高维异方差高斯混合罚模型聚类

罚模型聚类实现了在聚类过程中精简变量的目标,同时如何识别聚类的有效变量成了一个新的问题.在这个问题上,已有的研究有成对罚模型,模型处理了各类数据同方差的情况.考察了异方差情况下的变量选择问题,针对异方差数据提出了两种新的模型,并给出模型的解和算法.模拟数据分析结果表明,异方差数据上两个新模型都有更好的表现.     

基于混合高斯模型的指标优化方法

借鉴混合高斯模型的方法,提出了基于混合高斯模型的非参数检验法用于评价指标体系的构建.首先运用混合高斯模型对现有指标体系进行聚类分析,然后运用非参数检验的秩相关系数对分类后的指标体系进行筛选,最终确定评价指标体系的构成,保证指标体系的全面性和代表性.实例结果表明,方法分类精度高、简便、实用,在指标优化中具有应用价值.     

基于最大惩罚似然的高斯混合模型无监督分类研究

本文提出了一个基于高斯混合模型的无监督分类算法. 考虑到利用EM算法求解高斯混合模型的参数参数估计问题容易陷入局部最优解, 我们引入逆Wishart分布来代替传统的Jeffery先验. 几个实验数据的结果表明, 采用该方法估计无监督分类的成分数, 无论是估计的正确率, 还是运算速度, 都有较大提高.     

基于混合高斯过程模型的高光谱图像分类算法

提出了一种基于混合高斯过程模型的高光谱遥感图像分类算法,它不同于传统的基于多元统计的分类方法.为更好利用高光谱遥感图像的高谱分辨率特点,首先将函数数据分析的思想引进高光谱数据的分类问题,分类对象视为像元对应的谱线,故它们是函数型数据.为了有效模拟地物在空间上的分片聚集特性,则将混合高斯分布模型推广到混合高斯过程模型并用于高光谱数据分类算法中.数值实验表明,混合高斯过程模型是处理函数型数据的有效方法.     

基于Curvelet域高斯尺度混合模型的地震信号降噪方法

结合曲波变换和高斯尺度混合模型提出地震信号随机噪声压制方法.该方法首先运用曲波变换对含有随机噪声的地震信号进行分解,然后对各小波子带系数分别建立高斯尺度混合模型估计出原始地震信号所对应的小波系数,最后经曲波逆变换重构获得降噪处理后的地震信号.仿真地震信号和实际地震信号的实验结果均表明本文方法能够有效压制地震信号中的随机噪声干扰,较多地保留了有效信号.     

两类高斯过程的局部连续性模型

Abstract. In this article,local continuity moduli for the fractional Wiener process and l^∞-valued Gaussian processes is discussed.     

基于高斯混合和BP神经网络的卵巢癌质谱数据三分类模型

癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具.     

基于Dirichlet分布有限混合模型的Bayes聚类

本文基于Dirichlet分布有限混合模型,提出了一种用于成分数据的Bayes聚类方法.采用EM算法获得模型参数的估计,用BIC准则确定类数,用类似于Bayes判别的方法对各观测分类.推导了计算公式,编写出程序.模拟研究结果表明,本文提出的方法有较好的聚类效果.     

混合高斯Heston资产定价模型及统计模拟分析

经典Heston模型没有考虑资产的长相依性,金融实践证明其不能很好的刻画资产的真实情况.本文建立了混合高斯Heston资产定价模型,利用股票数据进行实证分析.首先,得到了混合高斯Heston模型满足的随机偏微分方程,并讨论了解的存在性和唯一性以及p阶矩性质.其次,对模型中未知参数进行估计和敏感性分析,通过3只股票的实际数据对Heston模型、混合高斯Heston模型满足的价格路径与真实路径做了对比.研究表明:混合高斯Heston模型比经典的Heston模型更能够刻画资产标的价格.     

一种基于核的混合c-均值聚类模型

FCM和PCM的混合模型可以克服它们单独聚类时的缺点,在聚类效果上有很大改进,但是对于特征不明显的样本而言,这种混合模型的聚类效果并不太好,为了克服这一缺点,本文引入Mercer核,提出了一种新的基于核的混合c-均值聚类模型(KIPCM),运用核函数使得在原始空间不可分的数据点在核空间变得可分。通过数值实验,得到了较为合理的中心值以及较高的正确分类率,证实了本文算法的可行性和有效性。     

混合高斯模型下带红利的永久美式期权定价

本文建立混合高斯模型下支付连续红利的永久美式期权定价模型.利用自融资策略和分数伊藤公式,得到永久美式期权价值所满足的偏微分方程.其次,由永久美式期权的实施条件与看涨-看跌期权的对称关系,获得看涨与看跌期权的定价公式与最佳实施边界.最后,利用平安银行的日收盘价对标的资产进行实证分析,结果表明:用混合高斯模型模拟出的股票价格与真实股票价格比较接近,能够反映股票的整体走势.     

基于GMCR-NPAWLAK混合模型的冲突分析研究

冲突分析图模型中,决策者的态度只有肯定和否定两种,实际问题中往往不止两种;新PAWLAK冲突模型(NPAWLAK模型)将冲突系统中决策者的三种态度扩展到决策争端的三种程度,符合实际情况,因而研究冲突系统中决策者的偏好排序和全局可行方案对决策者的策略选择具有重要意义。本文在NPAWLAK模型的基础上,引入冲突分析图模型理论(GMCR),提出GMCR-NPAWLAK冲突分析混合模型。该混合模型首先拓展和改进的策略优先排序法,实现了冲突系统中各决策者的客观偏好排序;同时,模型给出了全局可行方案的算法,该算法依据决策者的偏好排序分析结果找出系统的全局可行方案。最后,本文以某企业劳资关系的NPAWLAK冲突为例,对冲突系统进行建模和偏好分析,得到了冲突各方的偏好序列和全局可行方案,同时验证了混合模型的有效性。     

金融资产收益分布的混合高斯分析

本文研究了金融资产收益的混合高斯分布模型 ,给出了混合高斯分布的 Kolmogorov-Smirnov检验的方法 ,分析了金融资产收益的非高斯性及市场价格运动的有效性 .此外 ,用成分数目 K*、拟合误差 DK*n和主成分系数 p*k 描述金融资产收益的性质 ,对外汇银行同业拆借市场和中国股票市场实证分析     

基于高斯过程函数型回归模型的日最高气温研究

极端天气是目前社会热点问题.利用高斯过程函数型回归对北京,上海等10个城市近年来夏季日最高气温进行整体建模.选取城市地理位置信息作为均值函数解释变量,时间和降雨信息作为高斯过程协方差结构解释变量,充分利用模型能够同时捕捉均值和协方差结构的优势,解决多地区日最高气温的整体建模和同步预测问题.研究表明,高斯过程函数型回归模型在随机预测,外延预测,k步预测,以及对于训练数据集以外城市的预测均有较好的效果,且优于一般的函数型数据模型.     

周期数据时段划分的双截断高斯混合模型及其EM算法

有限混合模型是多模态数据拟合和聚类的有力工具,本文针对具有多模态的周期数据提出了双截断高斯混合糢型,并推导出相应的EM算法,再通过BIC准則确定混合成分个数,该方法的优点是可以将相邻周期上距离较近的数据聚为一类.模拟研究显示,在具体参数设置下,EM算法和BIC准则是相合的。最后,该方法应用于车流量数据的时段划分,将一天划分为具有显著特征的6个时段,有助于交通部门采取相应策略,为优化交通灯信号配时提供参考依据.     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.     

基于GARCH模型的人民币汇率波动规律研究

自人民币汇率体制改革以来,汇率波动日趋复杂.鉴于GARCH模型能够较好地拟合汇率时间序列的尖峰厚尾特征,本文采集了2003～2007年之间的1069个美元兑人民币汇率日值,应用GARCH模型进行分析,证实了我国外汇市场确实存在ARCH效应,且GARCH模型能够较好地拟合汇改后的人民币汇率数据.     

基于真实波动率和高斯估计的随机波动率模型研究

在随机波动率模型中,由于波动率是不可观测,因此相应的参数估计和统计推断比较困难.将应用真实波动率近似估计积分波动率,进一步基于高斯估计方法给出非线性扩散模型的线性估计,而后再给出随机波动率模型精确的极大似然估计方法.最后,采用上证综合指数和深证成份指数对一系列随机波动率模型进行实证的研究.实证结果表明,均方根模型(Heston模型)较好地描述上证综合指数动态行为,而对于深证成份指数的描述在统计意义上没有显著地解释力.     

基于混合Copula的CDO定价模型

将广受欢迎的,用于CDO定价的大样本同质投资组合近似方法做了推广,其中涉及到的分布是高斯分布和Variance Gamma分布的混合,即G-VG混合分布.提出了厚尾的G-VG混合Copula模型和带有随机相关性的混合模型.这些模型可以有效的模拟CDO定价中的相关性微笑问题.在这些G-VG混合Copula模型中,得到了损失分布函数和期望分券层损失的解析表达式.并且用实际数据做了实证分析,把新模型和高斯模型的结果做了比较.实证表明,新模型的结果不仅与市场报价更贴近,而且为相关性结构带来了更多的灵活性.     

基于混合模型的利润驱动违约判别临界点研究

违约判别临界点是金融机构是否接受客户贷款申请的重要参考,合适的违约判别临界点对减少金融机构贷款损失实现稳健经营具有重要意义。本文研究的问题是如何保证计算客户违约概率的准确性,并找到利润最大化的违约判别临界点。本文的创新与特色：一是通过将多个不同类型的违约判别模型计算的客户违约概率进行加权平均,保证了计算客户违约概率的的整体准确性,避免了使用单一模型计算客户违约概率不准确的弊端;二是通过定义金融机构从贷款中获得利润的计算公式,以利润最大为目标,求解违约判别临界点,避免了现有计算临界点的方法如广义对称点估计和经验似然法等方法得到的临界点利润不是最大的弊端。研究发现：混合模型比单一模型的准确性高,AUC值显著提高;在人人贷数据集中本文的违约判别临界点下贷款利润远高于其他方法下临界点的利润。