A quantile-based Time at Risk: A new approach for assessing risk in financial markets

In this paper, we provide a new measure for evaluation of risk in financial markets. This measure is based on the return interval of critical events in financial markets or other investment situations. Our main goal was to devise a model like Value at Risk (VaR). As VaR, for a given financial asset, probability level and time horizon, gives a critical value such that the likelihood of loss on the asset over the time horizon exceeds this value is equal to the given probability level, our concept of Time at Risk (TaR), using a probability distribution function of return intervals, provides a critical time such that the probability that the return interval of a critical event exceeds this time equals the given probability level. As an empirical application, we applied our model to data from the Tehran Stock Exchange Price Index (TEPIX) as a financial asset (market portfolio) and reported the results.     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

加入PSO算法在蔗糖结晶模糊控制中的应用

在煮糖过程中人为因素对出糖数量和质量都有很大的影响,而蔗糖结晶过程难以建立准确的数学模型使得传统的控制方法无法实现精准控制,在总结经典PID控制和已经实际应用的蔗糖结晶过程模糊控制理论的基础上,提出了采用模糊推理对PID控制器参数进行自整定,加入改进粒子群算法对控制器过程参数进行优化调整,完成融入PSO算法的蔗糖结晶过程模糊控制器的设计,利用每次控制输出反馈自整定来提高控制器性能；通过Matlab软件模拟仿真测试效果表明,该方法增强了系统鲁棒性,可以提高出糖的品质。     

Leptokurtic portfolio theory

The question of optimal portfolio is addressed. The conventional Markowitz portfolio optimisation is discussed and the shortcomings due to non-Gaussian security returns are outlined. A method is proposed to minimise the likelihood of extreme non-Gaussian drawdowns of the portfolio value. The theory is called Leptokurtic, because it minimises the effects from “fat tails” of returns. The leptokurtic portfolio theory provides an optimal portfolio for investors, who define their risk-aversion as unwillingness to experience sharp drawdowns in asset prices. Two types of risks in asset returns are defined: a fluctuation risk, that has Gaussian distribution, and a drawdown risk, that deals with distribution tails. These risks are quantitatively measured by defining the “noise kernel” — an ellipsoidal cloud of points in the space of asset returns. The size of the ellipse is controlled with the threshold parameter: the larger the threshold parameter, the larger return are accepted for investors as normal fluctuations. The return vectors falling into the kernel are used for calculation of fluctuation risk. Analogously, the data points falling outside the kernel are used for the calculation of drawdown risks. As a result the portfolio optimisation problem becomes three-dimensional: in addition to the return, there are two types of risks involved. Optimal portfolio for drawdown-averse investors is the portfolio minimising variance outside the noise kernel. The theory has been tested with MSCI North America, Europe and Pacific total return stock indices.     

Optimal investment horizons

In stochastic finance, one traditionally considers the return as a competitive measure of an asset, i.e., the profit generated by that asset after some fixed time span Δt, say one week or one year. This measures how well (or how bad) the asset performs over that given period of time. It has been established that the distribution of returns exhibits “fat tails” indicating that large returns occur more frequently than what is expected from standard Gaussian stochastic processes [1-3]. Instead of estimating this “fat tail” distribution of returns, we propose here an alternative approach, which is outlined by addressing the following question: What is the smallest time interval needed for an asset to cross a fixed return level of say 10%? For a particular asset, we refer to this time as the investment horizon and the corresponding distribution as the investment horizon distribution. This latter distribution complements that of returns and provides new and possibly crucial information for portfolio design and risk-management, as well as for pricing of more exotic options. By considering historical financial data, exemplified by the Dow Jones Industrial Average, we obtain a novel set of probability distributions for the investment horizons which can be used to estimate the optimal investment horizon for a stock or a future contract. Received 20 February 2002 Published online 25 June 2002     

Fractional-order optimal fuzzy control for network delay

Fuzzy logic control has been used frequently in tuning network control system (NCS) due to its on-line dynamic static non-linear match and several remarkable fractional-order controllers have achieved satisfactory control performance when applied to NCS in present years, therefore, in this paper, a novel fractional fuzzy logic controller which combined the fractional algorithm and fuzzy logic control together has been proposed to deal with fixed and random network induced delays in closed-loop feedback systems. The comparisons of set-point tracking performances of fractional fuzzy logic PID controller (FFuzzyPID), conventional fuzzy logic PID controller(FuzzyPID), fractional optimal PID controller (FOPID), and optimal PID controller(OPID) on a representative plant with fixed and random network delays have been shown with simulations. The simulation results indicate that fractional fuzzy logic controller has higher capability to handle network delays compared with other controllers in most cases.     

改进SIFT融合五官特征的旋转人脸检测算法

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法。该算法通过改进单神经元中的K值公式提高了Kp、Ki、Kd的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小。通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验。结果表明：所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

Transaction fees and optimal rebalancing in the growth-optimal portfolio

The growth-optimal portfolio optimization strategy pioneered by Kelly is based on constant portfolio rebalancing which makes it sensitive to transaction fees. We examine the effect of fees on an example of a risky asset with a binary return distribution and show that the fees may give rise to an optimal period of portfolio rebalancing. The optimal period is found analytically in the case of lognormal returns. This result is consequently generalized and numerically verified for broad return distributions and returns generated by a GARCH process. Finally we study the case when investment is rebalanced only partially and show that this strategy can improve the investment long-term growth rate more than optimization of the rebalancing period.     

嵌入式电子节能控制器的设计与实现

节能控制能够有效降低能耗,对保护环境等方面具有重要影响。但目前大多数电子节能控制器都是通过采用单片机技术和双向晶闸管过零触发交流调压电路对电子节能控制器进行设计。通过介绍电子的负荷特点和节能原理,分析电子节能控制器的硬件组成电路,并对电子节能控制器的主要软件程序的流程图进行设计,完成电子节能控制器设计。但这种方法节能控制效果较低,难以保证电子节能控制器性能,为此,提出一种基于模糊PID控制的嵌入式电子节能控制器设计与实现方法。首先通过对嵌入式电子节能控制器的处理器、电源电路、复位电路、系统时钟电路、JTAG接口电路、D/A转换电路、功放电路、双极性电源电路以及嵌入式电子节能控制器硬件PCB板器件布局等的设计,完成嵌入式电子节能控制器硬件设计。在此基础上,选用模糊PID控制方法对嵌入式电子节能控制器进行设计。通过分析模糊PID控制原理,介绍加入自调节因子的模糊PID控制的算法设计,以此确定输入输出隶属度函数,再利用模糊推理和模糊规则,得到电子节能控制器的模糊控制过程,从而完成嵌入式电子节能控制器的设计。实验证明,所提方法能够有效提高嵌入式电子节能控制器的节能控制效果,具有良好的使用价值。     

基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究

提出了采用改进的遗传算法优化比例-积分-微分(PID)神经网络解耦控制器的连接权值，从而实现PID控制器参数的优化及非线性多变量系统的解耦控制. 改进的遗传算法优于基本遗传算法，它使寻优过程中的计算量减少，计算效率提高，收敛速度加快. 将优化后的PID神经网络解耦控制器应用于统一混沌系统的控制中，仿真实验收到良好的控制效果，证明了PID控制器应用于统一混沌系统控制的有效性. 关键词： 混沌系统 遗传算法 比例-积分-微分 神经网络     

BP神经网络PID控制算法在农作物干燥控制系统中的应用研究与设计

针对传统PID控制算法对于农作物烘干控制方法存在的不足,以实现对农作物高效、节能的干燥为目的,设计了一种新型农作物干燥控制系统。系统采用DS18B20、SHT10为信息采集源,将采集到的温湿度信息传递到以C8051F340单品机为核心的控制器进行整个干燥过程的控制决策。系统应用了BP神经网络PID控制算法调节温湿度。     

多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型。采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器。搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统。在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比。实验结果验证了本文所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

空间用斯特林制冷机的过程控制

斯特林制冷机在空间探测中的应用越来越广泛,其驱动控制也至关重要.针对特定的斯特林制冷机,设计了以FPGA作为核心的控制系统,简单介绍了系统的硬件结构以及直线电机的正弦波驱动波形,详细讲解了制冷机的启动、降温、稳温等过程控制,重点论述了温度PlD算法实现的问题,通过跟踪制冷过程温度变化曲线,验证了控制模块的功能特性.     

基于积分分离SNPID的果蔬膨化温度控制系统设计

在果蔬膨化温度闭环控制系统中,一般PID调节器参数难以根据环境变化实时自整定,无法实现对被控制对象的精确有效控制;此外,传统数字PID控制器在系统启动、停止或因加工不同果蔬原料而大幅增减温度设定值时,会因为PID控制器积分积累的影响,引起膨化温度控制系统超调增大,从而导致果蔬膨化温度控制系统相对稳定性降低。针对上述问题,提出了以SCL语言开发基于积分分离算法的单神经元PID控制器。将该积分分离SNPID控制器应用于果蔬膨化温度控制系统中,既能避免控制系统产生较大超调,又可通过调整权系数以增强控制系统的自适应能力,从而实现对果蔬膨化温度的精确有效控制。     

烘丝过程中的组合积分控制器与双重控制研究

在烟草行业的烘丝过程中,烟丝的出口水分作为被控对象常常具有大滞后与强非线性的特性,且在工艺流程中通常存在干扰因素;当前,这一过程中大多仍采用传统PID控制器,存在响应稳态误差大、响应时间长等问题,进而影响烟丝的最终品质;针对这一情况,引入组合积分控制器替代传统PID控制器在烘丝过程中的作用;同时引入双重控制,并与组合积分控制器相结合;针对控制对象进行的仿真实验结果表明,这一新型控制策略在烘丝过程出口水分的控制效果上明显优于传统PID控制器,稳态误差较小且响应迅速,证明了组合积分控制器运用在双重控制系统中时具有优异的动态性能与鲁棒性;最后,这一新型双重控制算法已成功应用到烟草行业烘丝过程的水分控制上。     

基于ACR9000控制器的自动光学检测平台设计 

针对自动光学检测（AOI）平台运行过程中的定位精度控制问题,提出了一种基于速度和加速度前馈控制与PID反馈控制的复合控制算法,该算法对输入量进行跟踪补偿控制以消除系统稳态误差,用于提高AOI平台定位精度。基于开放式的数控系统设计方法设计了AOI平台。在Matlab/Simulink环境下,构建了基于该复合控制算法的定位精度控制仿真模型,仿真结果验证了复合控制算法的有效性。将该复合控制算法作为ACR9000控制器的控制算法,并基于ACR9000控制器进行AOI平台实验研究。应用该AOI平台进行了印刷电路板（PCB）检测实验,实验结果表明文中复合控制算法能够提高AOI平台定位精度,AOI平台的定位精度满足印刷电路板检测要求,可以将该AOI平台用于印刷电路板检测。     

PID数字控制器多指标优化模拟设计方法研究

建立PID数字控制器多指标统一优化模拟设计方法;用SIMULINK仿真研究数字PID控制对模拟PID控制的复现能力和PID计算机控制系统的阶跃响应,用MATLAB仿真筛选PID参数的优化组合值;提出并建立了一种新的PID数字控制器多指标优化模拟设计方法,包括:PID初值确定方法、模拟PID优化参数MATLAB筛选方案和软件流程图、模拟PID参数转换数字PID参数的方法、SIMULINK仿真验证设计结果的有效性的方法等;研究表明,该方法可用于1～5ms采样周期的PID数字控制器多指标优化模拟设计,且能独立使用、无需PID经验数据和其它设计/整定方法;提供了4个代表性的实例设计,验证了该方法的有效性。     

智能分区PID控制算法在电动缸伺服系统中的研究

针对电动缸伺服系统中的非线性环节,本文采用带线性补偿的分区二级前馈PID控制算法。首先建立电动缸伺服系统的仿真模型,并采用单组控制参数的二级前馈PID控制算法,通过仿真发现系统存在着抖动、精度较低的问题。然后提出了具有线性补偿的分区二级前馈PID控制算法,改进了相应的控制器结构并实现控制器的数字离散化。最后通过线性补偿的方法整定实际系统在各分区的控制参数,计算出相应的控制量。对比分析实际系统的稳态误差,发现智能分区PID控制器在电动缸伺服系统中能够取得更好的控制效果。     

激光测距无损检测机器人运动控制研究

为了提高无损检测机器人行走的直线度,针对移动机器人系统,本文研究了激光测距的位置反馈方法,开发了基于微控制器STM32芯片的控制器,完成了边缘传感器信号、光电码盘信号、激光测距信号的接收与处理。设计了系统的软件结构,探讨了移动机器人系统的建模与仿真,详细分析了永磁同步电机的数学模型和移动机器人的运动学模型,在此基础上,以移动机器人的侧移与偏移角度为指标,设计PID控制器的参数,进行PID控制算法的仿真。经过仿真分析,研究扰动对于系统各部分新能的影响,验证了控制算法的合理性与有效性。     

遗传算法在跨超声速风洞总压控制中的应用

总压作为风洞控制中的重要流场参数,其调节性能是风洞控制系统能否满足试验要求的重要指标,为提高跨超声速风洞的总压控制水平,需对总压控制策略进行设计。针对某跨超声速风洞对总压控制系统提出的快速性和精确性要求,提出串级控制、智能PID控制和总压分段控制等方法,并利用MATLAB系统辨识工具箱对流场调节阶段的总压系统模型进行了辨识。提出将遗传算法应用于风洞流场调节阶段的PID控制器参数整定中,重点对基于遗传算法的PID控制原理和参数整定步骤进行介绍,并针对遗传算法的遗传算子进行了设计。系统仿真和风洞实际运行情况表明：该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,满足总压控制系统精确性、快速性、鲁棒性等要求,为后续风洞建设和设备改造提供了新方法。