非线性Mean Shift收敛性分析

作为一种有效的迭代算法,非线性Mean Shift收敛性的研究是应用的基础。虽然Raghav等给出了理论分析,但忽略了对流形上迭代点列收敛性的讨论,对于密度函数收敛性的证明也不够充分。运用黎曼流形的相关知识,指出了算法收敛到局部稳定点的条件,并给出了密度函数和迭代点列收敛的详细证明,为非线性Mean Shift算法的深入研究及应用奠定了理论基础。

非线性Mean-CVaR框架下的资产和破产风险管理

为了克服尾部风险测度CV aR(cond itiona l va lue-at-risk)模型本身的不足,并且给“如何实现资产组合的破产风险与期望利润的最优配置”问题提供一个更现实的答案,提出了非线性M ean-CV aR模型。该模型在CV aR模型基础上,把风险资本的来源内生于资本禀赋,把风险资本的机会成本引入利润函数。利用该模型分析了美国典型商业银行的资产和风险资本选择。结果表明:与CV aR模型相比,M ean-CV aR模型降低了银行的利润率和风险资本储备率,同时储备率的降低更为显著。