基于灰色马尔科夫模型预测四川省肺癌死亡率趋势研究

目的预测未来5年四川省肺癌死亡率变化趋势,为四川省加强肺癌防治提供理论依据。方法通过《四川统计年鉴》明确该省2005至2021年肺癌死亡率情况,运用灰色马尔科夫模型结合Matlab2017b软件对四川省未来5年的肺癌死亡率进行预测。结果灰色模型的预测精度为95.07%,通过马尔科夫链进行优化后,预测精度上升至98.06%,优化后的模型拟合预测效果更精准。灰色马尔科夫模型预测未来5年四川省肺癌死亡率将呈持续上升趋势。结论灰色马尔科夫模型可以对四川省肺癌死亡率进行较好的预测和拟合,该组合模型可以作为未来预测肺癌死亡率发展趋势的一种新方法,为肺癌防治提供理论依据。

基于集成聚类及改进马尔科夫链模型的光伏功率短期预测

准确的光伏功率预测是保证新能源电力系统安全稳定运行的重要手段,根据光伏系统出力特点,提出一种基于集成聚类及改进马尔科夫链模型的组合预测方法。首先,通过集成聚类划分表征周期性的趋势序列与表征随机性的随机序列。其次,利用一阶差分处理改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,通过对吉林省及青海省光伏电站历史运行数据建模,结果表明基于集成聚类及改进马尔科夫链的方法相较于传统马尔科夫链模型准确率平均提高了7.76%,验证了所提出的模型在不同出力类型、不同地理位置的情况下都具有适用性。

灰色马尔科夫模型在过程性学习评价中的应用

以过程性评价为灰数,建立灰色马尔科夫预测模型.通过实证研究建立灰色评价等级和灰色转移概率矩阵,预测学生后期学习状态,发现学生的学习状态转移明显,在未来三学期的学习状态几乎趋于平衡点.

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响,提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法.该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计,并将估计结果用于交互式多模型算法的设计中,构造出时变马尔科夫状态转移概率的交互式多模型算法,有效地降低了人为因素对机动目标跟踪精度的影响.通过对一个机动目标的跟踪对比,说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率.

中国旅游经济增长动态路径的阶段性变迁识别——基于马尔科夫区制转移模型的实证分析

文章基于我国国内和国际旅游收入年度数据,在分别对其总量和增长率序列进行定量探讨后,运用双阶段马尔科夫区制转移模型,对我国旅游经济增长动态过程进行阶段性变迁识别和转移分析。结论表明:(1)随着时间的推移,国内和国际旅游收入均大体呈不断攀升的态势,国内旅游收入增长率呈U形变化,而国际旅游收入增长率呈周期性变化特征。(2)国内(国际)旅游收入维系快速(低速)增长的可能性要强于其保持低速(快速)增长的可能性,国内(国际)旅游收入维系快速(低速)增长的可能性要强于国际(国内)旅游收入。(3)无论是国内旅游收入还是国际旅游收入,当其增长率较高时,通常都会存在潜在的较大不确定性,当其增长率较低时,所面临风险冲击的可能性也较小,国际旅游收入快速(低速)增长时的波动性显著强于国内旅游收入快速(低速)增长时的波动性。(4)从近年来的发展趋势看,国内旅游收入增长率仍然具有持续攀升的强劲势头,同时也将会伴随较大的波动性,国际旅游收入增长率维持平缓低位推进的可能性较大,与此相对应的波动性较小。

基于时变状态转移隐半马尔科夫模型的寿命预测

隐半马尔科夫模型在进行系统状态估计及寿命预测时,其状态转移概率矩阵是固定值,得到的剩余寿命预测值呈阶梯状变化,与系统的实际剩余寿命值之间存在着较大的误差.针对上述问题,提出了具有时变状态转移概率矩阵的隐半马尔科夫模型,根据系统的3种典型退化状态分析,给出3种不同的状态转移系数.与初始状态转移矩阵相结合,得到随时间变化的状态转移矩阵.提高系统在当前健康状态下的剩余持续时间估计精度,最终得到更为准确的总体剩余寿命预测值.结果表明,基于时变状态转移概率矩阵的隐半马尔科夫模型相比传统的隐半马尔科夫模型,可显著提高剩余寿命预测的准确性.

财政科技投入周期与经济周期协同性的马尔科夫区制转移模型

基于三阶段马尔科夫区制转移模型,对改革开放以来的财政科技投入周期和经济周期的动态过程进行阶段性变迁识别与协同性分析。研究发现:财政科技投入周期与GDP周期中存在着低速增长、适度增长和高速增长三种区制,并以一定的概率水平相互转化;财政科技投入处于低速增长和高速增长阶段的持续性与波动性强于同一阶段上的GDP,而处于适速增长阶段的持续性和波动性则弱于该阶段上的GDP;20世纪90年代初是财政科技投入周期与GDP周期同步与否的分水岭。在此之前,财政科技投入周期与GDP周期是非协同的,在此之后,先表现出静态协同关系,后呈现出动态协同关系,但是与财政科技投入周期相比,宏观经济周期具有一定的时间滞后性。

改革开放以来我国教育投资周期与宏观经济周期同步吗——基于“双阶段”马尔科夫区制转移模型的实证分析

本文基于改革开放以来我国国家财政预算内教育经费以及GDP年度数据,运用"双阶段"马尔科夫区制转移模型,对我国教育投资周期以及宏观经济周期动态过程进行阶段性变迁识别和转移分析。结论表明:(1)教育投资在1983年至2005年间处于"低速增长阶段",在2006年至2012年间处于"快速增长阶段"。GDP在1995年至2002年间处于"低速增长阶段",在1983年至1994年以及2003年至2012年间处于"快速增长阶段"。(2)教育投资(GDP)处于"低速(快速)增长阶段"时的持续性强于其处于"快速(低速)增长阶段"时的持续性,教育投资步入"低速(快速)增长阶段"时的持续性强于(弱于)GDP步入"低速(快速)增长阶段"时的持续性。教育投资(GDP)处于"低速(快速)增长阶段"时的波动性高于其处于"快速(低速)增长阶段"时的波动性,教育投资步入"低速(快速)增长阶段"时的波动性强于(弱于)GDP步入"低速(快速)增长阶段"时的波动性。(3)上世纪90年代中期,是教育投资周期与宏观经济周期同步与否的"分水岭",在此之前,教育投资周期与宏观经济周期变化截然相反,在此之后,教育投资周期与宏观经周期较为同步,但是与宏观经济周期相比较,教育投资周期具有一定的"时间滞后性"。

中美经济周期的协动性:基于马尔科夫区制转移模型的研究

中国经济"新常态"以及美国经济的发展走势是当前整个世界关注的焦点。本文通过建立中美两国经济周期波动的马尔科夫区制转移模型进行估计,结果表明中美两国经济周期的波动存在具有明显协动性的区制,且两国经济周期的波动区制都具有较强的"自维持"特征。但当前中美两国经济周期的波动区制也表现出了明显不同的特点:中国经济周期正处于受美国经济"冲击波动"的区制,经济增长的"自律性"有所减弱;而美国经济周期则正处于"自律波动"区制。这意味着当前美国经济的复苏向好有助于拉动中国经济增长,而中国经济增速放缓的"新常态"对美国经济的负面影响并不明显。

基于马尔科夫机制转换CAPM的VaR模型研究

本文利用机制转换的CAPM模型来计算中国证券市场的VaR,首先回顾了机制转换模型,接下来介绍了基于马尔科夫机制转换CAPM的VaR模型(MSW-VAR),最后选择深圳证券交易所的十支股票进行VaR计算,通过准确性检验显示效果良好。MSW-VAR模型能够满足系数时变和市场指数及组合的方差也是时变的市场特性,模型中的混合正态分布,可以拟合证券市场分布的偏峰厚尾特征。

金融投机及国际原油价格关联性研究:基于“双阶段”马尔科夫区制转移模型

本文基于2000年2月~2016年8月金融投机及国际原油价格的周数据,运用"双阶段"马尔科夫区制(MS-VAR)转移模型捕捉和刻画金融投机及国际原油价格多阶段性的复杂动态变化过程,对金融投机及国际原油价格研究周期动态过程进行阶段性变迁识别和转移分析,最终论证了金融投机及国际原油价格之间存在的相关性。本文研究有利于更深入地了解金融投机与国际原油价格的内在关联性,探索通过矿产金融建设完善和优化国家石油资源的金融支持机制。

金融稳定与经济增长的关联机制研——基于马尔科夫区制转换模型

基于2003年到2017年的季度数据,采用马尔科夫区制转换模型对我国金融稳定指数与经济增长的关联性进行了实证研究。通过格兰杰因果检验可以得到,金融稳定与经济增长之间存在双向非线性格兰杰因果关系,二者相互作用;通过马尔科夫区制转换模型分析得出,我国的金融稳定与经济增长之间的关系随着经济增速的"换挡"以及金融稳定性水平大小而呈现较为显著的区制性特征。

基于马尔科夫机制转换理论的中国乘数——加速数模型分析

文章将马尔科夫机制转换模型引入传统的乘数—加速数模型,以解决系数时变性问题。利用1978年至2014年中国经济统计数据进行极大似然估计,并且利用Kim的平滑算法对中国经济机制进行了划分。研究发现,从1980年至2002年,中国经济并不存在明显的内生周期性,从2003年至2014年,中国经济周期性明显,周期为10年。

中国与非洲国家的股市联动效应——基于马尔科夫状态转移Copula模型的实证分析

基于中国和非洲部分国家2001—2020年的股市数据,构建马尔科夫状态转移Copula模型,以探讨中国与非洲部分国家股市的联动性,结果表明,中国与非洲四国有较弱的正向联动效应,中国与南非股市的联动性最强,与突尼斯股市的联动性最弱。此外,中非股市联动性随中国资本市场的开放推进呈现增强趋势,2001年至2005年的中国资本市场处于初步开放阶段,中非股市联动性较低;2006年至2013年期间金融危机的爆发使中国资本市场与国际上的联系进一步加深,中非股市的联动性较第一阶段有所增强;2014年至2020年“一带一路”倡议提出和实施后,中非股市联动性进一步增强。中非合作需要推动中国资本市场进一步开放,加强中非股市合作;加强金融监管合作,防范中非金融风险传染,深化中非股市联动发展的融合效应;以支持“八大行动”为目标,促进中非资本市场合作。

基于马尔科夫转换ARCH模型的房地产市场波动研究——以房地产市场景气指数为例

近年来,我国房价波动较大,房地产投机现象时有发生。因此,研究房地产市场的运行规律,对于预测房价、防范房地产泡沫具有重要意义。本文研究了中国住房市场的波动状态。使用ARCH和GARCH模型来寻找房地产市场景气指数随时间变化的证据。然后利用马尔科夫转移模型(MS模型)连续分析2000年~2021年中国住房市场波动状态的动态。结果表明,中国住房市场存在低波动性、中波动性和高波动性三种状态。实证分析发现,2002年之前,房地产市场一直处于低波动状态,2002年以后,房地产市场在中波动状态和高波动状态来回转换,针对每一个波动拐点,也可以找到当年政府发布的与房地产市场相关的政策,这在一定程度也说明政府行为对房地产市场常起导向作用。本文以房地产市场景气指数为数据,运用EViews和MATLAB进行实践操作,对研究问题进行求解,目的是了解中国房地产市场的波动情况,判断房地产市场的稳定性,为相关房地产企业经营决策和政府部门的规范管理提供参考。

短期跨境资本流动与人民币国际化的动态发展研究——基于马尔科夫区制转移向量误差修正模型(MS-VECM)

为解释短期跨境资本流动与人民币国际化进程之间的关联性,我们基于2006年以来短期跨境资本流动与人民币国际化的季度数据,使用马尔科夫区制转移向量误差修正模型(MS-VECM),对不同状态下二者的关系进行了度量和检验。研究结果表明:受到外汇政策管制和资本市场开放等因素影响,我国短期跨境资本流动和人民币国际化之间呈现显著的三区制性质;不同时期波动存在显著非对称性,体现为转移概率和持续期均不同,但存在稳定的均衡关系,近年来二者均衡关系更加表明人民币资本项目可兑换加快是影响短期跨境资本流动的主要原因,最后提出相应政策建议。

马尔科夫机制转换谱正Lévy风险模型中的最优分红策略

在马尔科夫机制转换谱正Levy风险模型中,研究最优分红问题.通过构造辅助的最优化问题,利用动态规划准则和Levy过程的漂移理论,证明了调节有界分红策略是最优策略,通过迭代方法得到了值函数和最优分红水平.

基于马尔科夫链模型的鄱阳湖流域水文气象干旱研究

基于气象和水文干旱的二维变量干旱状态基础上,通过一阶马尔科夫链模型对二维变量干旱状态进行频率、重现期和历时分析,建立水文气象干旱指数,从干旱灾害形成、演变和持续3方面对干旱灾害进行研究,同时预测未来6个月非水文干旱到水文干旱的概率.结果表明:(1)修河流域在干旱形成中危害大,抚河流域和修河流域在干旱演变中危害大,赣江流域和饶河流域在干旱持续中危害大;(2)鄱阳湖流域状态4(气象、水文干旱)发生的频率最高,为0.30,连续湿润或者干旱的概率最大,湿润状态(状态2)与水文干旱(状态4、状态5(气象湿润、水文干旱))的相互转移概率最低;(3)在长期干旱预测中,鄱阳湖流域从状态2转到状态4和状态5的平均概率为0.11,属最低,而状态1(气象、水文无旱)和状态3(气象干旱、水文湿润)到达状态4的概率为0.23,发生概率最大.修河流域在非水文干旱状态下未来发生气象、水文干旱状态的平均概率为0.28,是"五河"中最高的,而赣江流域在正常或者湿润状态下未来发生气象、水文干旱的概率最低,为0.18,该研究对于鄱阳湖流域水文气象干旱的抗旱减灾具有重要理论与现实意义.

马尔科夫方法修正的灰色模型在吉林省粮食产量预测中的应用

粮食生产是国民经济重要的组成部分,粮食生产的波动必然会引发整个国民经济的波动。因此人们在努力提高粮食产量的同时,也期望知道未来一段时间粮食产量的变化情况,以便为科学决策提供依据。基于吉林省1949～2008年粮食总产量数据,采用灰色GM(1,1)预测模型动态模拟该省粮食产量变化态势,并运用马尔柯夫状态转移矩阵对灰色GM(1,1)模型的模拟结果进行修正,以提高粮食产量预测精度。结果表明,马尔柯夫方法修正的灰色模型能够大大提高粮食产量的模拟精度,模型修正后的模拟产量的相对误差较之修正前下降了0.10(由0.19下降到0.09),将灰色GM(1,1)模型和马尔柯夫状态转移矩阵相结合用于粮食产量预测可以取得较好的效果。预测结果表明未来10a吉林省将增产粮食100亿kg,增产潜力巨大。

基于增益的隐马尔科夫模型的文本组块分析

本文提出一种基于增益的隐马尔科夫模型(Transductive HMM)的方法,用于文本组块(Text Chunking)分析的研究。该方法将一些上下文信息导入隐马尔科夫模型(HMM),构造增益的隐马尔科夫模型(TransductiveHMM)。该模型不需要修改标准的隐马尔科夫模型的训练和标注过程,只需要对训练语料根据导入的上下文信息进行相应的转换。实验结果显示,该方法在文本组块分析方面是有效的。