模型重置与期货套期保值效率

在套期保值实务中,市场不断受到新的冲击,波动率瞬息万变,过于久远的历史数据可能对投资者产生误导.传统的套期保值方法是利用全期历史样本来估计当期最优套期保值比率,但中国股票市场与股指期货收益率是否具有长记忆性?早期样本信息是否可靠?为解答这些问题,该文尝试提出模型重置概念,保持每次建模的样本数量一定,向前一步预测时按时序引入新样本,同时剔除早期样本;在此基础上选取能有效刻画市场收益率长记忆性的CCC、DCC、GOGARCH模型对中国沪深300、中证500、上证50股指期货的时变套期保值比率进行估计,进而对比模型重置前后的套期保值效率.结果表明:模型重置后,套期保值效率更高;模型重置周期越短(样本越新鲜),套期保值效率越高.这说明在利用沪深300、中证500、上证50股指期货对冲中国股票资产时,应避免受到早期历史数据的影响.

基于ViBe的运动目标检测改进方法

针对运动目标检测算法视觉背景提取(visual background extractor,ViBe)对光线突变适应缓慢和易产生目标丢失等问题,提出一种ViBe的改进算法。充分利用ViBe算法初始化特点,在ViBe中加入光线判定方法并设计生成ViBe新背景模型的方法,改变原始ViBe算法结构,使ViBe算法在光线突变时找到合适的帧重置背景模型,将光线突变时模型恢复问题变为模型重置问题,达到迅速适应光照突变的目的。实验结果表明,使用该方法可以使ViBe有两方面的改进:在光线突变时不会产生目标丢失;使ViBe算法更加快速地适应光照变化。