气温随机模型与我国气温期权定价研究

建立气温期权交易对于对冲天气风险,增加市场金融投资品种具有重要意义。本文主要参照均值回复模型,考虑气温的季节变化和长期趋势,建立反映气温变化的随机模型,应用1980至1999年北京日平均气温对模型参数进行估计。实证仿真以及模型验证结果表明,模型的相对误差较小,建立的气温随机模型能够对未来气温变化进行较好的模拟。蒙特卡罗方法能够对天气衍生产品进行合理定价。     

学数学 迎奥运

我国成功获得了2008年奥运会的举办权,全国上下都为这一振奋人心的盛会即将到来而欢欣鼓舞．在数学的学习中,许多与奥运相关的问题也应运而生,本文略举三例．问题一“北京奥运函数”问题例1第1届现代奥林匹克运动会于1896年在雅典举行,第29届奥林匹克运动会将于2008年在北京举行,为表示庆贺,某数学爱好者构造了“北京奥运函数”．已知该函数满足如下条件:     

全球近50年气温波动分析

本文先把全球60多个国家分成8个地区,然后对每一个地区从上世纪40年代末到本世纪初的年平均气温使用主成分分析的方法,试图勾勒出全球各个地区气温变化的主线,并进一步使用非参数统计中的COX STUART方法验证对全球各地区气温变化趋势和强弱的猜想。     

奥运不改经济大势

“奥运会不会成为中国经济发展的分水岭，不会改变经济平稳较快发展的大势，不会影响中国经济增长潜力和经济发展的基本面。”国家发改委宏观经济研究院副院长王一鸣8月17日作出如上表述。     

ARMA模型在哈尔滨气温预测中的应用

将时间序列分析引入到气温时间序列预测的研究中,深入分析气温样本数据,并对其建立ARMA模型.采用最佳准则函数法确定模型的阶数,并利用自相关函数对模型的残差进行了检验.通过条件期望预测和适时修正预测方法求得预测值,与真实值的比较得到适时修正预测精确度比条件期望预测的精确度高.     

基于气温指数的我国天气衍生品定价研究

本文以时间序列分析中的ARMA模型和均值回复模型为基础,依据不同的纬度自北向南依次选取了北京、南京、杭州和广州作为合约城市,基于四城市1951-2011年的历史气温数据对各模型参数进行估计,并运用蒙特卡洛模拟定量检验各模型对我国天气衍生品定价的适应性。研究表明:基于日波动率的均值回复模型在预测准确性以及对不同基线温度的适应性方面要优于基于月波动率的均值回复模型和ARMA模型,更适合我国天气衍生品的定价;不同的基线温度对于各模型的预测准确率有较大的影响,因此我国在推出天气衍生品时如果考虑冬夏季月份设置不同的基线温度,那么冬季基线温度不宜过低,夏季基线温度不宜过高。     

奥运临时超市选址的优化模型

首先依据问卷调查的数据,分析了年龄结构、购物需求、出行、用餐方式之间的关系,然后进一步用逐步回归方法找出了对顾客消费额影响较大的因素为年龄结构、性别结构.以此为依据测算出20个商区的人流量的百分比分布,其中人流量最大的节点依次为:A6,B6,C4.对于各商区的人流量先折换成实际购物的标准人,然后以此作为超市规模的确定标准建模求解,建立以商业营利最大为目标,超市分布均衡及满足购物需求为约束的整数规划的选址模型,确定了在不同超市规模下,A、B、C三区应拥有的超市个数及各超市的具体所在.     

奥运靓场馆,鸟巢、水立方

会说话的纸片真是太有意思了,这其中的奥秘是什么呢?正当大家冥思苦想时,一个胖胖的男孩子跳出来骄傲地说出了其中的秘密,一个瘦男孩儿不服气了……     

一种基于季节指数的灰色马尔科夫气温预测模型

提出一种根据气温历史数据的年际周期性和季节性变化规律建立的基于季节指数的灰色-马尔科夫气温预测模型.模型将纵向与横向分析相结合方法运用到气温预报之中,通过季节指数修正气温的横向季节性变化,再用灰色模型进行预测,最后通过马尔科夫进行误差修正.实例运用中,对广州市的2000年月平均气温进行预测,在与历史数据的对比中表明,模型预测结果较为准确,可靠性较好.并讨论说明该模型也可推广到其他具有周期特征的非平稳时间序列的预测中,并大大提高预测精度.     

一种新城市气温模式分类的聚类算法

城市气温是对城市气候特性评价的一个重要指标.提出核概率聚类算法并将其应用于城市气温的模式分类中,以此寻找城市发展上的共同点.该算法在概率聚类算法上引入了核学习方法的思想,能够很好地处理噪音和孤立点,实现更为准确的聚类.实验结果表明,与相关聚类算法相比,核概率聚类算法聚类效果好,且算法能够很快地收敛.     

基于函数型非参数方法的气温数据预测分析

基于函数型非参数核回归估计的方法分析安徽省1955年至2010年月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证研究.同时,与经典的非参数回归模型的预测结果相比,本文方法的预测均方误差明显优于经典的非参数回归方法,体现出函数型非参数模型的优越性.     

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.