基于截断Pinball损失的支持向量机多类别概率估计

SVM对训练样本中的噪声非常敏感,因此在概率估计准确性上还存在改进空间。针对这一问题,提出一种稳健非凸的截断Pinball损失,作为Hinge和Pinball损失的广义形式,截断Pinball损失具有稀疏性和噪声鲁棒性,可以有效地降低异常点对损失函数的影响。基于该损失,T-Pin-SVM模型被开发并用于多类别的概率估计。理论研究表明,T-Pin-SVM模型具有Fisher一致性。数值分析表明,相对Hinge和Pinball损失的SVM模型,T-Pin-SVM在概率估计任务中的准确性上具有较强竞争力。另外,概率估计结合分类规则可提供分类结果,因此T-Pin-SVM在分类准确性上也有一定提升。

定价和库存联合策略研究

结合供应商的定价问题 ,分析以下 3种情况下的报童问题 :(1)供应商已知零售商的订货策略 ;(2 )供应商由历史数据估计零售商的订货策略 ;(3)根据渠道最优原则确定渠道成员的订货策略和供应商的定价策略 .由此分析了信息的作用及渠道协调的重要性 ,并对情形 (1)

两阶段供应链中三种定价方式研究

本文考虑渠道一体化对品牌建设的作用,在一个制造商和两个零售商的两阶段供应链系统中,其中确定性的市场需求与产品的市场零售价格有关,通过分析以下三种定价方式下的最优定价和库存策略下供应链成员和系统的收益,1)商品市场零售价格由零售商各自决定,两零售商和制造商之间存在着竞争活动;2)商品市场零售价格由制造商统一制定;3)市场零售价格、转让价格和系统库存水平按渠道协调的最优原则确定,确定了同一产品品牌内部的市场竞争、定价控制权及转让价格对渠道性能及品牌自身造成的影响,并由此提出了分散决策系统中的一种激励机制。

两阶段供应链中两零售商库存策略之间的竞争与合作

研究了两阶段供应链 ,将链成员扩展为一个供应商和两个零售商的情况 ,假设供应商的外部货源充足 ,供应商缺货时 ,零售商按一定比例分配货源 .研究独立市场非合作型、独立市场合作型和完全竞争市场型情况下各供应链成员的最佳库存策略 .在完全竞争的情况下 。

财务脆弱性问题的报童模型

在品牌渠道体系的建设过程中,除了对利润最大化的追求以外,财务上的脆弱性/柔性会极大地影响着经销商的决策心理和商业行为实践。本文着重考察单位产品利润率和剩余产品处理费用对经销商决策心理和行为的影响,通过分析零售商的收益分布状况,再基于展望理论的思路,建立了参考点取决于损益状况的报童展望模型。最后证明,财务脆弱性将更大地发挥损失厌恶型决策者的保守心理。

资本资产出清问题动态决策建模

在资本资产出清问题中,投资者需要同时考虑市场价格变化与流动性的影响。现有研究仅仅考察了静态决策,此时,市场价格服从随机行走。本文克服了这个限制,考虑到投资者依赖于自身预测来确定未来价格的特点,建立了动态决策的一般框架模型,大大扩展了应用范围。我们发现,最优出清策略不但受市场价格变化与流动性的影响,而且它围绕匀速出清而变动。最后,我们分析了最优策略的参数灵敏度。

基于信息更新NN-GARCH模型的统计套利研究

文章将神经网络和动态GARCH模型结合,挖掘了价格偏差中的非线性特征,弥补了自回归只能挖掘价格偏差中的线性成分的不足,信息更新的加入使得动态GARCH模型更及时发现波动性的变动,降低了传统静态模型预测的风险。实证表明信息更新NN-GARCH模型的套利框架在不同的参数设置下有不同的表现,考虑交易成本的情况下该框架依然有很好的盈利能力。

学好《安全条例》促进安全工作

广西平南县人武部历来高度重视安全工作。2002年该部被广西军区评为安全管理教育先进单位。不久前,全面规范军队安全工作的《中国人民解放军安全条例》颁布实施以后,该部首先专门安排时间组织干部职工原原本本、逐章逐条学习《条例》内容,接着印发安全知识小册子、组织安全知识竞赛、开展安全月活动,最后以《条例》为依据,结合本单位实际,层层签订安全管理责任状,从而使该部的安全管理工作更加严格、扎实、正规、有序。4月下旬,广西军区安全管理工作检查组突击检查了该部的安全管理工作后说:“平南县人武部的安全管理工作经得起检查。”

定做自己的DOS版本五笔字型输入法

对于使用UCDOS中文平台的用户而言,UCDOS自带的五笔字型输入法确有些不尽人意的地方,如缺乏流行新词、常用语句和专业词组,某些重码词组排序不当等。因此,有必要根据自己的工作需要,定做一套五笔字型输入法,以提高文字录入效率。下面就以UCDOS 7.0下的五笔字型输入法为例。

基于机器学习利用低成本传感器数据构建城市近地面PM_(2.5)浓度的高分辨率空间分布

PM_(2.5)是当前影响中国城市空气质量的一种重要污染物,它对人体健康有不利影响,高时空间分辨率的PM_(2.5)浓度分布是城市大气污染精细化防控和健康影响评估的重要基础.低成本传感器在中国城市空气质量监测领域得到越来越多的应用,但由于其数据质量不够高,其价值没有得到充分的挖掘.本研究以在长三角地区蚌埠市城区作为研究案例,首先基于国控站监测数据对低成本传感器观测数据进行校准.接着通过6种机器学习模型的预测性能的比较选取随机森林作为本研究的核心方法.然后利用随机森林方法结合土地利用类型、人口密度和通过WRF模式模拟得到的气象数据、监测数据等多源数据,构建了时间分辨率为1 h、空间分辨率为0.005°(接近500 m)的近地面PM_(2.5)浓度的时空分布.最后对几种方法的结果进行了比较和评估.反演得到的高分辨率PM_(2.5)浓度的10倍交叉验证结果显示,空间R2=0.95,RMSE=9.32μg·m^(-3),时间R2=0.88,RMSE=9.24μg·m^(-3).结果表明,低成本传感器观测数据可以帮助人们构建具有更高精度的高时空分辨率的PM_(2.5)浓度分布,使得低成本传感器数据的时空特征价值得到更好的利用,同时也可为低成本传感器更好地服务于空气质量精细化管理提供一种新的应用思路.