基于ARMA-GARCH-COUPULA模型的交易量与股价波动相依关系

股市交易量与股价变化的相依关系一直是学术研究和投资分析人士所研究并希望解决的问题。研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构。提出了ARMA-GARCH-Copula函数模型,研究了3个股票市场的日指数对数极差与交易量对数的相依程度和相依结构。研究发现:ARMA-GARCH-Copula函数模型在刻画日指数对数极差与交易量对数之间的相依结构时通过假设检验,日指数对数极差与交易量对数之间存在较强的正相依关系,且具有上尾高、下尾低的非对称的相依现象。

基于Copula函数的相依部件表决系统的可靠性研究(英文)

在可靠性理论中,部件相互独立是相依的特殊情况.可靠性数学研究系统的可靠性时,都是在假设部件之间相互独立的条件下进行的.本文应用Copula函数研究部件相依时表决系统的可靠性,分析系统的可靠度与Copula函数间的关系,揭示部件相依关系对表决系统可靠度的影响规律.

二维时间序列短期相依模型及其Monte-Carlo模拟

结合Copula函数技术,提出了二维时间序列的短期相依模型以及该模型的Monte-Carlo模拟方法,讨论了二资产投资组合风险值VaR的计算,并将二维时间序列的相依关系分解为3部分考虑,简化了模型和计算.

基于Copula函数的二维时间序列条件相依性研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,研究二维时间序列的相依结构,要考虑时间序列之间的相互影响与时间上的记忆效应。文章先从时间序列之间的相依关系出发,结合条件概率的理论建立基于Copula函数短期相依关系模型,提出了模型参数的三阶段极大似然估计方法。

相依部件混合系统的可靠性

在可靠性理论中,部件相互独立是相依的特殊情况.可靠性数学研究系统的可靠性时,都是在假设部件之间相互独立的条件下进行.本文应用联系函数讨论了部件相依时混合系统的可靠性及系统的可靠度与联系函数的关系.

联系函数生成元与随机变量相依的几个关系

应用阿基米德联系函数探讨随机变量的相依性和独立性,分析了相依和独立随机变量的阿基米德联系函数生成元的形式,提出了随机变量完全正(负)相依和相对正(负)相依的概念,并讨论了正(负)相依时阿基米德联系函数生成元所应满足的条件.

随机变量间相依性度量的新方法

介绍了度量随机变量间相依关系的新方法——Copula函数方法,应用Copula函数模拟随机变量相依关系的过程,边缘分布和Copula函数的估计方法和优度检验方法.

简单系统相依部件的可靠性

可靠性数学在研究系统的可靠性时,都是在假设部件之间相互独立的条件下进行的.本文应用连接函数Copula讨论了部件相依时的可靠性,计算了系统的可靠度.

二维时间序列相依模型及其Monte-Carlo模拟研究

文章结合时间序列理论和Copula函数技术,提出了研究二维时间序列的两类相依关系的相依模型以及该模型的Monte-Carlo模拟方法;通过模拟用图示检验了模型的有效性和灵活性。结果表明,二维时间序列的相依关系可以分解为三部分进行考虑,简化了模型和计算。

两类特殊的联系函数(Copula)

提出两类联系函数,它们是阿基米德联系函数与F réchet-Hoeffd ing界的融合,是正序簇.一类介于F réchet-Hoeffd ing下界与一个特殊的联系函数之间;另一类介于F réchet-Hoeffd ingshang上界与一个特殊的联系函数之间.本文最后提出几个有待解决的问题.

相依结构熵及联合熵的分解

把Copula函数引入熵理论,并定义了相依结构熵来度量随机变量之间的相依结构,讨论了二维随机向量在单调变换下相依结构熵的不变性并推广到多维的情形.

Copula理论在金融管理领域中的应用概述

金融风险的相依关系研究是风险管理、组合投资以及资产定价等领域中的重要问题。近年来,由于Copula函数的优良性质,Copula理论在金融风险管理领域得到了广泛关注和应用。文章对Copula理论在金融管理领域中的研究成果、建模方法、模型的参数估计方法以及实证应用进行较全面的概述,以期梳理Copula理论在金融管理中的研究进展和现状。

金融时间序列的短期相依性研究

金融资产相依结构的研究在金融风险分析中有着重要的意义。金融资产的相依结构主要有两类:一类是单个金融资产自身时间前后交易价格波动的相依关系,称为短期相依关系,另一类是金融资产间的价格波动相依结构,称为同期相依关系。针对前一种相依关系,我们应用混合相依结构M-Copula函数模型对上海综合指数、香港恒生指数和美国道琼斯指数三种金融时间序列前后一个交易日的价格波动相依关系进行了分析。应用两步骤法对模型的参数进行估计,并对边缘分布和M-Copula模型进行了拟合优度检验。结果表明:混合M-Copula模型能够捕捉金融资产时间序列的短期相依关系的变化规律。

大规模数据集下支持向量机训练样本的缩减策略

大量数据下支持向量机的训练算法是SVM研究的一个重要方向和焦点。该文从分析SVM训练的问题的实质和难点出发,提出一种在训练前先求出类别质心,去除非支持向量对应的样本,从而达到缩小样本集的方法。该方法在不损失分类正确率的情况下具有更快的收敛速度,并从空间几何上解释了支持向量机的原理。仿真实验证明了该方法的可行性和有效性。

大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.

基于投影的区间数评价方法探讨

针对指标取值以区间数形式给出的多指标决策问题,提出了一种基于投影的区间评价方法。该方法依据一般的投影分析方法的基本思路,给出了解决指标取值为区间数的多指标决策问题的计算步骤,其核心是通过构建并求解每个方案在虚拟正、负理想方案上的投影,进而计算出每个方案对虚拟正、负理想方案的相对隶属度,即可得到所有方案的排序结果。最后给出了一个数值例子,结果表明该方法简单,有效且易于计算。

乘积阿基米德Copula

在乘法模式下,对阿基米德Copula进行了推广,提出了乘积阿基米德Copula.通过构造两类特殊的乘积阿基米德Copula,举出了若干乘积阿基米德Copula例子,并分析了关于尾部相依性、对称性等方面的性质.最后,在探讨阿基米德Copula和乘积阿基米德Copula的关系中,提出几个值得进一步讨论的问题.

对方案有偏好的语言多属性决策方法

研究了属性权重完全未知、属性值和对方案的主观偏好值以语言变量形式给出的语言多属性决策问题。首先引入了语言变量的运算法则,以及语言变量之间比较的可能度公式,给出了语言变量间的距离的概念。针对属性权重完全未知的情形,给出了求解权重的公式。然后利用语言加权算术平均(LWAA)算子,对语言决策信息进行加权集成。

基于Copula函数我国林业经济发展与气候之间的关系研究

我国林业经济在国民经济发展中有着重要的地位，森林与气候之间也有着密切的关系。通过历史数据基于Copula函数模型验证林业经济发展与气温、降水量、湿度与日照数等气候因素之间的相关关系，林业生产总值与气温正相关，与湿度、日照数负相关。当我们认识到林业经济总产值与气温、降水量、湿度、日照数之间的相依关系和相依结构，就可以采取相应的措施。这将会对制定宏观经济发展规划与森林资源开发战略，具有一定的指导与实践意义。