鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有...鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性——鲁棒性展开分析。针对这些问题,文中首先引入lasso,group lasso和sparse group lasso方法来求解稀疏线性回归模型以构建超网络;然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性,最后通过实验进行对比分析,以探究更为稳定的网络。实验结果表明,在蓄意攻击模式下,group lasso和sparse group lasso方法构建的超网络的鲁棒性更强一些。同时,综合来看,group lasso方法构建的超网络最稳定。展开更多
为了利用因子排序组合的信息并保证组合权重具有一定的稀疏性,基于Sparse Group Lasso (SGLasso)和经典的均值-方差(mean-variance,MV)投资组合策略,构建了能够对高维资产数据集进行投资的SGLasso-MV策略.与Lasso和GLasso相比,SGLasso...为了利用因子排序组合的信息并保证组合权重具有一定的稀疏性,基于Sparse Group Lasso (SGLasso)和经典的均值-方差(mean-variance,MV)投资组合策略,构建了能够对高维资产数据集进行投资的SGLasso-MV策略.与Lasso和GLasso相比,SGLasso能够同时实现组内和组间的稀疏性,并利用了特征分组信息,因此适用于改进MV策略输出权重的不稳定性和高误差性问题.在实证数据方面,利用A股1997年至2019年所有可用A股股票的日际实证数据集,进行了不固定成分股的滚动投资,以避免样本选择性偏误,并将SGLasso-MV与几种经典的投资组合策略进行了比较.结果显示,相比其他同样包含期望收益率估计量的策略,SGLasso-MV的权重能够在样本外实现显著更低的标准差风险和更低的换手率.展开更多
文摘鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性——鲁棒性展开分析。针对这些问题,文中首先引入lasso,group lasso和sparse group lasso方法来求解稀疏线性回归模型以构建超网络;然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性,最后通过实验进行对比分析,以探究更为稳定的网络。实验结果表明,在蓄意攻击模式下,group lasso和sparse group lasso方法构建的超网络的鲁棒性更强一些。同时,综合来看,group lasso方法构建的超网络最稳定。
文摘为了利用因子排序组合的信息并保证组合权重具有一定的稀疏性,基于Sparse Group Lasso (SGLasso)和经典的均值-方差(mean-variance,MV)投资组合策略,构建了能够对高维资产数据集进行投资的SGLasso-MV策略.与Lasso和GLasso相比,SGLasso能够同时实现组内和组间的稀疏性,并利用了特征分组信息,因此适用于改进MV策略输出权重的不稳定性和高误差性问题.在实证数据方面,利用A股1997年至2019年所有可用A股股票的日际实证数据集,进行了不固定成分股的滚动投资,以避免样本选择性偏误,并将SGLasso-MV与几种经典的投资组合策略进行了比较.结果显示,相比其他同样包含期望收益率估计量的策略,SGLasso-MV的权重能够在样本外实现显著更低的标准差风险和更低的换手率.
