混沌同步的一种驱动与反馈混合方法

针对Lorenz系统族中的几种典型混沌系统的同步问题，建立了一种驱动与反馈混合方法，利用Lyapunov方法证明了这种混合混沌同步，克服了单纯的P—C驱动法及反馈法的某些不足，数值仿真表明这些方法是行之有效的，     

基于格兰杰因果网络的中美贸易战对上证行业冲击的研究

中美贸易战对行业冲击是普遍关注的问题,本文选取2016年8月—2019年10月的上证行业指数,构建了格兰杰因果关系网络,然后结合事件分析法对风险传播模型的参数进行估计,最后利用蒙特卡罗算法模拟行业受到贸易战冲击后金融风险传播情况,并计算贸易战发生前后的上证股市金融网络风险传播的基本再生数.研究发现:第一,贸易战明显改变了上证行业关系结构,行业指数之间联系变得更为紧密;第二,贸易战发生初期,受美国加征关税影响,上证股市感染节点数量迅速增加,并且感染规模会在第10—15个交易日内达到峰值,感染节点数量大约在第25个交易日后开始趋于平缓,市场逐渐恢复;第三,基本再生数计算结果表明,上证股市在贸易战发生初期金融风险传播较快,上证股市容易产生“同涨同跌”的现象.     

Scaling of weighted spectral distribution in weighted small-world networks

Many real-world systems can be modeled by weighted small-world networks with high clustering coefficients. Recent studies for rigorously analyzing the weighted spectral distribution(W SD) have focused on unweighted networks with low clustering coefficients. In this paper, we rigorously analyze the W SD in a deterministic weighted scale-free small-world network model and find that the W SD grows sublinearly with increasing network order(i.e., the number of nodes) and provides a sensitive discrimination for each input of this model. This study demonstrates that the scaling feature of the W SD exists in the weighted network model which has high and order-independent clustering coefficients and reasonable power-law exponents.