隐马尔可夫模型在货币政策中的运用

本文简单介绍了隐马尔可夫模型,并对半年期银行存款利率建立了隐马尔可夫模型,指明了其所对应的货币政策.     

非齐次隐马尔可夫模型随机变换的若干强极限定理

利用鞅方法讨论了非齐次隐马尔可夫模型变换的强极限定理,作为特殊情形,将随机选择的概念拓展到非齐次隐马尔可夫模型中,得到了关于有限非齐次隐马尔可夫模型随机选择与随机公平比的若干极限定理.     

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.     

连续时间遗传算法模型及其强收敛性分析

本文在隐马尔可夫链的框架下利用隐马尔可夫链{Xt:t∈[0,∞)}的观测链的概率分布提出一个连续化遗传算法模型，并给出其一个强收敛结果，讨论了其离散骨架的性质。     

隐马尔可夫结构方程模型及其贝叶斯估计

结构方程模型是一种含有潜变量的经典统计学模型,被广泛应用于心理学、教育学、经济学、医学等领域。隐马尔可夫模型是一种基于随机过程的统计模型。本文书结构方程模型与隐马尔可夫模型相结合,构造了一种新的模型——隐马尔可夫结构方程模型,详细给出了隐马尔可夫结构方程模型的数学定义。为了对模型的系数进行贝叶斯估计,设定了模型参数的先验分布,然后利用MCMC方法模拟参数的后验分布,计算出了参数的后验均值作为参数的估计值。最后将参数的估计值与真值进行比较,发现估计效果良好。     

隐马尔可夫多元正态分布参数的极大似然估计

隐马尔可夫模型广泛应用于时间、空间、状态转移数据的统计建模.文章给出了隐马尔可夫多元正态分布的定义,介绍了用聚类分析确定观测变量隐状态的原理,推导了模型中未知参数的极大似然估计量,模拟生成观测数据集检验了该方法的估计效果和稳定性.特色之处是首次提出用聚类分析、极大似然估计等简单的经典统计推断方法解决隐马尔可夫模型的参数估计问题.     

隐非齐次马尔可夫模型的强大数定律

在状态集都有限的情况下,给出了隐马尔可夫模型的一些性质定理．利用马氏链的强极限定理,得到了隐非齐次马尔可夫模型的强大数定律．     

马尔可夫状态转换加随机波动瞬时利率模型实证研究

文章对中国瞬时利率动态行为进行了实证研究,比较了一类马尔可夫状态转换加随机波动扩散模型。与以往研究不同,文章对模型所有参数采用基于Gibbs抽样的马尔可夫链蒙特卡罗模拟方法进行估计。同时,通过MAE(绝对误差平均值)、MRSE(平方误差均值)、调整R~2、对数损失函数LL以及非参数Wilcoxon检验对各种模型的样本内与样本外预测能力进行了分析与比较,结果表明:中国利率市场确实存在马尔可夫状态转换现象,其中Smith模型更适合刻画国内瞬时利率动态行为。     

常利率下Cox风险过程的罚金折现期望函数

本文考虑了常利率环境下Cox风险模型的罚金折现期望值，利用后向差分法，得到了条件期望值与平稳情形时的期望值分别所满足的积分方程．并且，给出了一个强度过程为二状态马尔可夫过程及索赔服从指数分布的例子．     

部分状态可见的隐马尔可夫模型的Viterbi算法

本文研究了隐马尔可夫模型的Viterbi算法,在已知隐马尔可夫模型的部分状态、初始概率分布、状态转移概率矩阵和观测概率矩阵的条件下,由此Viterbi算法给出最优状态序列的估计.相对于已有的算法,本文的算法考虑了部分可见状态对初始条件和递推公式的影响,并且本文的算法能保证预测的状态序列是整体最优的.最后,我们将本文的算法应用于故障识别,从而验证所设计算法的可行性.     

基于因子隐马尔可夫模型的VaR与ES联合预测

VaR和ES是衡量金融资产风险的重要测度,对风险控制和金融危机的识别具有重要意义。本文以CAViaR模型为基础,通过因子隐马尔可夫模型构造潜变量,作为CAViaR模型的回归系数的组成部分,最终提出了一个含潜变量的VaR和ES联合估计方法(FHM-CAViaR),实现了VaR和ES的联合预测。在该模型中,潜变量由一个因子隐马尔可夫模型驱动,可以刻画市场信息对模型系数带来的长期效应与短期冲击,该因子隐马尔可夫模型的引入实现了分位数回归模型参数在上百个状态间的转换。最后,基于本文提出的FHM-CAViaR模型分别对上证综指、深证综指和纳斯达克指数的对数收益率数据进行实证分析。实证结果表明,本文提出的模型具有更优的预测效果。此外实证结果还表明,在危机期间VaR的序列聚集性有着显著的增加。本文提出的模型可以通过潜变量的变化识别市场的机制变换,且能更精确地对金融资产的VaR以及ES进行估计,给出金融风险度量一种新的研究方法。     

隐非齐次马尔可夫模型的强大数定律

本文研究了一类隐非齐次马尔可夫模型的强极限定理.利用鞅差序列收敛定理,获得了观测链{Y_n,n≥0}的强大数定律,并给出了观测链的Shannon-McMillan定理.     

生物序列分析中的若干数学方法

生物序列是由4种核苷酸组成的核酸序列和由20种氨基酸组成的蛋白质序列.论文介绍生物序列研究中的计数方法、组分分析方法、隐马尔可夫模型方法以及它们的某些应用.     

马尔可夫链模型在灾变预测中的应用

利用马尔可夫链模型的原理预测灾变，以郑州市旱涝等级的预测作为实例，介绍了使用这种模型的方法与步骤，预测结果表明，利用马尔可夫链模型预测灾变是可行的。     

基于PCP特征的和弦识别研究与探讨

讨论了音乐识别领域中和弦的四种不同识别方法,给出了基于PCP特征的和弦识别算法.使用PCP作为和弦的特征作为输入送至隐马尔可夫模型中训练,利用Baum-Welch算法估计模型参数,通过Viterbi算法得到正确和弦.通过实验获得了76%的识别率,验证了该算法的可行性.     

基于时序分解的自适应在线学习电力负荷预测算法研究

传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态变化特征,从而提高预测精度.算法基于隐马尔可夫概率预测模型,在获得新样本时对模型进行在线更新,适应最新数据;利用STL时序分解算法对负荷数据进行分解,使具有不同不确定性和动态变化规律的分量分离开,再分别使用在线学习算法对不同特征的分量进行预测,构造电力负荷预测组合算法.基于三个公开电力负荷数据集的测试结果表明,相比于单一的在线学习模型,本文提出的组合算法提高了预测精度,预测相对误差最高减少了27%.     

股骨近端防旋髓内钉治疗高龄股骨转子间骨折

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

带有非齐次结构动力因子模型的估计与检验

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

隐马尔可夫模型在生物信息学中的应用

隐马尔可夫模型 ( HMM)是一个能够通过可观测的数据很好地捕捉真实空间统计性质的随机模型 ,该模型已成功地运用于语音识别 ,目前 HMM已开始应用于生物信息学 ( bioinformatics) ,已在生物序列分析中得到了广泛的应用 .本文首先介绍了 HMM的基本结构 ,然后着重讨论了 HMM在 DNA序列的多重比对 ,基因发现等生物序列分析中的应用     

隐马尔可夫模型在语音识别中的应用

隐马尔可夫模型（HMM）的基本技术是语音识别中较为成功的算法，主要是它具有较强的对时间序列结构的建模能力。本首先深入浅出地介绍了HMM的基本技术和一个基于HMM的孤立词语音识别系统的构成方法，其次，基于HMM尚存有一些缺陷，造成语音识别能力较弱，为此本又进一步阐述了语音识别应用中的几种改进的HMM系统及目前的热点方法－HMM与ANN构成的混合网络。