基于洗牌算法的大数据抽样有效性分析

基于折叠技术的洗牌算法具有较好的数据置乱效果,可以满足大数据抽样的前提条件。为证明置乱后的数据集在经过抽样后内部规则不被破坏,通过数据挖掘的方法对抽样前后的数据进行关联规则分析。对比所得关联规则的支持度、置信度,以及事务出现的频率,发现经过折叠洗牌算法置乱后的数据在抽样前后所得到的关联规则变化相对稳定,并通过与现有算法的时间效率以及抽样总体误差作对比,进一步在理论上得出大数据抽样具有有效性,即可以通过抽样样本来推测数据整体情况。

半参数门限随机波动率模型的估计与应用

利用一个半参数门限随机波动率模型来刻画资产收益和波动率之间的关系,该模型可以同时描述资产收益均值、波动率、杠杆效应三种非对称性和未知的收益分布。使用伯努利随机变量来描述非对称性结构,基于非参数密度方法来估计未知分布,利用有效性重要性抽样和惩罚密度方法来估计模型中的未知参数。蒙特卡洛模拟和实例分析说明,该方法在模型参数估计方面有着良好的有限样本表现,并具有实际意义。