广义MDH理论在中国股市量价关系上的应用研究

首次引入广义混合分布假说(MDH)理论,并利用中国股票市场数据检验其是否能够解释日收益波动与交易量的动态关系。结论显示:对数交易量的非预期成分是日信息流很好的工具变量;日收益波动序列可以分解为预期成分和非预期成分,非预期成分是由日信息流对市场的冲击产生的,预期成分主要由滞后的收益冲击所趋动;日收益波动包含传统GARCH模型不能反应的很大随机成分。

基于CT图像的粗集料颗粒接触特性细观尺度研究

采用工业CT获取沥青混合料断面扫描图像,利用数字图像处理方法将粗集料从图像中分离,并解决了颗粒粘连问题,使粗集料颗粒成为单独个体.确立了粗集料颗粒之间接触的判定准则,并设计5像素×5像素大小的窗格沿颗粒边缘进行接触搜索.对640张断面图像遍历处理后获得的数据进行定性分析,尝试建立了接触度指标C.采用4种概率密度分布函数对C数据进行拟合,并通过Kolmogorov-Smirnov及Chi-square 2种方法复合检验,最终选定了对数正态分布来描述沥青混合料内部粗集料颗粒接触特性.

去异方差交易量与价格波动关系研究

在去除交易量时间趋势与自回归的基础上,大量的实证检验发现即期交易量与价格波动之间存在正相关关系.然而交易量序列同时还存在异方差现象.用同时去除时间趋势、自相关与异方差的交易量作为信息流的代表,来研究价格波动与交易之间的关系,结果发现,新的交易量序列能更好地解释收益率的异方差特征,而且市场成熟度不同的国家,交易量序列的这种解释能力也不同.

交易量对价格波动解释能力的国际比较研究

根据混合分布假说,交易量能够很好地解释价格波动性。通过以不同国家的股票市场综合指数为样本的实证研究发现,不同的市场上,交易量对价格波动性的解释能力不同,市场化成熟度越高的国家,交易量对价格波动的解释能力越强。

混合分布理论研究

结合中国股票市场数据研究了混合分布假设,并给出了有流动性交易者的正态分布型混合分布模型.在模型推导的基础上,实证研究结果表明该模型是成立的,说明交易量在金融研究中有着重要作用.

基于混合粒子PHD滤波的多目标视频跟踪

针对可变数目多目标视频跟踪,粒子滤波不能持续维持目标的多模态分布问题,本文提出一种混合粒子概率假设密度(PHD)滤波的多目标视频跟踪算法.该算法首先用K-means算法对粒子进行空间分布聚类,给各粒子群附加身份标签,使各粒子群分别对应混合粒子滤波的各分量,采用相互独立的各分量粒子滤波跟踪各目标,这样提高了目标状态估计的准确性,也能有效维持各目标的多模态分布.实验结果表明,该算法能有效处理新目标出现、合并、分离等多目标跟踪问题.

面向多目标视频跟踪的出生强度估计方法

针对多目标视频跟踪中的新生目标出生强度估计问题,提出一种有效的基于熵分布和覆盖率的方法.该方法利用前一时刻所获目标状态及测量值对出生强度进行初始化,再利用当前时刻所获测量值对出生强度进行更新.在更新阶段,首先选取仅依赖于权值的负指数熵分布作为出生强度的先验分布,滤除出生强度中与当前时刻测量值无关的噪声分量;然后通过计算出生强度与相应测量值间的覆盖率对出生强度权值进行再次更新,进一步滤除权值小于给定阈值的噪声分量.实验结果表明,文中方法有效地降低了噪声分量的影响,提高了多目标视频跟踪的准确率.

股票收益率波动的异方差:基于交易量及异质信息分解的检验

本文在对沪市股票日收益率进行GARCH效应检验的基础上,首先以交易量作为市场上随机信息流的代理变量对GARCH模型加以修正,并由此考察收益率波动的异方差特性;然后再按照异质信息流对交易量进行分解,以此考察收益率波动的对称性。结果发现,在引入交易量之后,原本显著的GARCH效应趋于消失,且正信息对收益率波动的影响显著小于负信息的情况。此外,股票上市时间愈长,则交易量代理其信息流愈稳健,且异质信息下的不对称性也愈显著。

基于混合分布假说的股市价量关系研究

从市场微观结构理论出发,引入混合分布假说(MixtureDistributionHypothesis)考察了中国股票市场波动性与交易量之间的关系。将不同性质的交易量作为信息流加入GARCH M的方差方程中,比较好地解释了中国股市的价量相关关系。阐述了把交易量加入GARCH M方差方程降低了我国股市波动性的ARCH效应,说明交易量对中国股市的波动性的持续性也具有一定的解释能力。

概率假设密度高斯混合实现的分量删减

针对概率假设密度(Probability hypothesis density,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布,利用拉格朗日乘子推导了混合权重的更新公式.算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡.该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题,有利于后续多目标状态的提取.仿真结果表明,基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法.

中国股市波动性与交易量的关系:基于混合分布假说的实证研究

在混合分布假说(MDH)框架下,应用EGARCH-Volume(附加交易量的指数GARCH)模型,分阶段考察了收益率波性与交易量的关系。与以往研究结论不同,对沪深股市分阶段的实证结果表明:在股市发展的过渡、调整阶段(1993-1996),同期交易量作为信息到达的代理变量,明显降低了沪深两市收益率中时变波动的持续性特征,而在规范、发展阶段(1997～2001)沪深两市的交易量基本不能解释收益率波动的持续性特征,收益率波的持续性受其他因素的影响。混合发布假说对股市持续性解释力呈现阶段性差异,说明信息对收益率波动的影响机制随着股市的发展而变化。

股市日收益率波动性与交易量关系

首先引入基于混合分布假设(MDH)的GARCH-M(广义自回归条件异方差)模型,因为GARCH-M模型是一个研究资产收益率和风险性关系的模型,将非信息交易量和信息交易量加入GARCH-M模型的均值方程中,研究了中国股票市场日收益率波动性与交易量之间的关系。信息交易量对波动性的解释能力要远大于非信息交易量;信息交易量中超过均值部分对波动性的解释能力大于整个信息交易量等。

信息不对称下成交量与波动率关系建模与统计推断

本文首次提出信息不对称背景下成交量和波动率关系的日度完备模型。新模型假设当日成交量和已实现测度为次日隐信息流带来新信息,而隐信息流驱动知情交易者交易。基于此模型,本文给出时间序列平稳遍历性成立的充分条件,并且运用高斯拟极大似然法,建立模型参数估计的渐近理论,模拟研究验证了渐近理论的正确性。本文将新模型应用于中国沪深A股市场、美国纽交所和纳斯达克市场的大型公司。基于全样本的模型拟合结果发现:成交量的放大将导致次日条件波动率增大,而条件波动率的增大伴随着成交量的放大,同时,大部分个股中存在信息交易;在存续时间长、市值靠前且交易活跃的中国个股中,相较于基准波动率模型——已实现GARCH模型,新模型大多具有更好的样本内拟合能力;而在市值靠前且交易活跃的美股中,新模型的表现并不优于已实现GARCH模型。在滚动窗口的波动率预测上,较其他被广泛使用的已有模型,新模型在本文研究的中国个股中普遍具有更好的表现;而在本文研究的美股中,已实现GARCH模型表现较好。这反映了新模型更加适用于存续时间长、市值靠前且交易活跃的中国股票市场数据。

车载分布式MIMO雷达原理与实测数据分析

文中分析了分布式构型多输入多输出(MIMO)雷达及其处理框架,并针对车载应用场景,结合超分辨测角算法给出了一套基于分布式MIMO雷达的成像、测速、跟踪处理流程。在此处理流程的基础上,文中创新性地提出了基于高斯混合概率假设密度(GM-PHD)跟踪算法的距离-角度-速度关联方案,并对GM-PHD算法进行了改进,增加了标签配对功能,同时实现了多维信息的快速关联和目标的航迹跟踪。最后,利用实测数据验证了相关算法的有效性和实用性,与单一雷达成像及跟踪结果对比并进行了详细分析,验证了分布式MIMO雷达具有更优的目标检测性能及目标跟踪效果。

中国股市信息流、波动性与交易量关系

基于混合分布假定(MDH),研究了中国股票市场信息流、回报的波动性和交易量之间动态关系。结果表明,基于回报序列与基于交易量序列推断出的信息流过程并不是一致的,反映了我国股票市场的回报波动性与交易量对信息流过程的反应并不是一个协调的过程。鉴于价格波动与交易量之间的关系反映了信息披露、信息传递、市场对信息的评估与消化机制的特性,这种非协调性也可能根源与信息作用机制的非均衡性。

中国证券市场类做市商交易行为特征分析

研究了中国证券市场一类特殊短期投资者的交易行为,推导了其对资产价格与交易量的影响,因其交易动机与高频交易做市商类似而将其定义为类做市商。基于上述理论框架构建了判别类做市商存在性的模型,并对中国证券市场中该类做市商的存在性及其交易对资产价格行为的影响进行了实证分析。研究结果表明,我国类做市商近年来存在性的显著比例成递增趋势,且该趋势主要与机构投资者交易行为的变化相关,类做市商能提供流动性、增大波动风险,而对资产价格发现的促进作用不明显。

基于熵分布的概率假设密度滤波器高斯混合实现

针对概率假设密度滤波器,提出一种基于熵分布的高斯混合实现算法.在该算法中,作为混合参数先验分布的熵分布,主要用在极大后验迭代过程中删减无关混合分量,该删减操作可通过混合权重调整来实现.此外,该算法还能够解决多个具有类似参数的混合分量共同描述一个强度峰值的问题.仿真结果表明,所提出算法优于典型的阈值删减算法.

随机波动模型的扩展:理论与中国股市的实证

传统随机波动模型(SV模型)仅从宏观基本面角度揭示了潜在波动的随机性。本文基于修正混合分布假设模型(即MMDH模型),将单因素SV模型拓展为两因素随机波动模型,并赋予每个波动因素新的经济意义解释。通过对中国股市高频数据和日数据进行了校准分析,所得校准结果与理论假设保持一致,并发现股价波动与信息到达过程和流动性风险均成正相关。最后,本文使用有效矩估计方法(EMM)比较了两因素SV模型和传统SV模型,其模型拟合统计量显示前者绝对优于后者;其得分t比率表明宏观因素控制波动的持久性,而市场微结构的流动性因素主要决定波动的厚尾性。