基于区间直觉模糊不确定语言变量的VIKOR方法及其在房地产开发风险评价中的应用

采用区间值直觉模糊不确定语言变量建模决策中存在的不确定信息,给出了一个新的不确定环境下的VIKOR方法.首先采用区间直觉模糊不确定语言变量对方案进行评价,然后将VIKOR方法进行推广到新的不确定环境下,给出新的方案排序方法.最后为了说明方法的有效性和合理性,将所给的方法应用于房地产开发方案的风险评价中.     

基于最大期望满意度与背景风险的模糊投资组合模型研究

模糊投资组合是不确定性理论研究的重要领域.然而,由于人的理性局限性,投资者在决策的过程中,可能不是追求理性的效用最大化,而是追求心理满意度的最大化;在金融市场中,投资者不仅面临市场风险,也需要承担由自身因素产生的背景风险.因此,提出了一个考虑背景风险等因素的最大期望满意度模型,该模型的目标是最大化投资组合收益与最小收益证券的差值;最后,以上海证券交易所180指数的十支证券构成的的投资组合为例,分析了此模型在分散投资风险与增加满意度方面的有效性.     

基于模糊收益率的投资组合模型构建及应用

投资组合理论是现代化投资管理活动的理论支持,广泛应用于证券投资领域.将模糊集理论与投资组合理论相结合,建立基于可能性理论和机会测度的投资组合模型,并用混合智能算法对模型求解.选取上证50指数成分股近两年的交易数据对模型进行实证分析.结果显示,模型构建的投资组合收益率优于经典模型收益率和上证50指数同期收益率,模型显著有效.     

基于表面解吸常压化学电离质谱法快速评价咖啡种子活力

为快速、无损地区分不同活力的咖啡种子,采用自行研制的表面解吸常压化学电离质谱(DAPCI-MS),在无需样品预处理的前提下,获得咖啡种子表面的化学指纹图谱,并分别进行了主成分分析(PCA)、聚类分析(CA)和判别分析(DA),获得不同活力的咖啡种子样品的质谱信息特征.结果表明,在正离子模式下,DAPCI-MS结合多变量分析方法能有效区分不同活力的咖啡种子.PCA提取了3个主成分,累计贡献率达到92.2％;CA可以将相同活力的咖啡种子聚在一起,准确率为100％;DA对训练样本的回判正确率为100％,交叉验证分析成功率为100％,对外部验证样本进行DA,正确率95.7％.本方法具有无需样品预处理,分析速度快,灵敏度高,对种子无损伤等优点,能为其它种子活力测定提供参考.     

激光诱导击穿光谱检测青菜中镉元素的多变量筛选研究

利用激光诱导击穿光谱(LIBS)技术与常规化学分析方法获取28个浓度梯度含Cd元素的青菜样品的LIBS谱线信息以及Cd含量信息.对获取的光谱信息结合标准归一化处理(SNV)、一阶导数(FD)、二阶导数(SD)、中心化处理(Center)作为偏最小二乘法(PLS)模型的优选方法;再根据4种预处理方法的预测结果选取最佳方法,同时将该方法作为间隔偏最小二乘法(iPLS)与联合区间间隔偏最小二乘法(SiPLS)优选青菜LIBS谱线的最佳波长区间.结果表明:通过SiPLS优选的特征波长区间分别为214.72 ～ 215.82 nm,215.88～ 216.97 nm,225.08 ～ 226.35 nm,并且经过中心化预处理后建立的验证模型效果最好,结果显示交叉验证均方根误差(RMSECV)为1.487,验证均方根误差(RMSEP)为1.094,相关系数(R)为0.9942,平均相对误差(ARE)为11.60％.研究结果表明,所选优化方法适合青菜中重金属Cd元素的LIBS校正模型的建立,且具有较好的预测效果.     

论化学平衡中的独立等量关系

物料平衡等式(MBE)、电荷平衡等式(CBE)和质子平衡等式(PBE)是化学平衡定量解析中的常用等量关系。本文从理论上证明了CBE可以由MBE导出,因此在计算中不是一个必不可少的独立条件。由于H~+来源的多样性,在涉及酸碱的化学平衡中,CBE比MBE的计算效率更高。这些结论与计算实践相一致,即在配位平衡、氧化还原平衡和沉淀平衡的计算中,MBE为主,CBE起辅助作用;在酸碱平衡计算中,CBE为主,MBE为辅。PBE也不是一个独立等量关系,而且仅适用于酸碱平衡,可以完全被效率更高的CBE代替。本研究明确了化学平衡中的独立等量关系,不仅有助于提高化学平衡定量解析的效率,而且使其理论结构更加简洁明晰。     

添加超实数而不加实数的力迫

本文研究了加强型Mathias力迫及其在不可数情形下的推广.通过力迫法,证明了Mathias力迫添加支配性实数,而加强型Mathias力迫添加的是无界、非支配性的实数.还证明了ω₁上的Mathias型力迫添加的是无界、非支配性的ω₁类实数且不添加新的实数.这些结论可应用于对实数上的基数不变量的研究.     

分位数回归在医疗消费影响因素研究中的应用

基于分位数回归及其变量选择模型,利用2011年中国健康与营养调查数据(CHNS)实证分析了医疗消费的影响因素.通过Lasso方法从多个影响因素中选取出了对医疗消费影响较大的因素,发现个人收入、年龄、受教育程度、患病程度和地区变量对医疗消费的影响较大,通过分位数回归模型,对影响医疗消费诸因素的作用方式与程度进行了研究.     

面板半参数空间自回归模型的变量选择——基于STIRPAT模型的碳排放影响因素分析

变量选择有助于简化模型,提高估计和预测的精度,但目前鲜有涉及面板半参数空间自回归模型变量选择的研究。本文在ALASSO的基础上提出了SSAR-ALASSO法,该法的核心在于惩罚函数的选择和目标函数的构建。SSAR-ALASSO在变量和参数的对应关系、惩罚函数的选择、特殊参数的取值区间以及适用模型等方面与ALASSO存在差异。模拟结果显示,SSAR-ALASSO法在变量选择的准确性和参数估计的精度两方面均表现良好,随着样本容量的增加表现效果更佳。本文在碳排放量影响因素实证中采用SSAR-ALASSO法对STIRPAT模型进行变量选择。研究结果表明人均财富、技术水平、产业结构、所有制结构和产业集聚显著影响碳排放量,城市化、对外开放、能源价格和环境政策对碳排放量无显著影响。     

稀疏VAR在股票收益率研究的应用

向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。