卖空机制的VaR方法及其实证分析

究竟要不要将卖空机制引入我国证券市场是证券市场机制研究的一个热点问题.引入卖空机制能够为市场带来如下的好处(功能):套期保值、稳定市场、价格发现、提供流动性,同时也能够为股票衍生证券提供更好的基础;对卖空机制的主要担心是引入卖空机制是否会加剧整个市场的风险?文章以VaR作为风险度量的主要工具,利用处于较成熟市场的香港恒生指数(SHI)和处于新兴市场的台湾加权指数(TWII)、马来西亚KLSE综合指数在引入卖空交易机制前后两个阶段的数据,并以一类新的在证券市场有较强拟合能力的概率分布为基础建立的数学模型为主要工具,对卖空交易与市场风险的关系进行了定量分析.研究结果表明,引入卖空机制并不一定会增加市场风险.

基于深度卷积神经网络的气液两相流图像分割方法

为解决气液两相流中气相与液相的精准识别问题,提出了一种基于深度卷积神经网络的图像分割方法。首先,对比研究了4种图像去噪和5种图像分割方法的优缺点;其次,采用图像去噪和图像分割的方法研究了人工合成图像,并采用图像分割评价指标量化分割结果;最后,采用图像去噪和图像分割方法对公开数据集图像和真实气液两相流图像进行实验。实验结果表明,各向异性扩散滤波器、中值滤波器、全变差滤波器和非局部均值滤波器对气泡图像的降噪性能略有差异,非局部均值滤波器的效果最优;采用卷积神经网络方法分割气泡图像时,像素精确度(PA)、平均像素精确度(MPA)、平均交并比(MIoU)、频率加权交并比(FWIoU)四个评估指标的值均超过0.84,其精度较高、分割效果较为优异,但其计算成本高于传统方法。通过对比研究气液两相流图像的处理技术,可以发现深度学习方法是未来气液两相流图像的一个重要研究方向。

云南省工业企业创新动力影响因素分析

创新是推动社会向前发展的重要动力,是工业企业生存发展的重要引擎,探究云南省工业企业创新动力的影响因素对加快实施创新驱动发展战略具有十分重要的现实意义。基于2014年云南省企业创新调查工作收集的数据,利用结构方程模型分析发现,一方面企业进行产品创新、工艺创新、组织创新、提出创新机制对企业的生存和发展起到的作用以及今后几年制定创新战略目标均有影响,对企业的生存和发展起到的作用比今后几年制定创新战略目标的影响更大;另一方面企业进行产品创新、工艺创新、组织创新、提出创新机制是相互影响、相互依存的。

基于混合偏正态数据下众数回归模型的变量选择

有限混合回归(Finite Mixture of Regression,FMR)模型的变量选择常常在统计建模中使用。目前关于FMR模型的研究主要集中在回归误差服从正态分布的情形,而这种假设不适用于研究非对称的数据。对于偏斜数据,众数的代表性优于均值。本文基于混合偏正态数据介绍了众数回归模型的变量选择方法,并证明了变量选择方法的相合性和参数估计的Oracle性质。为了估计模型的参数,提出了一种改进的EM(Expectation-Maximum)算法,通过模拟研究和实例分析进一步说明了所提出模型和变量选择方法的有效性。

基于因子分析的卷积神经网络模型压缩算法研究

针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题,提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩:首先将四维的卷积核权重张量转化为二维的矩阵形式,计算相关矩阵,并对其进行奇异值分解;其次,通过控制累积方差贡献率,确定适当的因子数量,计算因子载荷矩阵;最后,重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证,实验结果表明:该压缩算法能够在保证卷积神经网络精度的前提下,使AlexNet、ResNet的参数压缩率达到30.7%~68.2%,运行时间减少17.53%~37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势,为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架.

偏正态空间自回归模型的贝叶斯估计

空间自回归模型是空间计量经济学研究中的一个重要模型,主要用于刻画空间单元间的相关性.在空间自回归模型的现有研究中,大都假设响应变量服从正态分布,然而,实际的数据可能呈现出非正态的情况,此时,仍然在正态假设下作统计推断会获得不合理甚至错误的结论.基于响应变量服从偏正态分布的假设,研究偏正态空间自回归模型的贝叶斯估计.借助Gibbs抽样和MH算法相结合的MCMC算法讨论该模型的贝叶斯估计.数值模拟和实证分析表明:1)提出的偏正态空间自回归模型与传统模型相比,可以更好地拟合偏态数据;2)采用MCMC算法对模型进行贝叶斯估计,可以更精准地估计未知参数.研究结果显示:采用MCMC算法得到偏正态空间自回归模型未知参数的贝叶斯估计值更精准.