基于相关熵损失的核正则化回归学习速度（英文）

最大相关熵回归在信号处理领域有广泛应用,其收敛性分析是机器学习领域中的热门研究课题.本文给出一种新的误差分析框架,将非凸优化问题转化为局部凸优化问题,然后应用凸分析方法给出最大相关熵回归(MCCR)收敛性的理论分析;将最优化回归函数表示成一种积分方程的解,用K-泛函和再生核Hilbert空间最佳逼近表示泛化误差,给出学习速度的一种上界估计.     

HR分解的精化扰动界（英文）

给出了HR分解的分量型和范数型的一阶扰动界.对于范数型,新的精化扰动界至少优于已有结果,特别的,新的关于R因子的扰动界远远优于已有的扰动界.     

平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.     

MLINEX损失函数下的信度估计（英文）

In this paper, MLINEX loss function was considered to solve the problem of high premium in credibility models. The Bayes premium and credibility premium were obtained under MLINEX loss function by using a symmetric quadratic loss function. A credibility model with multiple contracts was established and the corresponding credibility estimator was derived under MLINEX loss function. For this model the estimations of the structure parameters and a numerical example were also given.     

基于中国地震的损失模型(英文)

对损失分布的估计一直是保险公司的重要问题. 有多种参数方法以及非参数方法拟合损失分布. 本文作者提出了结合参数和非参数的方法来解决损失分布拟合问题. 首先通过超额均值图确定大小损失之间的阈限,再利用广义Pareto分布拟合阈值以上损失, 转换后的核密度估计拟合阈值以下损失. 最后, 通过实证分析将该方法和其他方法进行了误差分析比较, 取得了理想的结果.     

基于时滞反馈控制的混沌时滞神经网络的自适应同步（英文）

研究两个混沌时滞神经网络在加入一个新的自适应控制器的条件下达到同步的问题.通过构造一个新的李雅普诺夫函数并结合李雅普诺夫稳定性原理、LMI工具箱和自适应反馈控制原理,得到了两个混沌时滞神经网络自适应同步的条件.最后,给出相应的数值模拟来验证所得结论的有效性.     

迷人的最大特征对子（英文）

"主导特征对子"在不同场合有不同名称.在矩阵论中称为最大特征对子(最大特征值及其对应的特征向量).本文首先介绍计算矩阵最大特征对子的十分意外的新结果.主要贡献是选取一个熟知算法的高效初值.其想法来源于我们新近关于主导特征值估计的研究.第二部分里,我们介绍很幸运得到的关于主导特征值的统一估计.第三部分通过一个特别例子说明此项研究的源头.最后概述我们关于主导特征值估计和更一般的各种稳定性速度研究的漫长历程.     

一类非线性传输问题的区域分解方法（英文）

针对一类非线性传输问题提出了有限元与边界元的耦合方法并设计了基于耦合法的区域分解算法.该算法避免了求解边界积分方程,从而计算量大大减少.算法的收敛性分析和数值算例验证了该算法的合理和有效性.     

一类有限p-群的因子分解数（英文）

Let p be a prime number and f_2(G) be the number of factorizations G = AB of the group G, where A, B are subgroups of G. Let G be a class of finite p-groups as follows,G = a, b | a~(p~n)= b~(p~m)= 1, a~b= a~(p~(n-1)+1), where n m ≥ 1. In this article, the factorization number f_2(G) of G is computed, improving the results of Saeedi and Farrokhi in [5].     

关于Gorenstein复型的维数分解（英文）

Let W be a self-orthogonal class of R-modules. We prove that W-Gorenstein resolution dimension of a complex X is equivalent to the supremum of W-Gorenstein resolution dimension of modules X_i for all i ∈ Z.     

基于全变分与二阶泛函联合的自适应图像放大算法（英文）

An image zooming algorithm by using partial differential equations(PDEs) is proposed here. It combines the second-order PDE with a fourth-order PDE. The combined algorithm is able to preserve edges and at the same time avoid the blurry effect in smooth regions. An adaptive function is used to combine the two PDEs. Numerical experiments illustrate advantages of the proposed model.     

具有停止损失再保险策略和最终值的扩散模型的最优分红与注资问题（英文）

本文研究了具有停止损失再保险和最终值的最优分红和融资策略问题.通过运用近似扩散和动态规划及构造次最优问题的方法,得到了解决一般最优问题所应符合的HJB方程和验证定理.假设有比例和固定交易费用以及在破产时刻产生最终值,得到了相应的最优值函数,最优分红策略,再保险策略以及融资策略.     

在跳跃扩散模型下带延迟和错误定价的超额损失再保险和投资的最优化问题（英文）

本文研究了在跳跃扩散模型下带延迟和错误定价的超额损失再保险和投资的最优化问题.利用随机控制理论,求解扩展的HJB方程,推导出均衡再保险投资策略和相应的均衡值函数.最后,介绍模型和结果的一些特殊情况,并为其结果提供了一些数值分析.     

实证因子模型的贝叶斯半参数分析和模型比较（英文）

为了解决多元数据的异质性,对因子分析模型建立了贝叶斯半参数程序.方法依赖于有限混合分布空间上先验分布的使用.分块吉布斯抽样器用以进行后验分析.L_v测度和贝叶斯因子给出模型比较.基于广义加权中国餐馆算法,给出了半参数模型下数据似然的计算.经验结果显示了方法的有效性.     

基于折扣指数损失函数的高维异方差数据的惩罚稳健回归估计（英文）

生物医学、计量经济学和金融学领域的高维数据通常表现出异方差性,这引起了学者们极大的关注.虽然已经提出了大量方法来解决异方差或重尾误差,但是其中很多缺乏稳健的理论性质并且容易受到高杠杆点的影响.为了克服这些缺陷,本文提出了一种新的针对高维异方差数据的稳健变量选择方法.我们的方法引入了一个非对称的指数平方损失函数,且在一些弱的条件下能实现最高的渐近崩溃点.此外,所提方法具有变量选择的相合性和渐近正态性.实证结果表明我们所提的方法在各种情况下具有竞争力.特别是在高维重尾和异质性数据中存在高杠杆点时,本文的方法优于现有的其它方法.     

一类GARCH-M模型的遍历性研究（英文）

针对Christensen等(2012)提出的一类GARCH-M模型,本文对该模型的遍历性进行了研究.通过对模型的条件均值函数和CARCH方程的参数加以适当的约束条件,模型的几何遍历性可以得到证明.本文的结果可以运用到一些常见GARCH-M模型的条件均值上去.     

相位模型的费米子表示（英文）

In this paper, we give a Fermion representation of the Phase model. We find that the states in the phase model can be described by Maya diagrams, and operators can be described by Fermions. We calculate the rule of multiplications of Young diagrams in N ×M box by Fermions, and also calculate the relations in the Phase model by Fermions.     

随机Solow模型的平稳分布（英文）

本文重新考虑连续时间随机Solow模型,在Merton(1975)模型的条件下,若噪声相对较小时,资本及利率的随机微分方程存在唯一全局正解.本文证明这两类模型存在唯一的稳定分布.     

基于半参数Copula学习的确定性独立筛选研究（英文）

This paper is concerned with ultrahigh dimensional data analysis,which has become increasingly important in diverse scientific fields.We develop a sure independence screening procedure via the measure of conditional mean dependence based on Copula(CC-SIS,for short).The CC-SIS can be implemented as easily as the sure independence screening procedures which respectively based on the Pearson correlation,conditional mean and distance correlation(SIS,SIRS and DC-SIS,for short) and can significantly improve the performance of feature screening.We establish the sure screening property for the CC-SIS,and conduct simulations to examine its finite sample performance.Numerical comparison indicates that the CC-SIS performs better than the other two methods in various models.At last,we also illustrate the CC-SIS through a real data example.     

基于随机森林算法的多因子选股模型研究（英文）

尽管近几十年来量化投资得到了发展,策略也趋于多样化,但随之而来的还有各种问题和瓶颈,如数据选择,模型在金融市场的有效期过短.本文建立了一个基于随机森林算法的多因素股票选择模型.在该模型中,从6个不同维度中选择12个因子来构建因子库,并对因子数据进行预处理.在确定模型参数后,基于处理后的数据,对单个股票的预测和操作策略指导获得了可观的回报率,这为下面的投资组合构建奠定了基础.在投资组合的构建中,本文选择的股票池由更能代表中国股市的沪深300成分股组成.选取2013-01-01至2015-01-01两年的数据,包括12个入选因素和股票的上涨情况.为了在策略写作过程中尽可能地模拟真实情况,设置了滑动和手续费等影响因素.在模型的回测实验结果中,获得了25.5%的年化回报率.此外,根据特征在随机森林算法中的重要性和相关性分析,对影响因素和模型进行了进一步的改进,改进模型的年化收益率高达32.2%,超额收益率α达到15.1%,获得了较高的夏普比和较低的回撤率.