中国股票市场的时变杠杆效应研究——基于随机Copula模型的实证分析

构建随机Copula模型研究了中国股票市场在极端市场条件下的时变杠杆效应.为了解决金融市场中波动率不可直接观测的问题,采用已实现波动率测度作为隐波动率的代理变量,进而运用基于有效重要性抽样的极大似然(EIS-ML)方法估计了随机Copula模型的参数.基于沪深股市数据的实证研究表明:中国股票市场的杠杆效应具有非对称特征,即股市低收益率伴随高波动率,但股市高收益率不一定伴随低波动率;中国股票市场的杠杆效应存在显著的时变性,沪深股市杠杆效应表现出类似的变化趋势;随机Copula模型相比其它Copula模型(静态Copula模型和时变Copula模型)具有更好的数据拟合效果.

中国股市量价尾部相关性研究——基于随机copula模型的实证

构建了随机copula模型来研究中国股市量价间的尾部相关性。采用上证综合指数和深证成分指数的价格和交易量数据进行了实证研究。结果表明:Survival Clayton copula函数相比其他copula函数能更好地刻画中国股市量价尾部(上尾)相关性;中国股市量价尾部相关性具有明显的非对称特征,股市高收益率(股市大涨)伴随着高交易量,但股市低收益率(股市大跌)与高、低交易量不存在相关关系;沪市量价尾部相关性略强于深市量价尾部相关性;中国股市量价尾部相关性展现明显的动态特征。

库存对石油期货市场联动关系有影响吗?--基于随机Copula模型的分析

作为全球石油价格基准的WTI(West Texas Intermediate)和Brent(Brent oil)一直保持较为紧密的联动关系,但是2010年以后两个市场的价格走势发生显著分化,一些研究认为这种现象和WTI交割地库欣地区石油库存(Cushing storage capacity)情况相关。本文以2007—2016年WTI、Brent期货合约交易数据和库欣地区库存数据作为样本,构建含外生变量的随机Copula模型分析库存对市场联动关系的影响情况,采用有效重要性抽样最大似然法(EIS-ML)对参数进行估计,并对两者联动关系的时变特征进行描述。研究发现2010年以后石油库存对期货市场间联动关系的影响显著,且库存对市场间上下尾相关性的影响具有不对称性。联动关系具有明显的时变特征,金融危机期间联动性变化幅度较大但恢复较为迅速,2010年以后联动关系有明显减弱且持续性较强。研究表明增加石油库存可以抑制市场间溢出效应,建议我国应该加力建设石油储备体系。由于库存的不断升高会导致WTI和Brent的割裂程度进一步加深,与仍为全球性石油贸易标杆的Brent市场相比,WTI更多体现出美国本土石油市场供求情况。现有的分析模式已经不适合应用于石油跨市场套利等操作,建议投资者在构建和交易头寸时应充分考虑库存对市场联动关系的影响,为防范极端事件发生应增加持有头寸的多样性。

基于高度角随机模型的GNSS外辐射源雷达定位算法

针对GNSS外辐射源雷达定位时不同卫星对定位的误差贡献不同的问题,提出基于高度角随机模型的定位算法,理论分析目标位置估计量的克拉美罗界和统计特性,并计算卫星位置误差和地面站位置误差对定位误差的影响。仿真结果表明:所提出算法对不同GNSS卫星的直射、反射路径的伪距差测量值误差进行了合理分配,定位性能达到了克拉美罗界,且不会因为选星方案的改变而大幅恶化。对地面站位置误差和卫星位置误差的分析表明:地面站位置的标准差小于10 cm、卫星位置的标准差小于1 km时对定位总误差的贡献可以忽略不计。

基于随机森林和XGBoost算法构建心脏骤停患者自主循环恢复后神经功能预后不良的风险预测模型

目的 利用机器学习算法构建预测心脏骤停(CA)患者自主循环恢复(ROSC)后神经功能预后不良的预测模型,探索结局相关因子。方法 回顾性收集2016年1月至2024年1月沧州市中心医院收治的CA行心肺复苏(CPR)后ROSC的患者481例为研究对象。收集患者临床资料,根据患者转出重症监护病房(ICU)时的格拉斯哥-匹兹堡脑功能表现分级(CPC)评分,将其分为预后良好组(GNO,n=158)和预后不良组(PNO,n=323)。481例患者按7∶3随机分为训练集(n=338)和测试集(n=143),训练集用于构建模型,测试集用评价模型效能。利用极端梯度提升(XGBoost)和随机森林(RF)两种机器学习算法构建患者神经功能预后不良的预测模型,分别得出影响患者神经功能预后的变量,应用SHAP进行XGBoost模型可解释性分析。将XGBoost和RF算法得出的变量取交集,再将交集变量进行多因素Logistic回归分析,得到差异有统计学意义的变量,进而构建决策树模型。在训练集和测试集上利用受试者工作特征(ROC)曲线和曲线下面积(AUC)评估决策树模型的预测性能。结果 通过XGBoost模型得到与神经功能预后不良相关的变量15个,RF模型得到与神经功能预后不良相关的变量14个,两种模型取交集得到11个与神经功能预后不良相关的交集变量[视神经鞘直径(ONSD)变化率、神经元特异性烯醇化酶(NSE)、入ICU第3天ONSD(ONSD day3)、心脏骤停至心肺复苏(CA-CPR)时间、ROSC时间、急性生理学与慢性健康状况评价Ⅱ(APACHEⅡ)评分、血肌酐、白蛋白、住ICU时间、血乳酸及年龄]。将这11个交集变量进行多因素Logistic回归分析,结果显示,PNO组与GNO组ONSD变化率、NSE、ONSD day3、ROSC时间及年龄这5个变量差异有统计学意义(P<0.05)。用这5个重要变量构建决策树模型,得出3个与患者神经功能预后不良最相关的变量(NSE、ROSC时间及ONSD变化率),在训练集上的决策树模型预测CA行CPR后ROSC患者神经功能预后不良的AUC为0.857(95%CI 0.809~0.903,P<0.001),在测试集上的AUC为0.834 (95%CI 0.761~0.906,P<0.001)。结论 基于XGBoost和RF这2种机器学习方法构建的决策树模型能够更准确地评估CA患者ROSC后神经功能的不良预后,且评价指标可能简化为NSE、ROSC时间及ONSD变化率。

基于随机系数Logit模型的专利价值评估研究——以主动降噪技术为例

[研究目的]从分析专利价值入手,通过经济学研究方法围绕专利侵权损害赔偿的标准进行定量研究,为评估专利价值提供有意义的知识增量。[研究方法]基于实证产业组织理论,采用随机系数Logit模型,以无线蓝牙耳机主动降噪(ANC)技术作为研究对象,构建该技术遭受侵权的反事实情形来估计经济指标变化,由此评估专利价值及侵权赔偿比例。[研究结论]专利侵权企业的行为产生了反竞争效应,提升了企业垄断势力,挤占了其他耳机企业的生存空间,也对潜在进入企业形成了进入威胁。蓝牙耳机价格中约有4.06%源于ANC专利标识。如果发生ANC专利侵权,赔偿额度应是侵权企业利润的2.6~2.8倍。该方法利用市场数据在均衡框架下评估专利价值,为相关研究提供了新方向。

基于指数随机图模型的发明者合作网络形成机制研究

聚焦探讨不同因素是否以及如何影响发明者合作网络形成,基于2004—2021年华为在中国申请的专利数据,构建发明者合作网络,运用指数随机图模型探讨行动者属性和内生结构效应对发明者合作网络形成的影响机理。结果表明:发明者合作网络是稀疏网络,呈现星形结构和闭合三角形结构共存的网络结构模式;发明者协同创新能力抑制新合作关系的形成,但发明者合作伙伴多样性和合作深度均促进新合作关系的形成,且具有相同水平合作伙伴多样性或合作深度的发明者之间更容易建立合作关系;发明者倾向于与处于中心位置的发明者建立合作关系以及与具有共同合作伙伴的直接合作伙伴建立新合作关系。

基于Copula函数的多站洪水过程随机模拟研究

洪水过程随机模拟能够生成大量与历史洪水统计参数相似且形状各异的洪水过程,而水库群联合防洪调度需要结合流域内各水文站洪水过程统筹洪水资源的调度,实现洪水资源的科学调度,亟需发展多站洪水过程随机模拟方法。鉴于此,提出一种基于Copula函数的多站洪水过程随机模拟方法,该方法先利用二维Copula函数完成主站洪水过程的模拟,然后利用条件混合法构建三维Copula函数,依次模拟其余站的洪水过程。以长江中上游8处水文站为研究对象的结果表明,各站模拟洪水与历史洪水统计参数的相对误差较小,除了北碚和武隆站的最大值外,各水文站统计参数的相对误差在5%左右,能够反映历史洪水过程的统计特征,能够为水利工程防洪规划设计、水库群联合调度及防洪调度风险分析等工作提供支撑作用。

FBC模型的伪随机性和超伪随机性

FBC分组密码算法是入选2018年全国密码算法设计大赛第2轮的10个分组密码算法之一.FBC主要采用四分支两路Feistel结构设计,是一个实现效率高的轻量级分组密码算法.将FBC算法抽象为FBC模型,并研究该模型的伪随机性和超伪随机性,在FBC轮函数都是相互独立的随机函数的条件下,给出能够与随机置换不可区分所需的最少轮数.结论表明,在选择明文攻击条件下,4轮FBC与随机置换不可区分,因而具有伪随机性;在自适应性选择明密文攻击条件下,5轮FBC与随机置换不可区分,因而具有超伪随机性.

Copula模型的改进及其应用

Copula模型能精确计算投资组合尾部风险,弥补Person相关系数的不足。文章基于信用风险Cop⁃ula模型,探讨了不同抽样算法在信贷投资组合中的应用问题,优化重要性抽样和交叉熵算法,测试了高斯及t-Copula模型的风险计算算法,并通过数值模拟予以检验,结果表明:朴素蒙特卡罗模拟的精度和效率较低;重要性抽样算法通过解析逼近显著降低计算方差,提高精度,但求解复杂且耗时;交叉熵算法同样有效,但需自适应算法求解优化问题。算例分析结果表明,基于不同场景选择Copula模型,可提高信贷投资组合风险计算精度和效率。

基于随机森林算法的重型颅脑损伤患者并发急性胃肠损伤的现状及风险模型构建

目的探讨重型颅脑损伤患者并发急性胃肠损伤的危险因素,为预防急性胃肠损伤提供借鉴。方法2021年1月至2023年1月,便利抽样法选取某院收治的重型颅脑损伤患者150例为研究对象,建立基于重型颅脑损伤并发急性胃肠损伤的危险因素的随机森林算法的预测模型。结果150例重症颅脑损伤患者中,并发急性胃肠损伤患者94例,占62.67%。是否并发急性胃肠道损伤的患者在糖尿病、白蛋白、APACHE-Ⅱ评分、休克指数、液体负平衡、酸中毒、深度镇静、呼吸衰竭方面的差异均有统计学意义(均P<0.05)。构建重型颅脑损伤并发急性胃肠损伤的随机森林模型,树的数量为103时出现的错误率最低;影响重型颅脑损伤并发急性胃肠损伤的因素重要性排序为糖尿病、液体负平衡、急性生理与慢性健康评分、白蛋白、深度镇静及酸中毒;随机森林模型预测重型颅脑损伤并发急性胃肠损伤的受试者工作特征曲线(receiver operating characteristic,ROC)下面积(area under curve,AUC)为0.798,Logistic回归模型的AUC为0.773。结论构建的重型颅脑损伤并发急性胃肠损伤的风险预测模型预测效能较高,临床值得推广应用。

基于跳聚集现象随机波动率短期利率模型的影响研究

构建了具有自我激励机制跳的随机波动率短期利率模型,应用Hawkes过程描述自我激励机制的跳,从而刻画了跳的聚集现象。基于微分算子展开给出精确的矩函数,进一步应用广义矩方法给出模型的参数估计值和统计推断。实证结果揭示了在随机波动模型条件下,引入自我激励机制跳的模型将不会明显地改变了拟合效果,但是在统计意义上接受强度满足Hawkes过程,而且所构建的模型也能很好地刻画跳的聚集现象。最后,使用过滤方法给出随机波动率、跳的幅度、跳的概率和随机跳强度的估计,特别是跳的概率估计值可作为市场压力测试的一个重要指标。

模糊随机环境下的单因子Gaussian Copula模型

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。

基于随机森林算法建立非急诊大手术后延迟拔管的预测模型

目的基于随机森林算法分析非急诊大手术后延迟拔管的影响因素,建立并验证术后延迟拔管的预测模型。方法回顾性收集2018年1月至2022年12月全麻下行非急诊大手术的7528例患者的临床资料。根据术后2 h内是否拔管,将患者分为两组:非延迟拔管组(≤2 h)和延迟拔管组(>2 h)。将患者按照7∶3分为训练集和验证集,通过LASSO回归、Logistic回归筛选术后延迟拔管的预测因素,采用随机森林算法建立并验证预测模型。结果有123例(1.6%)出现术后延迟拔管。ASA分级、科室、术中使用氟比洛芬酯、右美托咪定、激素、术中出现低钙血症、重度贫血、术中输血、气道痉挛是术后延迟拔管的独立预测因素。基于随机森林算法建立的预测模型在验证集中的曲线下面积(AUC)为0.751(95%CI 0.742~0.778),敏感性98.1%,特异性41.9%。结论基于随机森林算法建立的非急诊大手术后拔管延迟的预测模型具有较好的预测性能,利用该模型有助于预防非急诊大手术后延迟拔管。

基于随机森林的导管架海洋平台结构模型修正方法

提出一种基于随机森林的有限元模型修正方法,能够快速、准确地给出导管架海洋平台结构模型的修正参数。选定平台不同的设计参数,对设计参数和基频进行Pearson相关性分析,得到与基频相关系数较大的参数,并重新设计试验参数获得基频。通过随机森林网络增加两者之间的非线性差异,验证网络精度及其泛化能力。结合实测数据,对比分析有限元模型的修正的效果。结果表明:模型的回归分数可达0.998,修正后的有限元模型可更准确地反映真实平台的动力特性。

考虑动态相依性的可靠性系统随机Copula模型及其参数估计

动态变化是现代复杂工程系统的典型特征,动态相依系统可靠性理论能更好地揭示系统在工作阶段复杂的状态的性能,动态相依系统成为可靠性研究领域的热点和难点。本文基于随机Copula模型研究了可靠性系统在动态相依下的可靠性,介绍了随机Copula模型,基于极大似然理论的参数估计方法,给出了基于随机Copula模型的串联与并联系统在动态相依下的可靠度计算方法,并对独立系统、静态相依系统及动态相依系统的可靠度进行了比较分析,最后给出了数值算例。仿真算例的结果,验证了本文方法的可行性和有效性。

空间结构模型优化的弹性参数FFT-MA随机建模

快速傅里叶变换滑动平均(FFT-MA)法是一种灵活高效的随机建模方法,在地下介质高分辨率建模、复杂介质非平稳建模和不确定性评价等方面具有重要的应用价值。准确构建空间结构模型是利用FFT-MA方法生成合理的随机模型的关键。然而,以往对FFT-MA方法的研究并未提出准确构建空间结构模型的有效方法。为此,文中提出了一种有效的空间结构模型估计方法。该方法基于反演思想,通过最小化随机模型与测井数据和地震数据的空间结构差异,分别估计空间结构模型的纵向自相关长度和横向自相关长度。同时,为了优化空间结构模型的估计效果,在纵向自相关长度的反演过程中引入边界保护正则化,以提高反演的稳定性。此外,将地震约束引入模型优选以提高随机模型的稳定性。实验结果表明:该方法能够稳定估计地下介质的非平稳空间结构模型,从而建立准确描述复杂储层非平稳空间相关特征的高分辨率随机模型。与基于序贯高斯协模拟的随机建模方法相比,使用空间结构模型优化的FFT-MA随机建模方法能够有效刻画多种复杂地质构造从而实现复杂储层建模。

基于随机森林模型分析共情心理对大学生心理健康的影响

目的运用随机森林算法分析共情心理对大学生心理健康的影响。方法采取方便抽样的方法,以问卷调查的方式于2022年8月对河北省某大学的1383名学生进行在线调查,内容包括调查对象一般情况以及基本共情量表和症状自评量表。使用最小二乘法回归模型分析共情心理是否为大学生心理健康的影响因素,构建随机森林模型分析共情心理对大学生心理健康的重要性。结果共回收问卷1383份,有效问卷1348份,问卷有效率为97.5%。回归模型结果表明,共情心理对大学生心理健康水平的影响具有统计学意义(t=-2.051,P<0.05)。随机森林模型的结果显示,大学生心理健康重要性排名前3位的解释变量分别为共情心理、睡眠质量以及学业压力。结论共情心理是影响大学生心理健康的重要因素。建议合理开展提升共情心理能力的活动,关心学生的睡眠时长,适当减轻学生的学业压力。

考虑空间溢出效应的高速公路交通事故随机参数频次模型

为提高高速公路事故频次模型参数估计的准确性,本文以精细的事故记录、道路属性、交通流状态和天气条件数据为样本,首先,构建传统的事故频次模型并对比拟合效果,选择效果最佳的泊松-对数正态分布模型作为优化的基础模型;之后,为挖掘更多的影响高速公路事故频次的空间效应,在加入条件自回归先验的基础上,本文考虑相邻路段的空间溢出效应,建立一个带有空间溢出协变量的模型分析空间溢出效应对路段事故频次的影响。同时,为描绘数据的异质性对路段事故频次的影响,进一步构建一个随机参数模型。结果表明,空间溢出效应显著有效,考虑空间自相关和空间溢出效应的随机参数模型的拟合优度相较于对照模型明显提升。根据最优模型的参数估计结果进行风险因素甄别,其中,“ln(MADT)”“ln(路段长度)”“1类车”“4类车”“降水”等普通变量以及“1类车S“”圆曲线长S”等空间溢出协变量与事故频次显著相关。

基于参数自适应随机模型预测控制的风光氢耦合系统功率调控策略

针对风光氢耦合系统源荷两侧不确定性对其系统功率平衡造成的影响,提出了一种基于场景分析法的参数自适应随机模型预测控制功率调控策略。根据风光氢耦合系统的能源供给架构建立了描述其动态特性的线性离散状态空间模型;通过场景分析法对系统不确定性进行描述,作为参数自适应随机模型预测控制的输入;在设计的参数自适应随机模型预测控制优化框架下,计及延长系统设备生命周期的目标进行优化。针对随机模型预测控制在优化过程中预测时域和控制时域固定不变的缺陷,提出参数自适应方法以获取更好的优化效果。结果表明:在优化系统功率平衡方面,所提控制策略相较于随机模型预测控制提高了6.25百分点;在减少可控设备大功率运行方面,所提策略相较于常规模型预测控制降低了60%,验证了所提策略能够有效解决风光氢耦合系统源荷两侧的不确定性。