期权定价的新型三叉树方法

讨论了普通二叉树模型定价公式的缺陷,在新型二叉树定价模型的基础上利用原点矩和中心矩的关系得出新型三叉树定价模型公式,并且证明该三叉树模型下期权价格满足的方程是B-S方程在Δt上的一阶近似.     

基于RS-Bag分类器集成技术的上市公司财务危机预测

财务危机预测是金融管理决策中的重要问题,其实质是对未来财务状况的预报和分类。鉴于目前单一分类器预测性能不稳定,本文运用分类器集成技术,以BP神经网络为分类学习算法,建立基于RS-Bag算法的神经网络分类器集成模型。然后,以我国上市公司财务数据为例进行财务危机预测实证研究,结果表明,基于RS-Bag算法的神经网络分类器集成预测精度和泛化性能优于单一神经网络分类器,也优于Bagging分类器集成和RS分类器集成。     

二叉树上分枝马氏链的强大数定理

首先给出了在可列状态空间取值的二叉树上分枝马氏链定义的离散形式,然后建立了二叉树上分枝马氏链的若干强极限定理,最后研究了二叉树上有限状态分枝马氏链的强大数定理．     

2012年“深圳杯”数学建模夏令营B题评述

2012年“深圳杯”数学建模夏令营的B题取材于一个通信产业中需要解决的实际问题。此问题的主要难度是针对海量数据的有效处理和分类器的选择与实现。本文在此对竞赛当中出现的几种主要思想加以评述,并着重讨论了一些方案的优势与弊端。     

基于B-K二叉树利率模型的巨灾债券定价研究

针对一种巨灾保险风险证券化产品-巨灾债券的定价问题,首次考虑了我国短期利率的期限结构,并在此基础上提出了Black-Karasinski利率二叉树建立方法(B-K模型),以此确定了中国短期无风险利率,最后通过Louberge巨灾债券理论定价方法试着对我国假想台风损失巨灾债券进行了具体定价,为我国进行巨灾保险风险证券化定价方面提供了一种新的尝试.     

随机映射图的局部图

讨论了当n趋向无穷大时,n个顶点的随机映射图的k-局部图收敛于随机生长过程时刻k的二叉图,这儿,k-局部图足随机映射图前k个顶点{1,2,…,k}所生成的最小图.在这种意义下,称随机映射图为渐近二叉的.     

实物期权在新药开发中的应用

实物期权作为一种新兴的投资评估工具，以能够解决传统分析方法中所无法克服的高度不确定性和管理灵活性而被广泛的应用。本文详细介绍了实物期权二叉树定价模型在一新药开发的定价分析中的应用，进而得出实物期权定价分析方法在具有初始投资额大、投资期限长、不确定性大等特点的新产品开发过程中的实际应用价值。     

Representation of classifier distributions in terms of hypergeometric functions

This paper derives alternative analytical expressions for classifier product distributions in terms of Gauss hypergeometric function, 2F1, by considering feed distribution defined in terms of Gates-Gaudin-Schumann function and efficiency curve defined in terms of a logistic function. It is shown that classifier distributions under dispersed conditions of classification pivot at a common size and the distributions are difference similar. The paper also addresses an inverse problem of classifier distributions wherein the feed distribution and efficiency curve are identified from the measured product distributions without needing to know the solid flow split of particles to any of the product streams.     

认证码字符识别方法的研究

从加强网站安全性的角度,研究认证码字符识别的技术要点.首先,提出预处理算法去除图像中的干扰因素,分割出字符;其次,采用分类器技术对预处理后得到的字符进行识别.实验指出有效的预处理算法和选择合适分类器对于快速准确识别认证码起着至关重要的作用,证实了目前一些认证码在保障网站安全性的同时,尚存在一些漏洞,需要继续完善.     

基于相关向量机的惯性约束聚变实验靶识别技术研究

针对支持向量机(Support Vector Machine,SVM)在惯件约束聚变(Inertial Confinement Fusion,ICF)实验靶识别中稀疏性不够高而导致决策速度慢的问题,提出利用相关向量机(Relevance Vector Machine,RVM)进行ICF实验靶识别.设计了基于二叉树的RVM多类分类器,在二叉树的构建过程中同时考虑了类距离与类分布范围两种凶素的影响,获得了更为合理的二叉树层次结构.实验证明,RVM与SVM相比识别率不相上下,但由于有更好的稀疏性使RVM的决策时间远比SVM短.该算法与传统的多类分类方法‘一对一'、‘一对多'、‘有向无环图'及‘基于类距离二叉树'相比,混合识别率更高.