中国可转债市场与股票市场的动态关系研究——基于DCC-MGARCH模型的分析

近年来,DCC-MGARCH模型已经被成熟地运用到对一些金融市场间关系的研究中,运用DCC-MGARCH模型对可转债市场与股票市场间的动态相关系数进行研究,采用全局综合与局部分析的方法,刻画上述两金融市场间相关系数的动态时变特征,结果表明:采用DCC-MGARCH模型对可转债市场与股票市场间关系的研究是有效且可行的。

国内外碳交易市场价格联动性分析——基于DCC-GARCH模型

随着我国碳排放权交易市场的建立和健全,如何衡量不同市场之间的相关性成为人们关注的焦点。基于DCCGARCH模型,量化了国内外碳交易市场之间的动态相关系数。实证结果表明,我国的碳交易市场还处于分割状态,不同市场间的联动性较差。未来应进一步推动建立全国统一的碳交易市场,增强市场间的联系,实现资源的有效配置。

我国创业板市场与中小板市场的动态相关性研究——基于DCC-GARCH模型和Copula模型的比较分析

金融市场间的相关性研究是金融风险测度及资产组合管理的基础。选取2010年6月1日至2012年5月31日我国的创业板指数(399006)和中小板指数(399005),根据两大指数收益率序列,建立DCC-GARCH模型和Copula模型分别计算两市场间的动态相关系数,研究结果表明:(1)创业板市场与中小板市场存在正相关关系,且相关性很强并具有稳定性;(2)Copula模型考虑了市场间的非线性因素,在刻画金融市场间的相关性方面效果优于DCC-GARCH模型。(3)时变Copula模型捕捉了市场收益率随时间变化的特性,在刻画金融市场间的相关性方面效果要优于常相关Copula模型。因此,我国创业板市场与中小板市场合并是必然趋势;机构投资者宜采用Copula模型分析金融市场间的动态相关性,且不宜跨创业板市场和中小板市场进行资产配置。

基于DCC-MGARCH模型的金融传染实证检验

论文以2007年7月1日至2013年12月3日为研究区间,基于DCC-MGARCH模型对美国次贷危机前后美国股市影响亚洲七国或地区的时变传染性进行了实证研究。研究表明,存在着美国股票市场对亚洲七国或地区股市的时变动态传染机制,金融危机的传染提高了美国与亚洲各国或地区股市的协动性;美国股市对亚洲发达经济体及新兴经济体的传染程度存在差异,美国股市对发达经济体的股市传染性更强;亚洲各国或地区股市存在显著的协动性与传染性,各国或地区股市动态相关系数存在着显著的均值回归现象。

我国原油、煤炭和天然气的价格波动关系的研究——基于DCC-MVGARCH模型的实证分析

本文以原油、煤、天然气的价格收益率作为研究对象,运用DCC-MVGARCH模型,得出能源价格波动的动态相关系数,通过实证分析发现能源价格波动性的关系。结果表明,原油市场和煤炭市场波动性的动态相关系数随时间发展不断增长,原油市场和天然气市场波动性的相关系数比较稳定,煤炭市场和天然气市场波动性也比较稳定。

结合空间信息的EDCC测度光谱匹配分类方法

光谱匹配分类方法以光谱相似性测度为分类准则,一种相似性测度只对应于光谱曲线的一种特征,用于光谱匹配分类效果并不好;组合不同类型的相似性测度能够有效改善分类效果,但光谱匹配分类往往忽略了相邻像元间的相关性。为了更好地利用空间信息,提高光谱匹配分类精度,首先组合欧氏距离测度和相关系数测度,得到欧氏距离-相关系数测度;其次通过加入空间乘子,得到结合空间信息的欧氏距离-相关系数测度,从而在光谱匹配分类中增加了空间信息约束。采用两组高光谱影像进行实验验证,结果表明,相比于单一相似性测度及组合相似性测度,结合空间信息的欧氏距离-相关系数测度用于光谱匹配分类能够有效改善分类精度。

基于GJR-GARCH-DCC模型的沪深港股市的联动性研究

以沪深港三地股票市场指数数据为样本,通过构建三元GJR-GARCH-DCC模型对沪深港股市之间的联动效应进行了分析。首先选择向量自回归(VAR)模型作为条件均值方程的形式,并在此基础上进行了格兰杰因果关系检验和脉冲响应分析,然后考察了条件方差方程和DCC方程,最后刻画出沪深港股市的动态相关系数图。分析结果表明,沪深港股市之间存在明显的联动性,股权分置改革之后,中国内地股市更加国际化,市场之间的关系存在非对称性,沪市在三个市场之间已经起到了主导作用,市场间的动态相关性呈现增加的趋势。投资者可以利用股市联动性的增强对股市的走势进行预测,同时监管部门也应该完善股市的制度,建立危机预警机制,以防止由联动性导致的国内外股市风险。

vbICA方法用于GNSS坐标序列共模误差提取研究

全球导航卫星系统(global navigation satellite system,GNSS)坐标序列精度主要受共模误差(common mode error,CME)影响。为提高GNSS坐标序列精度,采用变分贝叶斯独立分量分析方法(variational Bayesian independent component analysis,vbICA)提取实验区20个GNSS测站坐标序列的CME,并对比分析vbICA与主成分分析(principal component analysis,PCA)和独立分量分析(independent component analysis,ICA)的滤波性能。结果表明,vbICA滤波效果优于PCA和ICA;经vbICA滤波后,E、N、U方向坐标残差序列均方根(RMS)平均降低36.57%、31.63%、10.97%,距离相关系数平均降低60.53%、56.84%、25.80%;扣除CME后,GNSS速度场估计更加可靠和精确,可有效提高GNSS坐标序列精度,为地球动力学研究提供可靠的数据支撑。

常规直流逆变站交流送出线路距离保护适应性分析与对策

常规直流逆变站交流送出线路故障通常会引发换相失败,存在故障电压和电流波形畸变等问题,可能导致工频相量距离保护性能劣化。首先,分析了工程中广泛应用的正序电压极化距离保护在常规直流逆变站交流送出线路中的适应性,分析结果表明,当逆变站运行于单回交流出线工况时,传统正序电压极化距离保护不再适用;然后,基于交流线路的RL模型,提出了基于波形相关系数的时域距离元件,可以不受逆变站非线性输出特性的影响,并针对时域距离元件存在的出口近区故障方向判别问题,利用电流畸变程度判断故障方向;最后,通过仿真验证了时域距离保护方案的有效性。

基于SF-Transformer的智能教育平台短期电力负荷预测研究

建设智能教育平台是推动教育智能化的一个重要过程,但智能教育平台依赖的人工智能模型在训练过程中会消耗大量电力,因此,开展短期电力负荷预测对建设智能教育平台具有重要意义.针对在考虑多个属性开展短期电力负荷预测时,由于部分属性与电力负荷数据的相关性不强并且Transformer无法捕捉电力负荷数据的时间相关性,而导致电力负荷预测不够准确的问题,基于SR(Székely and Rizzo)距离相关系数、融合时间定位编码和Transformer,提出了一种短期电力负荷预测模型SF-Transformer.SF-Transformer通过SR距离相关系数对影响电力负荷数据的属性进行筛选,选择与电力负荷数据之间SR距离相关系数较大的属性.SF-Transformer采用一种全局时间编码与局部位置编码相结合的融合时间定位编码,有助于模型全面获取电力负荷数据的时间定位信息.在数据集上开展了实验,实验结果表明SF-Transformer与其他模型相比,在两种时长上进行电力负荷预测具有更低的均方根误差和平均绝对误差.

辣椒早疫病潜育期的光谱特性判别方法

辣椒早疫病是影响辣椒安全生长的常见生物灾害,具有突发性和易感性等特点,容易引发大的经济损失。在辣椒生长过程中,针对病害潜育期侵染情况进行科学监测预警是保证作物健康生长的重要前提。利用400~1000 nm波段的高光谱图像结合光谱相似性测度方法建立作物病害潜育期的光谱特性判别方法。针对接种早疫病病菌的辣椒叶片和健康叶片,用高光谱成像仪连续动态监测其不同感染期的高光谱图像。对试验采集的一系列高光谱图像提取感兴趣区的平均光谱,通过卷积平滑、多元散射校正以及最大最小归一化方法(SG-MSC-MMN)预处理,进而提出以光谱角余弦-相关系数和切比雪夫距离两种测度作为早疫病潜育期的光谱特性评价参数。最后利用主成分分析(PCA)验证潜育期的光谱特性判别方法效果,实现样本潜育期的可视化分布。试验结果显示:利用光谱角余弦-相关系数与切比雪夫距离作为辣椒早疫病潜育期的光谱特性评价参数并分别建立相应的判别方法是可行的,且根据这两种判别方法得到的辣椒早疫病潜育期最早可识别时间均为接种后24 h。根据PCA绘制得到接种24 h时的健康-接种样本空间分布情况,分别验证所提出的两种基于光谱特性的潜育期最早可识别时间判别方法。建立的辣椒早疫病潜育期最早可识别时间判别方法可推广应用于其他作物病害潜育期的监测识别,为作物病害潜育期的科学防治提供理论参考与方法借鉴。

基于GA-BP神经网络模型的抗乳腺癌候选药物活性预测

抗乳腺癌候选药物筛选对治疗乳腺癌意义重大.乳腺癌的抗激素治疗常用于ERα表达的乳腺癌患者,抗ERα活性值越高代表该药物对治疗乳腺癌越有效.因此,精准预测化合物的抗ERα活性值至关重要.本文首先对化合物的729个分子描述符特征使用梯度提升模型XGBoost和距离相关系数矩阵进行筛选,然后基于筛选的20个分子描述符及其活性值数据,引入遗传算法,建立GA-BP神经网络模型.该模型的均方误差MSE=0.105,拟合优度R2=0.946,是一个基于数据挖掘技术的筛选潜在药物的高精度模型.

应用特征选择和机器学习方法建立兴安落叶松单木树龄预测模型

林木树龄是制约天然林生长、更新和演替的重要因素,但天然林中单木树龄分异明显且实测困难。为了探讨不同特征选择方法和机器学习算法的组合对单木树龄模型预测精度的影响,以大兴安岭地区兴安落叶松天然林为研究对象,以44块固定样地的280株单木树龄实测数据为基础,采用皮尔森(Pearson)相关系数(PEA)和距离相关系数(DCC)特征选择方法,对单木、林分、竞争、地形和气候因素的38个因子进行筛选,并采用随机森林(RF)、支持向量回归(SVR)和k-近邻(k-NN)算法建立兴安落叶松天然林单木树龄预测模型,分析制约单木树龄预测模型精度的关键因素。结果表明:(1)当决策树为1500、节点数量为4时,DCC-RF模型预测精度最高(确定系数(R^(2))为0.5550,均方根误差(R_(MSE))为10.1669 a,平均绝对误差(M_(AE))为8.4039 a);(2)相较于DCC-SVR和PEA-k-NN模型,DCC-RF模型的R^(2)分别提高了0.0030和0.1521,均方根误差分别降低了0.2568和2.0742 a,平均绝对误差分别降低了0.0148和1.3750 a;(3)影响树龄预测最重要的指标是胸径(重要值为43.85%),其次为树高(重要值为19.14%)和生长积温(重要值为13.41%)等。表明应用距离相关系数和随机森林算法,构建兴安落叶松天然林的单木树龄预测模型具有较好的适应性。

用户用电负荷变化的异常检测与识别

在智能电网时代,大部分用电异常行为都会伴随用电负荷的变化,研究用户用电行为对于电力系统的运行和管理都至关重要。为此,提出一种直接利用负荷数据进行计算,通过计算特征用电负荷曲线与日用电负荷曲线之间的相关度来判断用户是否存在异常用电行为的方法。在相关度计算过程中,将欧氏距离与皮尔逊相关系数相结合,以更准确地判断用户的用电负荷是否发生重大变化。此外,为提高判断的准确性和灵活性,采用自适应阈值策略对500组数据进行实验研究。相关度计算的结果表明,其中122组被判断为负荷变化过大,99组数据存在负荷异常事件,该方法的判断准确率达到了81.1%。

一种基于加权欧氏距离聚类方法的研究

聚类分析中最常用的距离度量方法是欧氏距离。针对传统的基于欧氏距离计算相似度的不足,提出了一种在领域知识未知的情况下基于加权欧氏距离的计算方法,并对此进行了分析与研究。实验证明,该方法不仅在一定程度上克服了欧氏距离的缺陷,而且能够提高聚类质量,优化聚类性能。

基于高维数据的加权朴素贝叶斯算法研究

针对具有复杂结构的高维数据分类问题,文章提出一种基于特征选择和约简的加权朴素贝叶斯算法(WNBC-FSR)。该算法基于距离相关和最大信息系数的方法,从相关性和冗余性两个角度对高维数据进行特征筛选;采用属性和类别变量间的最大信息系数对属性进行加权,构建并训练加权朴素贝叶斯算法。实验结果表明:在几种算法的比较中,无论是从AUC还是F1值来看,WNBC-FSR算法的分类效果均是最优的。

图像相似性度量方法的研究

在Vizilter图像比较方法研究工作的基础上,针对比较图像由于获取条件不同所产生的信息不确定性问题,通过引入图像的标准比较空间,对图像相似性度量问题进行了研究.提出了基于距离测度、相关系数及复合投影的图像相似性度量方法.基于图像标准比较空间的相似性度量工作不仅对Vizilter的研究成果进行了推广,同时也给出了一些新的研究思路和方法.

大距离系数红外测温仪的关键技术研究

针对大距离系数红外测温仪测温距离远和噪声干扰大的特点,提出一种微弱信号数字相敏检测方法.根据相关检测原理,设计了由模拟开关和低通滤波器组成的模拟相敏检波电路,并对此电路的噪声抑制特性进行了分析.基于反相采样累加相关原理,提出了数字相敏检波方法,并对数字相敏检波方法的频率特性进行了分析.实验结果表明,模拟相敏检波电路具有良好的噪声抑制能力;该数字方法能抑制谐波,消除前置处理中引起的直流.与模拟检波方法相比,该数字方法在检测精度和处理速度上也有较大提高.

烟用香精UPLC指纹图谱的夹角余弦、相关系数与欧氏距离评价

以Acquity UPLC TMBEHC C18柱作色谱柱,硝基苯为内标,乙腈-0.1%甲酸水溶液为流动相,检测波长254nm,采用超高效液相色谱(UPLC)法测定了10种烟用香精6批次样品、稀释品和掺兑品,而后采用相对保留值和相对峰面积法对所有成分的保留时间和色谱峰进行处理,建立了烟用香精UPLC指纹图谱,再用夹角余弦、相关系数与欧氏距离法对UPLC指纹图谱进行处理,并通过比较各批次香精样品的夹角余弦、相关系数与欧氏距离接近程度评价这些香精质量的稳定性。结果表明:夹角余弦、相关系数和欧氏距离都能够在一定程度上反映出烟用香精的质量变化,而夹角余弦和相关系数的差异不大,且比较相似,但在小量浓度变化上表现不明显,而欧氏距离则能反映香精浓度和种类的变化。

适于FPGA实现的相关干涉仪测向算法研究

相关干涉仪测向算法的应用广泛,使用FPGA能够解决其应用DSP很难实现宽带信号的实时测向问题。介绍一种适于FPGA实现的相关干涉仪测向算法——最小间距法。与使用相位差值进行相关处理的传统相关干涉仪不同,最小间距法不需要求解来向信号的相位差,并且该算法摒弃了传统算法中求解相关系数的设计思路,引入求取空间点最小距离的方法来获取信号来向,降低了算法复杂度,减少了FPGA内部逻辑资源的使用。