结合VEC和信心水平分析Black-Litterman投资组合模型

在理论上通过推导得出了Black-Litterman模型(B-L模型)最优权重与信心水平的关系式.实证部分开创性地将多元时间序列VEC模型运用到B-L模型的观点收益预测中.结果表明:且通过向量误差修正模型,实证取得了较好的效果.在任意一种做空限制下,随着信心水平在0%~70%水平上升,收益率有连续上升的趋势,并逐渐趋稳;风险有并不明显的下降的趋势.对同一信心水平而言,随做空限制的放宽,收益率有上升趋势.     

变系数拟自回归模型下的测量误差分析

本文对雷达测量误差影响较大的因素进行了分析研究,并将其和雷达测量数据一起建立了变系数拟自回归的统计模型以实现对雷达测量值的纠偏,利用剖面最小二乘法估计模型参数,在一定条件下证明了模型的大样本性质,并结合残差的峰度和偏度构建了区间估计。实际数据的拟合和预测结果显示,我们提出的纠偏方法可将误差减少90%。     

混合总体基尼系数的下限——兼论我国城乡合在一起时基尼系数的计算

本文研究基尼系数的估计问题.国家统计局每年发布的统计年鉴包含城镇和农村个人收入的分组数据,但分点不相同并且未公布.这些情况对于估计整个社会的基尼系数带来挑战.本文对于两个总体按照一定比例混合后的新总体,针对来自原来两个总体的分组数据,给出了新总体的基尼系数的下限.并将所得的结果用于计算我国城乡合在一起时基尼系数的下限值.这些结果容易推广到更多总体混合情形,也可以应用到其它实际情况的基尼系数的估计,比如国家或地区的联合体.     

一类具有非局部扩散的时滞Lotka-Volterra竞争模型的行波解

本文研究一类具有非局部扩散的时滞Lotka-Volterra竞争模型{(δ)/(δ)t u1(x,t)=d1 [(J1*u1)(x,t)-u1(x,t)]+r1u1(x,t)[1 - a1u1(x,t)- b1u1(x,t-Τ1)-c1u2(x,t-Τ2)],(δ)/(δ)tu2(x,t)=d2[(J2*u2)(x,t)-u2(x,t)]+r2u2(x,t)[1 - a2u2(x,t)- b2u2(x,t -Τ3)-c2u1(x,t-Τ4)]行波解的存在性问题.通过利用交叉迭代技巧,我们可以把行波解的存在性转化为寻找一对适当的上下解,这篇文章中的结果推广了已有的一些结果.     

M-群的正规子群

构造了一类新的可解群,使得其中的每个成员均不能同构于M-群的正规子群,推广了R.W.van der Waall关于M-群的一个类似结果.     

某一类控制系统中发生的指数偏差现象

我们考虑在某类控制系统中,以Lyapunov指数作为观测量,远离给定遍历测度的那些周期测度.对于这类周期测度的数量关于周期的指数增长率,我们将用测度熵在某个集合上的上界给出它的一个上限控制.     

基于近似熵的随机数检验方法的设计与实现

把近似熵用于密码技术中,设计一种实用的随机数检验方法.该方法可以检测随机序列发生器产生序列的随机性,也可以用于检验密码算法的安全性.通过实验,发现该方法能更全面检验序列的随机特性.     

一类自回避型随机游动的漂移速度

考虑一种直线上的随机游动模型:边的权重根据随机游动者的经过次数而相应递减.我们考察这个过程中随机游动者的漂移速度,讨论了随机游动者的位置与步数的关系.利用计算机模拟得到数据进行拟合,定量地确定出变量之间的关系.在某种条件下,随机游动者的位置的对数与步数的对数之比是一定的,不会随着边的权值递减的快慢不同而发生改变.这一点是值得进一步考虑的.     

中国福利彩票销售额影响因素分析与基于残差主成分分析的预测

本文应用多元回归分析的方法讨论了中国各省份福利彩票销售额与国民经济、就业人员和职工工资、财政、固定资产投资、人民生活这五个大类中的22个预测变量之间的相关关系,找出了对彩票销售额有显著性影响的变量,此外我们发现,不同年份的数据所得到的残差存在强相关性,本文利用主成分分析的观点提取出了不同年份残差中的公共信息,最后得出彩票销售额的预测方程,利用上述方程对2007年各省份的彩票销售额进行预测,并与真实的销售额数据进行对比,获得了较小的平均相对预报误差.这说明本文所建立的模型确实可以对中国的福利彩票销售额进行有效的预测.     

sum from n=1 to +∞(1/n~(2m))的初等解法

本文用初等的方法研究sum from n=1 to(1/n~(2m))(m∈N)的求和问题。这个问题最先由Euler[8]解决。文献[1][6]给出了另两种求解方法。特别地,对于m=1的情形,即sum from n=1 to ∞(1/n~2)=((π~2)/6),已有许多不同的证明方法,可见文献[2][3][4][5]以及那里的参考文献。本文的想法,主要受文献[5][6]的启发而来的。