中国股市流动性深度日内模式——基于马尔科夫调制泊松过程模型

针对已有流动性深度日内模式的研究数据受异常事件污染的局限,基于马尔科夫调制泊松过程,构建了交易量分离模型,该模型可分离交易量中的异常交易量。进一步以交易量为流动性深度的代理指标,研究了中国股市的流动性深度日内模式。研究发现:异常交易量确实对我国股市的深度日内模式有影响;由于对信息的敏感程度不同,不同规模股票的深度日内模式不同,对信息敏感的中、小市值股票具有W型模式,而对信息相对不敏感的大市值股票呈U型模式;由于不同市场走势下,投资者对市场信息的敏感程度不同,我国股市深度日内模式受市场走势的影响,牛市时,深度日内模式呈U型,而熊市时,深度日内模式呈W型。

马尔科夫调制泊松点过程的熵率和相互信息率

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.

带状态依赖标值的马尔科夫调制泊松过程的熵率和相互信息率

导出了带状态依赖标值的马尔科夫调制泊松点过程的熵率和相互信息率.模拟研究显示MLE的精度和效与隐马尔科夫过程的相互信息率有关.

Markov决策过程不确定策略特征模式

马尔科夫决策过程可以建模具有不确定性特征的复杂系统,而在进行模型分析时需要采用策略对不确定性进行处理。首先,研究不同策略下时空有界可达概率问题,给出不确定性解决策略的定义及分类方法。其次,在时间无关策略下,证明基于确定性选取动作和随机选取动作的时空有界可达概率的一致性,并且论证了时间依赖策略相对于时间无关策略具有更好的时空有界可达概率。最后结合实例简要阐述了结论的正确性。

一种不确定作战决策效能评估模型及仿真

针对直接评估不确定决策效能的困难,引入一种间接评估方法——理想观察者分析(Ideal Observer Analysis,IOA)方法,它通过定义最佳执行(Optimal Performance),用实际策略效用与OP效用值的差异表示决策效能。而在确定OP时又使用了部分可观察马尔科夫决策过程(Partially Observable Markov Decision Process,POMDP)模型。研究了用POMDP模型确定OP的方法,提出了一种行动决策方法。最后针对三状态"寻找并摧毁"型作战任务进行仿真验证,结果证明了此方法的有效性。

关于马氏切换的双扰动中立型跳扩散过程的注记

Lju D和Yang Y在文献[1]中证明了带有马尔科夫调制和泊松跳的双扰动中立型扩散过程解的存在唯一性.然而发现[1]中主要结果,定理3.1的条件(H2)和证明都是错误的.我们主要改正并证明[1]中相关结果.

一种改进的地下水模型结构不确定性分析方法

高斯过程回归(GPR)是一种基于贝叶斯理论的监督学习算法,在基于数据驱动(DDM)的模型结构不确定性分析中具有广泛应用。目前研究中通常假设物理参数和超参独立并进行联立识别,这会导致参数补偿。文章提出两步识别DDM量化模型结构误差,并通过2个地下水模型案例,分别在不考虑模型结构误差、考虑模型结构误差(联立识别DDM、两步识别DDM)的情况下,对比分析了参数识别和模型预测结果。结果表明,不考虑模型结构误差直接进行参数识别时,为补偿结构误差,物理参数会过度拟合,从而影响模型预测效果。基于DDM刻画模型结构偏差时,物理参数和超参的独立性假设会影响参数识别结果。提出的两步识别DDM法没有假设物理参数和超参独立,能够减少参数过度拟合效应,从而更准确刻画结构误差,有效提高了模型的预测性能。

ATM突发模型MMDP的信元丢失率估计

提出一种新的估计ＡＴＭ复用器信元丢失率的方法．它用马尔科夫调制过程（ＭＭＤＰ）仿真信元的实际到达过程，并用ＭＭＤＰ／Ｄ／１／Ｋ排队系统模拟ＡＴＭ复用器．通过排队分析，求出了用马尔科夫链的稳态概率表示的信元丢失率公式．仿真结果表明，与ＳＦＦ，ＭＭＰＰ模型相比，ＭＭＤＰ公式在ＡＴＭ突发级的拥塞控制中使用令人满意．

多机器人系统强化学习研究综述

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段,是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发,针对局部可观测性、计算复杂度和收敛性等方面的固有难题,围绕学习中的通信、策略协商、信度分配和可解释性等要点,总结了多机器人强化学习的研究进展和存在的问题;介绍了强化学习在机器人路径规划与避障、无人机、机器人足球和多机器人追逃问题中的应用;最后指出了定性强化学习、分形强化学习、信息融合的强化学习等若干多机器人强化学习的前沿方向和发展趋势.

基于MMPP模型的“送转股”公告效应研究——来自中国证券市场的证据

基于马尔科夫调制泊松过程模型建模交易笔数数据,将交易笔数分离为流动性交易笔数和信息性交易笔数,并构建一个新的估计日度PIN的方法.采用事件研究的方法,考察了我国股市"送转股"公告日前后20,d的超额收益率及信息非对称程度,实证检验我国股市是否有送转股公告效应,以及这种公告是否向市场传递了信息.研究结果表明:我国股市存在"送转股"公告效应,"送转股"公告确实向市场传递了信息,且在"送转股"公告前就有信息泄露.

随机多模式资源受限项目调度

项目调度是实现项目资源优化配置的重要手段。项目执行时往往面临大量不确定因素,并呈现出典型的多模式特性,给项目调度带来了很大挑战。鉴于此,本文研究活动工期不确定条件下的多模式资源受限项目调度问题,建立了该问题的马尔科夫决策过程模型。为了高效求解上述模型,设计了基于Rollout的近似动态规划算法。该算法可以在项目执行过程中根据最新的项目状态动态给出调度方案,从而有效优化项目期望工期。在所提算法中,利用“活动—模式”列表与并行调度机制相结合的启发式算法构建基准策略,并设计了基于离散时间马尔科夫链的动态仿真,以进一步提升算法性能。基于公开的项目调度问题库PSPLIB,通过大规模计算实验分析了本文算法的性能,探讨了多种因素对调度效果的影响。