关于贸易周期的多维预警——多维指数构建及多维分析方法的应用

基于先行指标体系研究贸易周期,对于探测周期的拐点有重要的作用,进一步对出口、进口周期之间的关系以及出口、进口与经济周期之间的关系进行研究,将可以探测系统的拐点.然而,目前传统的景气分析方法只能针对一个经济周期进行分析,不能同时考虑多个周期的联动关系.而多维周期分析方法能够同时分析多个周期之间的动态关系及其演变过程,从而全面地反应经济周期的运行规律.本文首先对多维周期的分析方法进行了理论上的介绍;其次,运用FHLR方法构建了我国贸易周期的多维一致指数;然后,运用多维方法对贸易周期及其与重要经济变量的关系进行了多维分析,得出了一些重要结论.     

基于景气指数的我国工业经济周期性波动特征及本轮波动特点研究

通过多方面收集与我国工业部门经济运行相关的月度经济指标,利用时差相关分析等方法从中筛选出我国工业经济运行的先行、一致和滞后指标,并利用国际上先进的合成指数方法构建了我国工业部门的景气指数,根据其波动态势具体分析了我国工业经济的周期性波动特征,并结合主要经济指标的变动对我国工业部门的本轮景气波动特点进行了具体分析。结果表明2000年以来我国工业经济共经历了三次完整地景气循环,现正处于第四次循环的下降期。其中第一轮循环属于典型的长扩张型周期,并且呈现明显的非对称性周期特征,第二轮循环属于典型的震荡型周期,且收缩幅度和扩张幅度明显缩小,受金融危机影响第三轮景气循环的谷底较深,但随后我国工业景气呈现强劲上升态势,目前工业景气指数处于下降期.     

地区金融发展影响中国企业出口波动的实证研究

稳外贸是中国“六稳”工作的重要内容.从中国地区金融发展水平差异和企业出口波动相关性的角度出发,利用2000-2013年样本数据（暂不包括港澳台地区,全文同）,从金融发展规模、金融发展结构和金融发展效率三个方面研究了地区金融发展对中国企业出口波动的影响.回归结果表明,地区金融发展规模、金融发展结构和金融发展效率对降低企业出口波动均具有显著的积极作用,而且地区金融发展规模带来的效应最大;地区金融发展对企业出口波动的影响在企业所有制类型、企业所属区域、企业所属行业等方面具有异质性.基于研究结果,提出了进一步加快地区金融服务创新、促进外贸出口稳定增长的政策建议.     

组合预测模型在税收收入预测中的应用

准确预测税收收入,对于有效地进行市场经济条件下的宏观调控有着重要的意义.为了充分利用各单项预测的信息以提高预测精度,在现有研究的基础上,首先选取指数平滑法、偏最小二乘方法和灰色预测方法对税收收入数据进行定量分析;然后基于误差平方和最小构建了税收收入组合预测模型;最后的算例预测结果表明,构建的税收收入组合预测模型具有较优的预测效果.     

侦测股市时间序列相关性的三种方法

运用方差方法.重标极差方法(R/S)和消除趋势波动分析方法(DFA)对美国股市标准普尔500指数的收盘价进行分析.结果表明:此股票市场指数具有状态持续性特征及自相似特征.同时兼具混沌等非线性特征.通过这三种方法对同一股市进行分析更能全方位的诠释相关性在股票市场理论应用的必要性及可行性,并且对股票市场理论建模.预测和管控策略的制定及实施具有重要意义.     

上证综指分形特征研究

本文阐述了分形市场理论的基本思想和主要特征,运用重标极差(R/S)方法论对上证综指时间序列进行分形诊断,得出如下结论:①我国证券市场存在非周期循环,上证综指四种非周期循环的平均长度分别为858天、353天、246天和65天。②上证综指长周期Hurst指数值为0.561,市场具有“记忆”功能,信息对市场的影响具有持续性。③和西方市场相比,上证综指Hurst指数值较低,从而说明我国证券市场效率相对较低。     

基于三层粒结构的三支邻域熵

邻域粗糙集在实际应用中具有灵活性,相关的邻域信息度量在不确定性分析和知识发现中具有重要作用.经典的条件邻域熵具有相交不完备性和非层次性.对条件邻域熵进行扩展改进,建立了基于三层粒结构的三支邻域熵.首先,提出三支概率,研究三支概率的系统性和单调性;然后,利用三支概率函数及层次构建思想,提出基于三层粒结构的三支邻域熵,并获得系统性、单调性/非单调性;最后,利用实例和实验对以上相关度量的关系、性质进行验证.结果表明提出的三支邻域熵扩展和丰富了条件邻域熵.     

指标体系的构建原理与评价方法研究

针对目前指标体系在构建和评价方面缺乏统一理论与方法这一现状,在不考虑具体评价问题的基础上,对一般意义上的指标体系进行了构建原理与评价方法研究.从时间维、方法维和逻辑维三方面对构建方法进行了阐述;建立了指标体系的数学模型,并提出了基于正交实验设计的指标权重计算方法;以合理指标体系的基本要素为依据,定量地分析了体系的完备性和指标间的相关性.     

我国行业碳生产率度量及演化动态

提高碳生产率对保持碳的稳定和经济持续增长具有重要意义.基于投入产出模型对中国2002-2012年26个行业的碳生产率进行测算,并通过构建Tapio脱钩指标对其进行动态分析.结果显示我国碳生产率总体在波动中上升,存在阶段性特征,行业差异明显,且第二产业总体水平偏低;行业脱钩指数总体呈现出弱脱钩—增长连结交替出现的发展特征.     

大数据挖掘用于电力企业评价体系构建

随着大数据时代的来临,电力企业需要探索新的管理模式.从数据出发,对大量历史监测指标数据进行统计分析,从中筛选出影响企业发展的关键指标,提取关键指标的历史特征.采用层次聚类和Kmeans聚类两种聚类方法对关键指标进行聚类分析,并且结合管理经验,与专家讨论对指标类簇进行合理的命名,最终将关键指标分为了服务电网、运营指数、风险指数三个能够反映公司管理程度的一级指数,并且在一级指数下又分为了若干个子指数,建立了适合新源控股公司管理发展的评价体系.与传统的公司评价体系构建的方法相比,基于大数据挖掘方法构建的评价体系更能够体现出各个指标之间的内在联系,从而能够更好的为决策者提供管理建议.     

基于可拓学理论的高维大数据相似性研究

高维大数据的相似性计算是数据挖掘领域的研究重点,论文通过分析高维大数据相似性计算的难点,提出采用可拓学的方法解决其中矛盾问题的研究思路。在基元表示高维大数据的基础上,借助数据转换、数据筛选、权重的确定、数据预处理等技术实现了数据之间的相似性计算,并基于水污染常规分析数据进行了算法验证。论文借助可拓的思想研究大数据相似性的问题,不仅对数据挖掘的研究有一定的理论促进,同时也为可拓学的研究提供了新的应用空间。     

CONVERGENCE OF THE WEIGHTED NONLOCAL LAPLACIAN ON RANDOM POINT CLOUD

We analyze the convergence of the weighted nonlocal Laplacian (WNLL) on the high dimensional randomly distributed point cloud.Our analysis reveals the importance of the scaling weight,μ ～ |P|/|S| with |P| and |S| being the number of entire and labeled data,respectively,in WNLL.The established result gives a theoretical foundation of the WNLL for high dimensional data interpolation.     

Minimal representation-infinite coil algebras

For a basic and connected finite dimensional algebra A over an algebraically closed field, we study when the cycles in the category mod A (of finite dimensional modules) are well-behaved. We call A cycle-finite if, for any cycle in mod A, no morphism on the cycle lies in the infinite power of the radical. We show that, in this case, A is tame. We also introduce a natural generalisation of a tube, called a coil, and define A to be a coil algebra if any cycle in mod A lies in a standard coil. We prove that the minimal representation-infinite coil algebras coincide with the tame concealed algebras.     

An efficient random forests algorithm for high dimensional data classification

In this paper, we propose a new random forest (RF) algorithm to deal with high dimensional data for classification using subspace feature sampling method and feature value searching. The new subspace sampling method maintains the diversity and randomness of the forest and enables one to generate trees with a lower prediction error. A greedy technique is used to handle cardinal categorical features for efficient node splitting when building decision trees in the forest. This allows trees to handle very high cardinality meanwhile reducing computational time in building the RF model. Extensive experiments on high dimensional real data sets including standard machine learning data sets and image data sets have been conducted. The results demonstrated that the proposed approach for learning RFs significantly reduced prediction errors and outperformed most existing RFs when dealing with high-dimensional data.     

出口企业的金融化与产品质量:挤出抑或蓄水池

我国作为出口大国,出口产品数量极大却普遍质量偏低。同时,大量出口企业不断突破主业企图通过金融投资获利。为探究出口企业金融化与产品质量之间的影响模式,本文使用2000~2009年海关数据库、国泰安数据库以及我国工业企业数据库进行匹配所得的大量微观数据,运用非参数分位数面板实证分析发现:(1)出口企业金融化对产品质量呈现出非线性影响,且在中高分位点处存在最优金融化水平(分别为0.4857与0.4361),使产品质量达到最大化;(2)出口企业金融化对产品质量呈现出异质影响,在高分位点处,过度金融化更多表现为倒U形挤出特征,而在中低分位点处更多表现为蓄水池效应;(3)非国有企业、高技术企业的出口产品质量对企业金融化程度的变化更为敏感。     

Tubes in dynamical systems

Important concepts concerning tubes in dynamical systems are defined in details. In the cases of a homoclinic tube and a heteroclinically tubular cycle in autonomous systems, existence of tubular chaos is established. The main goal of this article is to stress the importance of tubes in high dimensional dynamical systems.     

Variable selection in censored quantile regression with high dimensional data

We propose a two-step variable selection procedure for censored quantile regression with high dimensional predictors. To account for censoring data in high dimensional case, we employ effective dimension reduction and the ideas of informative subset idea. Under some regularity conditions, we show that our procedure enjoys the model selection consistency. Simulation study and real data analysis are conducted to evaluate the finite sample performance of the proposed approach.     

Robust classification for skewed data

In this paper we propose a robust classification rule for skewed unimodal distributions. For low dimensional data, the classifier is based on minimizing the adjusted outlyingness to each group. In the case of high dimensional data, the robustified SIMCA method is adjusted for skewness. The robustness of the methods is investigated through different simulations and by applying it to some datasets.     

Diffusion maps for changing data

Graph Laplacians and related nonlinear mappings into low dimensional spaces have been shown to be powerful tools for organizing high dimensional data. Here we consider a data set X in which the graph associated with it changes depending on some set of parameters. We analyze this type of data in terms of the diffusion distance and the corresponding diffusion map. As the data changes over the parameter space, the low dimensional embedding changes as well. We give a way to go between these embeddings, and furthermore, map them all into a common space, allowing one to track the evolution of X in its intrinsic geometry. A global diffusion distance is also defined, which gives a measure of the global behavior of the data over the parameter space. Approximation theorems in terms of randomly sampled data are presented, as are potential applications.