A new financial stress index model based on support vector regression and control chart

Financial stress index (FSI) is considered to be an important risk management tool to quantify financial vulnerabilities. This paper proposes a new framework based on a hybrid classifier model that integrates rough set theory (RST), FSI, support vector regression (SVR) and a control chart to identify stressed periods. First, the RST method is applied to select variables. The outputs are used as input data for FSI–SVR computation. Empirical analysis is conducted based on monthly FSI of the Federal Reserve Bank of Saint Louis from January 1992 to June 2011. A comparison study is performed between FSI based on the principal component analysis and FSI–SVR. A control chart based on FSI–SVR and extreme value theory is proposed to identify the extremely stressed periods. Our approach identified different stressed periods including internet bubble, subprime crisis and actual financial stress episodes, along with the calmest periods, agreeing with those given by Federal Reserve System reports.     

On the difficulty of making social choices

The difficulty of making social choices seems to take on two forms: one that is related to both preferences and the method used in aggregating them and one which is related to the preferences only. In the former type the difficulty has to do with the discrepancies of outcomes resulting from various preference aggregation methods and the computation of winners in elections. Some approaches and results which take their motivation from the computability theory are discussed. The latter institution-free type of difficulty pertains to solution theory of the voting games. We discuss the relationships between various solution concepts, e.g. uncovered set, Banks set, Copeland winners. Finally rough sets are utilized in an effort to measure the difficulty of making social choices.     

军机备件需求量修正的粗糙集方法

本文针对不可量化因素对军机备件需求量的影响,提出了基于粗糙集的备件需求量的修正方法。考虑不可量化因素存在多值性的问题,将不可分辨关系下的经典粗糙集方法拓展成相容关系下的扩展粗糙集方法,通过相容关系下的近似空间获取决策规则,再由决策规则得到修正系数。最后以轮胎类器材为例,说明了修正系数的获取过程。     

基于灰粗集属性知识简约算法的海运规则发现

海运市场运营规则能够帮助海运企业找到盈利增长点,针对海运市场营运规则难于被发现的问题,将灰色系统理论和粗糙集理论进行融合,针对知识约简中分辨函数范式转化过程中的逻辑推演难题,提出了一种基于灰色粗集融合属性的改进约简算法,选取2007年、2010年、2013年、2015年典型年份作为样本年份,应用灰色系统、粗糙集和基于灰粗集知识约简算法分别进行海运市场盈运规则发现实证分析,通过比较证明了该算法的时效性,同时发掘出了当前海运市场的船型、货品、航线、运价、运力间的营运管理规则。     

基于可变精度的加权粗糙集模型在约简中的研究

首先对粗糙集的定义进行了描述,在可变精度的基础上提出了加权粗糙集模型。重新定义了近似空间内的一些概念,给出了加权粗糙集模型的约简概念,指出了加权系数的两种方法。并根据实验分析,得出加权粗糙集模型约简中分类错误增大,约简长度越短,约简所花时间越长等特性。     

学者絮语：学术素养与精神气质——以《易堂寻踪》为例

近年来，学者出版个人随笔集或散文集渐成方兴未艾之势，形成了一道引人注目的“学者散文”的景观。以赵园的散文集《易堂寻踪》为例，可剖析当前学者散文在主题和风格上的某些特点。学者的散文或随笔实际上是他们在寂寞之余倾吐的絮语，更能够透露其学术素养与精神气质，以及作为生命个体的独特内心消息。     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

基于粗集理论的PPP项目风险评价研究

能否正确识别PPP项目管理中存在的风险以及对风险的重要性作出评价关乎PPP项目的成败。为了解决PPP项目管理中的这类问题,通过定性方法德尔菲法对广东某条高速公路的PPP项目风险进行识别并且加以分析,首先提出基础设施PPP项目中存在的风险因素,然后采取定量方法基于层次分析法的模糊综合评价法结合粗集理论进行模糊定量分析,从而对PPP项目风险进行评估和预测。最后得出模糊综合评价法在PPP风险评估的优越性以及此PPP项目的风险系数。     

基于Rough集的属性约简的算法分析

研究了粗集理论中基于差别矩阵,关联矩阵的属性约简算法,分析了各种算法和原理,指出了优缺点,对以后的研究方向提出了建议.     

拉普拉斯分布表面超声背向散射的研究

假设随机粗糙表面符合拉普拉斯分布，得出了来自粗糙表面的超声背向散射声强与物体表面粗糙度，超声频率和掠射角之间的闭形解析表达式，与Boyd^[1]等报道的实验结果进行了比较，其结果的近似程度在大掠射角时比献[2]预言的更好。