内部算子生成的直觉I-Fuzzy拓扑空间

在直觉I-fuzzy拓扑空间中定义了内部度,并研究了它的一些性质,接着给出了直觉I-fuzzy拓扑空间内部算子的概念,最后得到了从拓扑的直觉I-Fuzzy内部算子I出发,得到一个直觉I-fuzzy拓扑r,再利用r定义的内部算子恰好回到了I等结论.     

基于SBM-DEA模型及Malmquist指数的中国与欧盟航空运输企业能源效率比较研究

航空运输企业是高排放高污染行业,研究其能源利用效率有着重要意义.基于SBM-DEA模型,利用2010年到2015年能源投入与能源产出的相关数据,对中国和欧盟共16家航空运输企业能源利用情况进行分析研究.结果表明,总体看欧盟航空运输企业能源效率优于中国企业;动态Malmquist指数分析结果表明,中国航空企业全要素生产率波动较大,欧盟企业则更为平缓,中国企业的全要素生产率与综合效率变化指数的变动情况基本保持一致,而欧盟企业的全要素生产率则与技术进步变化指数波动保持一致;在不考虑环境因素情况下会高估TFP增长率以及技术进步增长率.中国企业应加大技术投入和管理,才能有效提升能源利用效率及全要素生产率.     

基于全球流动性背景下的新兴资本市场收益研究

随着在全球金融一体化程度不断加深,全球流动性状况对于新兴市场资产价格的影响备受关注.构建了反应主要发达国家与新兴市场国家对全球货币数量影响的广义流动性指标,并以波动率指数作为反映市场情绪的变量将市场分为平稳期和压力期.通过建立非线性面板门限回归模型考察了全球流动性状况对于金砖五国资本市场的非线性影响,结果表明在金融市场繁荣期,流动性过剩对于资产价格起到了明显的正向带动作用;而在市场衰退期间,流动性的释放并没有对资产价格的提升产生显著的影响.     

可数Sober空间的若干性质北大核心

可数sober空间是sober空间的一种推广.本文讨论了可数sober空间的一些性质,特别地证明了以可数sober空间为对象、以连续映射为态射的范畴CSOB为完备范畴以及从任意空间到可数sober空间的连续映射空间为可数sober空间.     

加权Banach空间中随机指数系完备的若干结论

在允许随机序列上密度无限且减弱权函数是凸函数的条件下,采用新的方法得到C_α中随机指数函数系完备性的充分必要条件,其中C_α是定义在R上的复连续函数构成的加权Banach空间,且要求函数在一致范数下当t→∞时以f(t)exp(-α(t))趋于零.     

股票市场的长记忆及其动态结构

本文提出了结合平均小波系数法和自回归原始自助法的稳健长记忆检验,蒙特卡罗模拟显示该方法对于短期记忆过程具有稳定性。基于该方法对2005年4月8日至2015年6月30日的中国、美国、香港和德国股市进行了实证分析。全局检验结果表明仅中国的股票市场存在显著的长记忆,并且风险因素无法对长记忆解释,而美国、德国和香港的股市不存在长记忆。基于递增窗口的动态Hurst指数分析显示,金融危机时期4个股市都存在显著的长记忆。2010年后,除中国股市外,其余三个股市几乎不存在长记忆现象。     

可行策略对应的图像拓扑下广义博弈Nash平衡的稳定性

以往关于广义博弈Nash平衡的稳定性的研究,均利用可行策略映射之间的一致度量.现考虑在更弱的度量下,利用可行策略映射图像之间的Hausdorff距离定义度量.在此弱图像拓扑下,证明了广义博弈空间的完备性,以及Nash平衡映射的上半连续性和紧性,进而得到广义博弈Nash平衡的通有稳定性.即在Baire分类的意义下,大多数的广义博弈都是本质的.     

基于离散网格的流形曲面构造综述

基于离散网格的流形曲面构造技术不仅能够生成具有高阶光滑性的曲面,并且该曲面可以是任意拓扑结构的.此外,在构造流形曲面时,无需进行额外的拼接操作,克服了传统曲面造型技术在进行面片之间的拼接时,计算量增大以及曲面光滑性难以保证的难题.本文介绍了流形曲面构造的流程以及构造过程中的难点,然后将目前已有的流形曲面构造技术分为三大类:传统意义上的流形构造方法;基于规范区域的流形构造方法;基于样条曲面推广的流形构造方法.并对每一类都进行详细地分类介绍.最后,对其作一个总结以及对未来的展望.     

指对联袂不等式 切线隔离巧证明

在高考及模拟试题中,经常出现含有指数式和对数式的不等式证明或求参数取值范围问题,本文以一道成都市2023届高考模拟试题为例,通过切线法及放缩法找到“隔离函数”,大胆猜想结论,结合导数相关知识和方法巧妙进行证明,发展学生的数学运算等核心素养.     

基于最大相关熵准则回归模型的大盘指数预测

大盘指数是衡量股票市场运行情况的“晴雨表”,是投资者洞察股票市场发展态势和制定投资策略的重要依据.大盘指数的变化趋势与经济发展状况、宏观经济政策、投资者心态等诸多复杂因素密切相关,具有明显的随机性和不确定性,这导致精准预测大盘指数的变化趋势成为一个富有挑战性的问题.文章基于最大相关熵准则,使用一种新的回归预测模型,该方法将实际输出与理想输出视为两个随机变量,并采用相关熵度量它们之间的相似程度,进而基于最大熵准则构建一种新的回归模型优化函数,用于指导回归系数的确定.在实际操作中,通常基于有限样本,采用高斯核函数的Parzen窗方法估计两个随机变量的相关熵,因此可借助高斯核函数的核宽调节,解决最小均方误差准则回归模型对异常数据和随机噪声敏感性问题,从而提升预测精度.基于实测数据的实验结果表明:与自回归模型、差分自回归模型以及深度学习方法等相比,文章所提方法能有效降低异常数据对预测精度的影响,预测误差小,鲁棒性强.