专利申请与授权量的时间序列分析

专利的申请和授权量动态分析与预测是建立专利预警机制、设计与制定相关政策和战略的基础,具有重要的理论意义。起伏型时间序列法是一种新的时间序列分析法,提出用起伏型时间序列法对专利申请与授权数据进行动态分析。以2005年国内专利申请与授权数量月动态为研究数据,对专利申请、授权及发明专利申请数量的月动态进行建模模拟,结果令人满意,说明起伏型时间序列分析方法可应用于专利申请与授权动态模拟,从而丰富了专利申请与授权数据动态分析方法。     

前馈序列与反馈序列的关系

本文引入移位寄存器序列的向量值表示讨论了线性移位寄存器的前馈序列与反馈序列同时为ｍ序列时的关系,得到了它们在向量值表示下的一个关系式。     

时间序列与时空序列的建模

本文介绍了作者和他的博士研究生于近五年内,在时间序列与时空序列的统计建模方面所完成的研究工作。文章包含两个部分:第一部分将给出平稳与非平稳的ARMA模型(包括平稳ARMA,ARUMA与一般ARMA模型)的阶与参数估计的新结果,我们假设模型的噪声项满足鞅差条件,这比要求它们是i.i.d要弱,而且合理。第二部分给出了二维ARMA模型的谱鉴别,对于一类特殊的二维AR模型(即所谓的象限马氏模型,它们恰好就是熟知的一维马氏AR模型在二维情形的相配模型。)给出了它的阶与参数的强相合估计与重对数收敛速度。     

时间序列中自相关与偏相关函数分析

相关函数表现出时间序列中任意两个值之间的相关性是如何随着时间间隔而改变的.自相关函数刻画了时间序列相邻变量之间的相关性,偏相关函数则是排除了其它中间变量的影响,真实地反映两个变量之间的相关性,并且二者紧密相连.同时两个相关图所反映的信息在时间序列分析各个方面发挥着关键作用.     

最佳跳频序列族的设计与分析

本文提出了基于ｐ元广义ＧＭＷ序列和ｐ元Ｋａｓａｍｉ序列构造跳频序列族的方法,证明了基于广义ＧＭＷ序列所构造的跳频序列族具有最佳Ｈａｍｍｉｎｇ相关特性,而基于Ｋａｓａｍｉ序列所构造的跳频序列族不具有最佳Ｈａｍｍｉｎｇ相关特性。     

《时间序列分析:预测与控制》

原著名:TimesSeriesAnalysis:ForecastingandControl(ThirdEdition)原著作者:[美]GeorgeE.P.Box[英]GwilymM.Jenkins[美]GregoryC.Reinsel主译人员:顾岚校译人员:范金城书评:看摆在面前的这本书,由中国统计出版社出版的现代外国统计学优秀著作译丛:“时间序列分析——预测与控制”,我深深地被打动了。虽然,我没有可能见过该书的作者,也没有可能亲耳聆听几位统计学大家的教诲,但看到翻译的这本书,如同听到了他们娓娓的阐述,仿佛看到了他们在形象地演示。时间序列分析,有那么多不易理解的名词概念,有那么多复杂、纷繁的公式,一般人看起…     

序列网与度量空间的序列商映象

In this paper theconcept of sequential networks isintroduced, the relations among that and the concepts ofsequentialquasi-bases and cs^*-networks are established, and somenewcharacterizations of the certain quotient images of metric spaces areobtained.     

基于非线性时间序列模型的股票分析与预测

时间序列模型在股票价格的分析与预测中有着极其重要的应用.本文针对沪深300日收益率建立了ARIMA-GARCH拟合模型.首先对数据进行对数处理、平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,然后消除条件异方差性,最后通过实证分析得到了模型的有效性与准确性.     

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.     

金融时间序列的转折点分析

本文讨论了时间序列的预测问题,在摆脱了在传统模型过多假设的基础上,采用对不同类型预测模型进行综合平衡分析的方法,权衡各项指标,以达到发现时间按序列转折点的目的.并以股票序列为例说明所给预测模型的有效性.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

关于时间序列分析的注记

本文讨论了时间序列分析中几个值得注意的问题 ;1自相关函数的意义 ,2趋势外推法预测中置信区间校正系数的计算 .     

极值图论与度序列

本文简要概述极值图论与度序列的最新研究进展，同时提出了一些有待进一步解决的问题和猜想．     

ARIMA序列分解与合成

本文首先引入实系数多项式可变数逆合成和分解的概念及计算方法，然给出广义ＡＲＩＭＡ序列的分解与合成的方法以及较普遍适用的唯一分解的条件。     

因子谱与诱导序列

对于任意给定的性质${\mathcal{P}}$和序列$\rho$, 词上的组合领域一个重要的研究课题是找出所有的因子$\omega$和序数$p$,使得序列$\rho$中第$p$次出现的因子$\omega$ (记为$\omega_p$) 满足性质${\mathcal{P}}$.这个问题等价于研究``因子谱''.确定因子谱是一个困难的问题. 为了实现目标,我们引入并研究了一系列的概念:核词、包络词、回归词和任意因子的诱导序列. 利用因子谱和诱导序列,我们可以解决序列中的一些计数问题.例如:在序列的任意一个片段中回文或者高次方词的个数. 本文中,我们将结合几个特殊的序列展示相关的研究结果.这些序列包括: Fibonacci序列、Tribonacci序列、Period-doubling序列等等. 我们相信这些概念和方法对于所有的一致常返序列都是有效的.     

几何序列与拟广义几何序列的互相关函数

本文构造了一类与几何序列的互相关特性非常好的新序列－拟广义几何序列。     

M-Copula模型在金融时间序列分析中的研究与应用

研究了M-Copula模型的建模方法及应用.运用EM算法估计模型的参数,得到相应的统计结果.并利用M-Copula对上证综指和深证成指做了相关分析.通过分析两样本数据的特征,均建立了GARCH-t的边缘分布模型;根据两个对数收益率序列之间的相关特性,选取M-Copula模型对其相关结构进行建模分析,因M-Copula综合了不同Copula的特点,所以分布形式更加灵活,描述数据的厚尾和相关性特征的能力更突出,效果比单一的Copula更好.     

我国保险赔付的时间序列分析——建模与预测

本文采用季节性时间序列模型,对我国保险业2002年1月至2008年11月的赔付支出数据进行分析,建立了Box-Jenkins季节模型,结果显示该模型具有较好的预测效果,可为我国保险业赔付的监管与决策提供参考。     

UN THORME DE STABILITDES PERTURBATIONS OBLIQUES DANS LE PROBLME DE MINIMISATION CONVEXE

On généralise des resultats de Laurent [1] pour perturbations horizontales et pour perturbations verticales au cas des perturbations obliques qui contiennent simultanément des perturbations horizontales de variables et des perturbations verticales des fonctions contraintes, en dormant une condition de stabilité et un théoréme de caracterisation des solution pour le problme initial.     

一道2022年克罗地亚女子MO不等式试题的探究

对一道2022年克罗地亚不等式竞赛试题,从降幂入手给出了一种证明,在此基础上给出了它的两种推广及三个变式.