奈特不确定下带高水印的对冲基金最优投资组合

对冲基金管理者往往面临投资资产价格的不确定,这里的不确定包含通常意义下的概率不确定和奈特不确定.资产价格在经典意义下可用布朗运动扰动的随机微分方程予以刻画,然而由于金融市场环境的复杂性,资产价格的干扰源用彭实戈提出的G-布朗运动来刻画更为合理.本文研究了风险资产价格具有奈特不确定下对冲基金管理者最优投资策略.首先建立了基金管理者在风险资产和无风险资产上投资的动态模型,此时风险资产受G-布朗运动干扰,对冲基金带有高水印激励合约,基金管理者的目标是最大化预期累积激励费的净现值.然后通过非线性期望下的随机分析和随机动态规划方法推导出了带有特定边界条件的值函数的G-哈密尔顿-雅可比-贝尔曼(G-HJB)方程,得出相应的基金管理者最优投资组合策略.最后进行了静态经济分析.

抗缩放攻击的高水印容量数字水印算法

目的为了增加水印算法的可嵌入水印信息容量,解决抗高强度缩放攻击等问题,提出一种基于圆形角度模板的抗缩放攻击、高水印容量的数字水印算法。方法首先将原始水印信息转换为QR码,根据QR码生成原理提取其数据编码,并进行分组,再将分组的编码转换为角度信息;随机生成具有方向性和周期性的基础圆形模板水印,根据角度信息对其进行旋转,生成待嵌入的圆形角度模板水印;通过修改图像的最小可察觉误差完成水印信息的嵌入;通过检测模板水印中的角度信息,提出水印信息。结果实验结果表明,该算法不仅可有效抵抗高强度的缩放攻击,同时还可以抵抗色彩调整、旋转、压缩、噪声、滤波、模糊等攻击。此外,该算法可实现较高容量的水印信息嵌入和无损提取。结论通过对水印信息预处理和圆形角度模板水印的应用,不仅使得该算法具备高水印容量,而且可有效抵抗高强度缩放攻击,在抵抗色彩调整、旋转等图像处理攻击方面同样具备较强的鲁棒性,能满足实际应用需求。

奈特不确定下带高水印激励费的对冲基金最优投资问题研究

研究了风险资产价格具有Knight不确定下对冲基金管理者的最优投资决策问题.对冲基金管理者以获得的终端费用(包括管理费和业绩费)预期效用的最大化为目标,此时风险资产受G-布朗运动干扰.然后通过非线性期望下随机分析和随机动态规划方法,推导出带有特定边界条件值函数的G-HJB方程,得出相应的基金管理者最优投资组合策略.

通胀环境下对冲基金最优投资策略

研究了使对冲基金管理者和投资者收益最大化的对冲基金最优投资模型,考虑了通胀因素对其投资收益的影响.首先,定义投资者和管理者的价值函数,刻画基金管理者的最优投资问题.其次,通过随机分析和动态规划的方法得出管理者在考虑通胀情形下最优投资杠杆.最后,对结果进行数值分析,并解释其经济意义.

图像可逆信息隐藏研究发展综述

可逆信息隐藏技术能够恢复图像初始状态,其独特之处在于图像本身就是一个复杂语义的信息表达.这既要求可逆嵌入操作所施加的影响不违背图像所表达的主要语义,又要求该操作是可逆转的.这一特点不仅是敏感领域信息处理所亟需,也是常见领域处理中所不排斥的.现有可逆信息隐藏研究成果繁多,迁移知识广泛,本文将简要梳理可逆信息隐藏的发展脉络,回顾基本技术框架和代表性研究成果,归纳各类方法的特点和优势.然后根据当前人工智能发展的趋势,展望可逆研究的未来发展方向.研究结果表明:增加可逆算法的多样性、普适性研究,引入新的评价指标来导引算法设计与现实应用需求结合,对推动可逆研究与多学科融合解决更难、更广泛的问题,实现信息安全行业的长远发展,具有一定的必要性和可行性.