多尺度吉布斯模型的改进

本文分析了广泛用于描述图像纹理的MLL(multi-levellogistic)吉布斯(Gibbs)模型,并就其局限性进行了改进,实验结果证明改进后的模型能够更有效地描述自然纹理。

随机搜索变量方法在滞后回归模型中的应用

对滞后回归模型进行贝叶斯分析,并将随机搜索选择变量方法引入模型中,基于香港空气污染和患呼吸疾病人数数据建立时间序列滞后回归模型.构造基于Gibbs抽样的MCMC数值计算对该模型进行变量选择和参数估计,分析结果表明:湿度对香港患呼吸疾病人数影响最显著,二氧化氮和悬浮粒子也是影响比较显著的空气污染物,模型体现了香港空气污染的真实情况.

在大数据框架下基于吉布斯抽样的随机搜索方法在金融风险特征提取中的应用

本文的目的是在大数据框架下,系统地陈述了如何利用吉布斯抽样(Gibbs sam pling)方法作为工具,以样本误差容忍度为标准的大数据关联特征因子提取的推断原理为基础,在金融衍生品场景下对关联风险特征进行有效提取的思维和路径.具体来讲,采用马尔可夫链蒙特卡罗(MCMC)框架下的吉布斯抽样(Gibbs sampling)算法为工具,通过"OR值"(odds ratio)(也称为"比值比"或"优势比")为验证标准,在大数据(包含传统的结构化和非结构化数据)一般框架下对高度关联特征因子提取推断的原理下,系统性地陈述了如何从海量数据中提取与金融衍生品价格或者风险关联度高的风险特征因子的随机搜索方法.为了能够比较全面地展示如何利用吉布斯抽样方法通过随机搜索算法来实现对金融衍生品风险特征的提取,在本文中,我们对三种金融产品的关联特征提取进行了比较全面和系统的讨论,他们是:1)对支持"基金中的基金"(fund of funds,简称"FOF")组建的影响基金业绩关联特征的挖掘;2)对影响大宗商品期货螺纹钢价格趋势变化的关联特征指标的挖掘;3)对影响大宗商品期货铜价格趋势分析的关联特征刻画的提取.本文的分析和实证结果表明,我们在大数据框架下建立的特征提取方法除了能够有效地筛选出刻画影响基金业绩的关联特征外,也够提取出影响螺纹钢期货和铜期货价格趋势变化的关联特征,这为业界对FOF的组建与管理,对应金融衍生品价格变化走势,特别是大宗期货交易和风险管理方面提供了一种新的分析维度和风险特征因子应用方向.另外,本文讨论的从大数据的视角筛选金融衍生品风险特征因子的方法,也与过去传统的计量分析方法不同,是金融科技在大数据金融方面分析和应用的创新点.

基金关联特征提取的大数据随机搜索算法及应用

随着金融科技对数据分析和解读的不断加深,数据有效性变得尤为重要。在信息时代,数据随时间快速增长,为数据处理带来了诸多困难,维数灾难直接影响对数据的分析和解读。因此,在人工智能框架下,实现对基金业绩关联特征的提取和应用,为有效挖掘高维度特征提供一种新的方法和思路具有重要的现实意义。使用马尔科夫链蒙特卡洛框架下的吉布斯抽样算法,以比值比作为分类标准,实现从多维数据中提取与基金业绩相关的结构化和非结构化特征因子。以2018年中国较规范的701个债券型基金作为样本,从基金自身、基金管理人和基金关联实体3个维度出发,建立初始特征池,利用吉布斯抽样方法选出关联特征;以比值比指标作为分类标准,对特征进行与基金业绩强相关、一般相关和弱相关的分类,并通过基金业绩预测模型验证分类效果。研究结果表明,基于AIC方法和BIC方法的随机搜索方法均对指标起较好的筛选作用,即利用特征筛选后的指标建立的模型能较好地预测未来基金的业绩表现。除基金规模、历史投资业绩和声誉等信息是直接刻画基金投资管理能力的强关联风险特征指标外,基金管理团队能力和基金公司的经营状况也是描述基金投资管理能力的强关联特征指标。研究结果为金融科技领域处理海量的非结构化信息、实现有效的特征提取提供了一种思路和框架,特别是在面临海量高维度数据时,为如何有效地从低密度信息中提取特征指标并形成支持实践的运用提供了一个完整的案例。

在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用

研究的目的是建立对影响大宗商品期货价格变化趋势的关联风险特征因子的提取框架和配套的推断逻辑原理。具体来讲,以金融科技中大数据概念为出发点,利用人工智能中的吉布斯随机搜索(Gibbs Sampling)算法为工具,全面地陈述如何提取高度关联大宗商品期货价格变化的风险特征因子的流程和配套的逻辑原理,即采用(在马尔科夫链蒙特卡洛(MCMC)框架下)人工智能中的吉布斯随机抽样算法,结合OR值(Odds Ratio)作为关联分类和验证标准,实现从大量风险因子的数据中提取与大宗商品期货(铜)价格趋势变化相关的特征因子并进行分类,从而可用于构建支持期货价格趋势变化分析的特征指标。实证分析结果表明,该特征提取方法能够比较有效地刻画大宗商品期货(铜)价格的趋势变化,为业界进行大宗期货交易和风险对冲的管理提供了一种新的分析维度。另外,从影响价格趋势变化的特征因子中筛选出高度关联的特征指标的大数据分析方法,是与过去文献中对价格趋势分析的不同之处和创新点。

财务欺诈风险特征筛选框架的建立和应用

本文从金融科技大数据出发,以人工智能的吉布斯随机搜索(Gibbs Sampling)算法为工具,在大数据框架下建立了针对公司财务欺诈风险的特征因子筛选的一般处理方法与特征提取推断原理,并结合上市公司的财务报表数据进行实证分析,结合从2017年1月到2018年12月证监会对上市公司财务报表信息披露违规的数据样本,筛选出刻画财务欺诈的特征因子并进行了验证测试,支持财务欺诈的识别。本文提出的框架和模型方法可以加强和提升对上市公司财务欺诈风险的识别能力,并实现对公司财务在欺诈方面的探测与预测(Detecting and Predicting)功能。