上海股市的“周内效应”研究——Markov状态转换模型

由于受到牛、熊市等市场状态转换的影响，“周内效应”的模式可能随之发生结构性“跳变”，从而表现出时变特征。本文在国内外首度使用Markov状态转换模型研究“周内效应”，对上证综合指数从1997到2010年的数据进行了周内效应“弱检验”。实证发现，首先，沪市可划分为高、中、低波动率三种状态，分别对应股市的大跌、大涨和平缓期；其次，周内效应模式在三种状态下各不相同，表现出明显的时变性。可见，市场状态的转换，尤其是股市涨、跌状态的更替，是引致“周内效应”随时间发生模式变化的一种重要因素。

基于Markov状态转换模型的并购活动波动性实证研究

从19世纪末开始，全球百年并购已经历过以横向并购、纵向并购、混合并购、杠杆并购与跨国并购为主导特征的5波并购浪潮。20世纪90年代中后期以来，企业之间的并购浪潮正日益广泛和深入地影响着我国整体经济的发展绩效。所谓并购浪潮的发生是指某些类型的并购活动在一个特定的时点大量地增加，它是工业经济中最严重的事件。

Markov机制转换的状态空间模型及其在我国经济周期中的应用研究

经济周期具有机制转换的特点,而传统的状态空间模型很难解决像具有机制转换特点的此类问题。为此,本文将Markov机制转换模型运用到状态空间模型中,并对我国经济周期进行了分析研究,实证结果表明Markov机制转换的状态空间模型,较好地刻画了我国经济周期的非对称性特征,从中得出一个重要的结论:政府的宏观调控政策会对我国经济产生正向的冲击,宏观调控是有效的。

基于三状态Markov模型的欧盟碳排放交易市场的状态转换结构研究

采用EUA现货与期货价格、CER期货价格日数据,结合AR-GARCH与Markov机制转换模型,研究碳排放市场的波动聚集与结构转换特征。结果发现:(1)市场存在尖峰厚尾与波动聚集,且存在较大的尾部风险;(2)市场呈现明显的状态转换结构特征,其中EUA现货与期货市场的结构变化较大且在较长时期内处于下跌状态;(3)市场在上涨、盘整和下跌状态下的期望持续期均大约为5天。此外,从盘整状态和下跌状态到上涨状态的转换概率比较小,市场将会在较长时间内处于某一状态下。

基于Markov转移模型的中国股市状态转换研究

文章对深交所1998～2008年间的月度股指数据进行统计性描述,并从偏度、峰度和滚动方差三个角度对其波动性进行分析;运用非线性的Markov状态转移模型,定义股市的三种状态,来系统分析股市在三种状态之间的变换及其规律。结果表明,运用混沌的非线性状态法比传统计量方法更能较好的对股市进行分析和预测。

基于多状态Markov模型研究糖尿病前期进展为心血管疾病的影响因素

目的采用多状态Markov模型探讨糖尿病前期进展为心血管疾病的影响因素。方法于2018年6月至2020年6月选取本市>50岁的糖尿病前期体检人群共1148例,统计随访期间糖尿病、心血管疾病的发生情况,采用Cox多元回归分析分别探讨糖尿病前期→糖尿病、糖尿病→心血管疾病、糖尿病前期→心血管疾病的影响因素,并采用多状态Markov模型进行验证。结果糖尿病发生率为22.19%,心血管疾病发生率为9.47%;超重、肥胖、有吸烟史、有饮酒史、未遵医膳食、未遵医运动、合并高脂血症占比差异均有统计学意义(P<0.05),且上述均为糖尿病前期→糖尿病、糖尿病→心血管疾病转移、糖尿病前期→心血管疾病转移的危险因素(P<0.05);多状态Markov链显示糖尿病前期→糖尿病、糖尿病→心血管疾病、糖尿病前期→心血管疾病转移的风险高,且证实上述因素均可增加糖尿病前期→糖尿病转移、糖尿病→心血管疾病、糖尿病前期→心血管疾病转移的风险(P<0.05);Markov模型拟合不同状态的观察和预期曲线开始部分较差,后均逐渐重叠,模型拟合效果理想。结论超重、肥胖、有吸烟史、有饮酒史、未遵医膳食、未遵医运动、合并高脂血症均是糖尿病前期发生糖尿病、糖尿病发生心血管疾病、糖尿病前期发生心血管疾病的危险因素,且经多状态Markov模型验证。

多状态Markov模型在阿尔茨海默病自然史中的应用

目的将多状态Markov模型应用于阿尔茨海默病(Alzheimer's disease,AD)自然史研究,为慢性病自然史研究提供方法学借鉴。方法基于美国公共数据库ADNI,构建正常认知(normal cognition,NC)-轻度认知障碍(mild cognitive impairment,MCI)-AD多状态Markov模型,估计不同状态间的转移强度、转移概率、影响因素和各状态的逗留时间,绘制生存曲线,并进行模型拟合优度评价。结果性别、年龄、FAQ、MMSE、CDRSB、ADAS13、TMT-B-Time是AD自然史中重要的影响因素;NC与MCI状态的平均逗留时间分别为7.502年,11.621年。多状态Markov模型拟合结果较好。结论多状态Markov模型在AD等多状态慢性病转归研究中具有很好的应用价值。

基于Markov状态转换模型的三种市场资产波动率行为及其相关分析

本文使用Markov状态转换模型对WTI油价、黄金价格以及SP500指数收益率进行建模。研究结果表明三种资产市场的波动率可以分为高低两种状态,资产在不同状态,其波动率有着不同的波动特征：对波动率所处状态的转移概率而言,除SP500指数,其他两种资产处于高波动率状态的概率都低于处于低波动率的状态,即股票市场所处状态的常态是一个波动率较高的状态;相反,石油市场和黄金市场所处状态的常态是一个低波动率的状态。同时利用DCC模型探究了石油、黄金和股票市场之间的联动变化特征,另外我们也探究了外部冲击对三种资产的影响。我们的研究结果表明在受到外部事件冲击时,三种资产市场之间的相关关系会有一定程度的上升。此外,三种资产市场在面对地区政治冲击和金融冲击时,其波动率持续性有着不同程度的反应。

基于时变Markov状态转换的RealizedGARCH族模型及其对期货波动率的预测

近年来,Realized GARCH族模型在金融市场波动率研究中展现了良好的预测效果.该文在两个Realized GARCH族模型基础上,考虑波动率存在非线性结构特征,引入基于显著跳跃方差测度的时变Markov状态转换机制以构建时变MRS-Realized GARCH族模型,推导其参数估计方法,并应用DM检验和MCS检验来评估模型的预测精度.最后,分别基于不同的评估方法,误差分布假设,滚动窗口长度,采样区间和跳跃测度对模型进行稳健性检验.以沪深300股指期货数据为例,实证研究表明:沪深300股指期货市场存在高波动和低波动状态,跳跃测度在低波动状态会对未来一期波动产生显著的正向影响,而在高波动状态会抑制未来一期波动;DM检验和MCS检验显示,时变MRS-Realized GARCH族模型在任意的损失函数指标下均具有最佳的波动预测效果;另外,稳健性检验结果证实该模型在不同情况下均具有最佳的预测表现.

多状态Markov模型在慢性肾脏病分级预后研究中的应用

目的:探讨慢性肾脏病(CKD)患者的CKD各期进展情况,构建初步的分级预后多状态Markov模型。方法:对272例CKD随访病例进行回顾性研究,建立包含CKD1期、CKD2期、CKD3期、CKD4期、CKD5期、死亡/终末期肾病期6个状态的Markov模型,探讨患者的分级预后。结果:平均观察年限2.0年。CKD1-2期转移的概率为9.2%/年,CKD2-3期转移的概率为10.9%/年,CKD3-4期转移的概率为13.2%/年,CKD4-5期转移的概率为16.1%/年,CKD5期-死亡/终末期肾病转移的概率为47.1%/年。以多状态Markov模型预期本队列今后50年处于CKD1期的平均时间为11.1年,处于CKD2期的平均时间为7.8年,处于CKD3期的平均时间为5.4年,处于CKD4期的平均时间为2.5年,处于CKD5期的平均时间为1.0年,预期平均寿命或肾存活期为27.8年。结论:应根据CKD不同分期的预后及其影响因素评估患者病情和指导临床治疗。

基于隐Markov模型的重型数控机床健康状态评估

为了辅助重型数控机床的综合健康状态评估,从性能劣化角度出发,建立基于多性能参数多观测序列的隐Markov健康状态评估模型,改进了以往基于单性能参数的隐Markov模型不能准确描述机床健康状态的问题。针对隐Markov模型的参数初始化难题,通过K-means方法进行参数聚类分析,使初始化参数趋向于全局最优解;由于单性能参数不能完全描述机床状态的隐含信息,提出一种基于多性能参数多观测序列值的隐Markov模型训练算法。通过某重型数控机床滚珠丝杠的健康状态评估实例,获取了滚珠丝杠的健康状态变化趋势,验证了方法的可行性和有效性。

多状态Markov模型及其在慢性病流行病学研究中的应用

目的 促进多状态Markov模型在慢性病流行病学研究中的推广应用。方法 应用多状态Markov模型研究2型糖尿病不同发展阶段的影响因素。结果 应用多状态Markov模型分析具体案例取得了较为满意的效果。结论 多状态Markov模型是探讨慢性病不同发展阶段影响因素的一种有效工具 ,在慢性病流行病学研究中具有广阔的应用前景。

基于状态空间模型的子频带语音转换算法

语音转换是一项改变说话人声音特征的技术,该领域主流方法——基于高斯混合模型的全频带参数映射,会导致转换后的语音频谱产生帧间不连续性.本文针对以上问题提出了改进方案:首先引入状态空间模型来模拟语音动态变化特性,其次利用离散小波变换对语音低频和高频部分的参数分为子频带处理.文章最后用主观和客观实验对提出的算法进行的实验仿真和验证.

基于贝叶斯Markov转换模型的股市收益与通胀波动关系研究

文章针对股市收益与通胀波动关系分析过程中随机参数条件下的建模问题,构建了贝叶斯Markov转换VAR模型。通过分析模型的统计结构,设置参数的先验分布,利用贝叶斯统计方法,推断了模型参数的后验分布,设计相应的两次Gibbs抽样算法对模型参数进行贝叶斯估计,运用该模型对上证股指回报率与通货膨胀率的波动关系进行实证分析。研究结果表明:贝叶斯Markov转换VAR模型更准确地刻画出两变量之间波动关系的非线性动态特征,证明了费雪效应和代理效应在市场的不同机制中都成立。

新股发行周期波动的Markov三区制转换模型研究

本文将传统的IPO周期市场"热销"和"冷发"两种状态拓展为"热销"、"冷发"和"过渡"三种状态,并结合稳健性考虑和我国IPO市场实际对测度IPO周期的变量进行了改进,构造了一套新的包含IPO数量、抑价、市场条件、政府调控四类代理变量的指标体系,然后将变量分别应用三区制Markov区制转换模型进行回归并通过滤波迭代法得到滤波概率和平滑概率,继而得出每组变量对应的IPO周期,最后通过综合对比获得了我国A股市场1994年1月至2012年6月的IPO周期划分结果。结果显示我国IPO发行周期波动存在"热销"、"冷发"和"过渡"三种状态,并刻画了IPO周期与IPO数量、抑价、市场条件、政府调控之间的关系,研究丰富了IPO周期理论,并有助于IPO发行的有效决策。

分层隐Markov模型在设备状态识别中的应用研究

与传统的隐Markov模型(HMM)相比较而言,应用分层隐Markov模型(HHMM)对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。

Markov状态转移模型在慢性患者平均寿命预测中的应用

目的 探讨Markov状态转移模型在慢性病平均寿命预测中的应用。方法 建立三状态的Markov模型 ,采用队列分析方法计算慢性鼻衄患者的平均寿命。结果 通过专家假定的状态转移概率预测目前处于疾病状态的一个固定队列的人群今后 5 0年处于疾病状态的平均时间是 7 75 6年 ,处于健康状态的平均时间是 8 13 5年 ,总的平均寿命为15 891年。结论 Markov状态转移模型不仅可以预测慢性病平均寿命 ,还可预测患者处在疾病或健康不同状态的平均时间。

基于状态转换GARCH模型的上证综指已实现波动研究

引入马尔科夫状态转换(markov regime switching)的GARCH模型,利用高频上证综指构建的已实现波动(realized volatility)进行了实证研究。结果表明状态转换模型能够更好地描述波动性,发现了我国股市的波动主要由政策引起,解决了GARCH模型"伪"强持续性的问题。

基于状态转换模型的容侵系统研究

Intrusion tolerance system is a new technology of network security. It can provide acceptable or degraded system service when intrusions occur. In this article, the system's basic function, technique and objective are introduced. A kind of state transition model is discussed. The intrusion tolerance architecture based on state the transition model and several vulnerabilities cases are proposed.

时间转换Markov模型在阿尔茨海默病进程研究中的应用

目的建立轻度认知损害(mild cognitive impairment,MCI)向阿尔茨海默病(Alzheimer's disease,AD)状态转归的时间转换Markov模型,探讨MCI状态向AD状态转归的影响因素并进行转归预测,同时对模型进行评价。方法截止到2012年对太原市518名社区老年人共进行5次随访调查,将MCI到AD的过程分为MCI(状态1),中重度认知损害状态(状态2)和AD(状态3)3个状态。对随访数据拟合3状态的时间转换Markov模型,评价模型拟合情况并分析AD进程不同阶段的影响因素,依据拟合的时间转换Markov模型计算转移强度矩阵,并预测3年转移概率。结果通过假设检验,数据不满足时齐性(P<0.01),但是满足马氏性(P=0.468),可对数据采用时间转换Markov模型进行拟合,模型拟合优度较好(P>0.05)。采用时间转换Markov模型,经多因素筛选,发现性别、年龄、教育水平、工作类型、吸烟和高血压对状态1到状态2的转移有统计学意义,年龄、教育水平、工作类型、糖尿病和高血压对状态1到状态3的转移有统计学意义,年龄、教育水平、吸烟、糖尿病和高血压对状态2到状态3的转移有统计学意义。结论在AD发展进程的不同阶段,主要影响因素不同。与齐次Markov模型相比,时间转换Markov模型能更全面地分析相关的影响因素与探讨疾病进程的变化规律。