股票市场冲击与原油波动率指数预测——基于时变状态转移概率模型的研究

采用具有时变状态转移概率的波动率模型研究原油市场波动率指数(OVX)预测,并充分考虑代表股票市场冲击的已实现波动和杠杆效应所含信息.实证结果表明,具有状态转移概率的模型对OVX的预测效果优于传统的HAR类模型.特别地,加入杠杆效应的常数状态转移概率模型对中短期的预测能力更强,而在转移概率和回归模型同时考虑杠杆效应的时变状态转移概率模型更适合长期预测.研究为我国原油衍生品市场的风险管理提供了有意义的参考。

基于概率模型的动态分层强化学习

为解决大规模强化学习中的"维度灾难"问题,克服以往学习算法的性能高度依赖于先验知识的局限性,本文提出一种基于概率模型的动态分层强化学习方法.首先基于贝叶斯学习对状态转移概率进行建模,建立基于概率参数的关键状态识别方法,进而通过聚类动态生成若干状态子空间和学习分层结构下的最优策略.仿真结果表明该算法能显著提高复杂环境下智能体的学习效率,适用于未知环境中的大规模学习.

基于转移概率模型的老年人长期护理需求预测分析

应对人口老龄化是我国的一项长期战略任务,为此国家应逐步建立长期护理保障制度。护理保障制度的精算基础建立在老年人健康状态,特别是长期护理状态的演变轨迹和转移概率模型之上。本文利用中国老年人健康长寿影响因素调查(2005年和2008年)数据,运用连续时间齐性Markov过程刻画老年人口健康状态的变化,建立转移概率矩阵模型,考察65岁及以上老人长期护理发生率和健康状态的转移运动,以及影响这些健康变动的因素;并预测需要护理的老年人口规模和老人处于护理状态的时间长度。研究发现,我国老年人护理需求增长迅猛,预计到2016年,我国需要长期护理的老人将超过1000万,约占老年人口的6.7%。女性老人在生存上的相对优势和在维持健康状态上的相对劣势,使得未来需要护理的女性老人数量将达到男性的1.8—2.4倍,而且同年龄、同健康状态的女性老人,在护理状态的生存时间是男性的2倍。因此年老体弱的女性无疑将成为长期护理服务的主要需求者。本研究旨在建立起长期护理发生率等本土化参数,为老年护理保障制度的建设积累基础资料,为政府制定老龄化战略提供决策依据。