值所生成空间中的投影,使对复杂的统计方法的理解变得简单易懂。     

影响农民加入农业专业合作社意愿的内在因素分析——基于白水县苹果专业合作社的调查

不考虑外部环境,着重研究影响农民加入农业专业合作社意愿的一些内在因素。使用对白水县苹果专业合作社的实地调查数据,利用因子分析法对调查数据进行分类,然后利用Logistic模型进行实证分析,最后得出农民在特定农作物上的生产水平及户主自身能力对农民加入专业合作社影响显著,同时农民对于信息的了解程度也对其加入意愿影响比较显著。     

多水平C-D生产函数模型及其参数异质性研究

文章利用多水平模型分析方法建立了多水平C-D生产函数模型。该模型考虑了层次结构及异质性对C-D生产函数的影响,并基于我国1997~2007年经济发展相关数据进行了实证建模和数据分析。结果表明,多水平模型能够更好地反映我国经济发展规律,同时发现其资本贡献率显著依赖地区对外开放度,从而揭示了生产函数模型的参数异质性特征。文章还通过拟合模型,估算了各省份资本要素的贡献份额及其与对外开放度的关系。     

基于加权自回归隐马尔科夫模型的语音识别

对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从而获得隐状态输出。这种方法可以充分利用已有的观察数据,适合于实际随机性较强的语音信号的识别。实验结果证明了提出方法的有效性。