基子分形插值函数模型的非等距时序灰色预测方法

本文简单介绍了分形插值的数学模型及其插值方法,构造了一种分形插值算法.该算法利用区间内的迭代函数系和吸引子由特定的初始点出发进行直接搜索,并通过迭代特定次数和获得的点集与吸引子均方偏差不断减小的过程来逐步调整初始点的纵坐标值,而均方偏差达到最小化时的纵坐标值可作为预测值.该值可用于非等距时序GM(1,1)的灰色预测问题.     

分形插值预测模型的构建及应用

文章根据长江大通站月平均径流量数据资料,首先运用重标极差(R/S)分析方法揭示了径流复杂的非线性特性下隐藏的持续性特征,并计算出其分形维数,证明该径流量时间序列具有分形特性。据此,利用历史数据建立了具有外推功能的迭代函数系统(IFS),其中对垂直尺度因子的求取采用了能兼顾数据局部细节和待插值对象整体特征的方法。然后通过筛选不同的数据长度建立了新陈代谢分形插值预测模型对径流量进行预测。最后通过实例验证表明,该预测模型能够满足预测的精度要求。     

Monte Carlo EM梯度法在MATLAB中的实现

文章使用空间广义线性混合模型为连续空间非正态变量建模,在MATLAB中实现模型参数估计的MCEMG算法,即结合Monte Carlo样本的EM梯度法,求解参数的极大似然估计及采样点随机效应的最小均方误估计。在GS+中进行随机效应的普通克里格插值,并最终对非采样点响应变量进行预测。模拟仿真结果显示该方法参数估计与真实值较接近,响应变量预测结果能反应真实数据总体分布情况。     

短面板随机效应模型的分位数回归方法及模拟

对于随机效应面板数据的分位数回归研究的难点在于如何处理截面内存在的相关性,文章借助分位数回归与ALD分布之间的关系,提出了带有Copula相关结构的分位数回归的极大似然估计法,其中Copula函数可用来表示短面板中的截面内相关性.通过数值优化算法迭代求解目标函数可得参数估计值,蒙特卡洛模拟结果显示该方法的均方误差更小,因此更为精确可靠.     

正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

基于分形插值模型的股价时间序列分析及预测

文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征.     

稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

混合样本下双因素误差模型的参数估计

考虑到面板数据的选择性偏误、不响应、样本流失及轮换面板数据的高成本，在实际应用中，根据研究的需要和两种样本各自的特征，有时将两种样本结合使用，从而得到普通面板数据和轮换面板数据的混合样本。文章提出了混合样本下双因素误差面板回归模型的迭代极大似然估计方法，得到了未知参数的迭代公式。使用蒙特卡罗模拟方法分析了面板数据和混合样本下参数估计的平均绝对偏差和均方误差，结果显示：与面板数据下的极大似然估计量相比，混合样本下迭代极大似然估计方法整体上降低了估计量的平均绝对偏差和均方误差，优于面板数据下的极大似然估计量。     

股指时间序列的分形插值模型与R/S分析

运用分形插值模型和R/S分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R/S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。     

股指时问序列的分形插值模型与R／S分析

运用分形插值模型和R／s分析法研究股指时间序列的变化规律和结构特征,通过建立分形插值模型刻画上证综合指数在一定时间内的变化规律,并预测其在短期内的指数走势。使用R／S分析法和Hurst指数,分析了上证综指的结构特征,指出市场具有状态持续性和分形分布等统计特征。     

广义部分线性单指数模型的惩罚样条估计

 本文讨论了指数族广义部分线性单指数模型(Generalized Partially Linear Single Index Models, GPLSIM) 的惩罚样条迭代估计,提出了基于惩罚似然和一组预先取定的单指数参数向量 的初始估计的迭代估计算法。另外本文还通过一组模拟数据的分析对所提出的迭代算法进行了验证。     

基于连续混合正态分布的期货定价偏差研究

挖掘期货理论价格和实际价格之间的关系有助于提高期货市场定价效率、发挥期货价格发现功能。基于持有成本定价模型计算期货定价偏差,利用连续混合正态分布模型对定价偏差的分布进行拟合,先采用基于牛顿迭代的极大似然估计法对未知参数进行估计,再进一步利用模拟退火算法对牛顿迭代的结果进行优化。结果发现,模拟退火算法可以有效提高估计精度,连续混合正态分布模型能够更好地拟合期货定价偏差分布。     

均匀设计表的MATLAB实现

介绍了构造均匀设计表的好格子点算法与生成原理,以中心化偏差为均匀性测度,使用MATLAB编写了生成中心化偏差值最小的均匀设计表的计算机通用程序,通过与文献比较,验证了程序的正确性,得到了更多的均匀设计表。     

核密度估计逐点最优窗宽选择的改进

在核密度估计中,当核函数的期望为零且方差有限时,通过把均方误差的偏差项展开至二阶泰勒公式,而后再极小化均方误差,可以构造出逐点最优窗宽的具体形式。但是这一窗宽在使f″（x）≠0的x处为无穷大,导致出现了奇异的估计。针对这一问题,文章在相同的条件下,要求核函数为对称分布,把均方误差中的偏差项展开至四阶泰勒公式,通过极小化均方误差方法在使f″（x）的x0处构造出了新的窗宽,以此修正了原窗宽在这些点处的奇异估计;利用这一窗宽,通过选用标准正态核函数和Epanechnikov核函数来进行数值模拟,并与原窗宽的模拟结果作比较分析,验证了该窗宽的优越性。     

基于捕获流动中心试点的自适应K-means算法

文章回顾了经典的K-means算法,分析了其存在的两个突出缺点:无法自行确定聚类数k和对初始聚类中心点十分敏感.受光电效应实验中电子束在反向电场中的串行规律启发,提出了基于捕获流动中心试点的自适应确定聚类数目的K-means算法,该算法模拟电子束在异性电子云中的串行,令数据点簇捕获流动的聚类中心试点,来消除多余的初始聚类中心,从而达到解决K-means算法的存在的缺陷问题.实验表明,该算法具有很强的自行确定聚类数的能力,也大大降低了对初始聚类中心选择的敏感度.     

基于多重尝试Metropolis算法的非线性DSGE模型贝叶斯推断

本文提出一种改进的多重尝试Metropolis算法,用于非线性动态随机一般均衡模型的贝叶斯参数估计和模型选择。多重尝试策略通过每次迭代抽取多个尝试点的方法来提高算法的混合速率,新方法中提出使用近似的方法提高计算速度,并通过接收概率调整偏差。数值实验表明新方法在相同的计算时间内具有更高的估计效率。最后,本文比较了具有不同货币政策设定的模型对中国经济数据的拟合效果,发现中国数据更加支持具有时变通胀目标的模型。     

一类保序最优化问题的迭代算法

经典的保序回归问题要解决的是,在约束条件下基于平方损失的最优化问题,已经证明PAVA算法所得到的解就是该最优化问题的解。文章讨论了在约束条件下基于绝对损失的最优化问题,利用PAVA算法的思想进行求解,并且证明了该迭代算法收敛到的值就是对应最优化问题的解。     

解强制非线性变分不等式的一类方法的改进

交替方向法是求解变分不等式的一种有效算法.文章对Han与Luo提出的解强制非线性变分不等式的交替方向法中的步长规则进行了改进,得到了新的修正交替方向法.该方法利用改进的步长规则和增加一个在简单集K上的投影来得到下一次迭代点,提高了Han与Luo算法的可操作性和效率.文章还验证了该算法的收敛性.     

基于PLS算法的带缺失值顾客满意度指数的测评

文章提出了"权重新定"的一种缺失值处理方法,分析了带缺失值的顾客满意度指数测评步骤;详细阐述了Wold的PLS算法的求解过程,基于该算法实现了顾客满意度指数测评系统(简称MyPLS);最后,分别利用MyPLS与SmartPLS软件对某食品公司的带缺失值数据进行处理,在迭代次数上前者较SmartPLS少,在潜变量估计值相关系数、权重系数等方面与SmartPLS具有一致性,为国内带缺失值顾客满意度指数测评研究和应用提供了方法。     

基于排序集样本和辅助变量中位数的均值比率估计方法

排序集抽样下利用辅助变量中位数构建了总体均值的改进比率估计模型,分析了该比率估计量的偏差和均方误差,并与简单随机抽样下的比率估计比较,证明了改进后的比率估计均方误差更小。以农作物播种面积和产量为研究对象进行实例分析,研究表明,基于排序集样本和辅助变量中位数的比率估计方法可以有效提高估计精度,验证了该构造方法的可行性。