区间型符号数据回归分析及其应用

介绍了符号数据分析方法的基本理论.针对一种最常用的符号数据——区间型符号数据,基于误差传递的理论,提出了区间回归分析的方法.方法包括了线性回归分析和可线性化的非线性回归分析两种情形.讨论了基于Hausdorff距离的区间数距离,基于此定义了回归模型的评价指标.进行了方法的应用研究,选取沪深300指数与中信规模风格指数,从时间维上对其日内数据进行数据打包,形成区间型符号数据;建立了区间线性回归分析模型,从全局上揭示了两类指数间的相关性.结论表明,与针对点数据的传统回归分析相比,区间型符号数据的回归分析方法不仅实现了样本空间的降维,而且有利于从整体上把握变量之间的内在关系.     

一般分布区间型符号数据的 K 均值聚类方法

对于区间型符号数据聚类分析的研究,现有方法大多假设个体在区间内服从均匀分布,这往往并不符合实际情况． 针对此问题,研究一般分布的区间型符号数据 K 均值聚类方法,给出了一般分布区间型符号数据的定义,并基于经验分布理论研究其描述统计． 基于 Hausdorff距离,考虑区间数所包含个体的分布信息,提出了一种新的区间型符号数据距离度量．给出了一般分布的区间型符号数据 K 均值聚类算法．通过随机模拟试验对该方法进行了有效性评价,结论表明,在各种实验设计的条件下,考虑一般分布的 K 均值聚类算法有效性均优于均匀分布假设下的 K 均值聚类算法．最后将文中方法应用于汽车的聚类分析,进一步体现了文中方法在解决实际问题中的优势．     

考虑内部散点的区间型符号数据的回归分析

研究通过对样本“点”数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本“点”数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

考虑内部散点的区间型符号数据的回归分析北大核心CSCDCSSCI

研究通过对样本"点"数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本"点"数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

L-R型区间DEA模型及其变换

本文探讨了评价指标为IR型区间数时,决策单元的相对有效性评价问题,提出了I-R型区间DEA模型.相对一般DEA方法,该模型具有计算简单、适用性广、经济含义明确等特点.     

基于经验相关矩阵的区间主成分分析

给出了针对区间数据样本的主成分分析方法.为此,首先研究了区间数据样本的经验描述统计量,其中包括单变量的均值与方差、双变量的协方差与相关系数.然后,基于经验相关矩阵,给出了区间主成分分析的算法,该算法最终得到区间数表达形式的主成分取值.最后给出算例,分析表明文中方法实施简单,克服了区间主成分分析现有方法的缺点.     

区间数运输问题模型及其模糊目标规划求解方法

本文在对不确定性运输问题研究现状的基础上 ,建立了运输价格、可供应量和需求量均为区间数的运输问题数学模型。根据参数实际的意义和区间数的模糊序关系 ,针对所建模型 ,用模糊目标规划的方法求解 ,得到了使每个约束都尽可能满足的满意解     

非均匀分布下区间数排序可能度计算模型及其应用

区间数排序的可能度计算模型是学术界一直在不断探索的基础性问题之一。区间数刻画着事物属性特征的取值范围,以往学术界都假设在区间内的取值服从均匀分布。本文将均匀分布推广到一般分布,运用概率论的方法,构建了一个新的区间数排序的可能度计算模型,由此修正了以往关于两个区间数全等的定义,提出了区间数形等的概念,同时进一步修正了可能度的自反性条件和区间数的综合排序方法,并将理论应用于多属性决策问题,给出了基本的决策过程,通过实例决策问题的计算,呈现了新理论和新方法的可行性和合理性,具有很好的推广应用价值。     

考虑概率分布的区间数综合评价方法

本文在考虑概率分布的前提下对区间数进行比较,提高了评价的准确性.并经过实例验证具有可行性.     

只有输出的广义样本区间DEA模型

在应用多个绩效指标综合评价决策单元有效性时，决策者常常把这些决策单元与另外预先指定的标准（样本单元）进行比较。由于客观事物的复杂性和不确定性导致样本单元和决策单元的指标信息有时必须用区间数的形式给出。针对区间数指标信息的综合评价问题，本文通过分解的方法讨论样本单元和决策单元指标信息为区间数时用广义DEA模型评价决策单元有效性的方法，并相应地构建了只有输出的广义区间DEA模型。同时，对模型的含义、求解以及性质等进行了分析。之后，探讨了该方法在决策单元有效性分类和排序中的应用。最后，通过实例表明该方法的可行性和有效性。     

区间DEA模型求解算法及其在项目投资效率评价中的应用

当决策单元的变量取值区间范围较大时,经典区间DEA求解算法求得的相对效率区间长度也可能较大,对决策单元有效性的解释力低,很难直观反映相对效率的大小。将决策单元的变量区间划分为若干个子区间,分别计算决策单元在各子区间上的DEA效率,进而求得综合效率区间,作为评价决策单元有效性的基准。综合效率区间的区间长度比经典算法的求解结果小,将新算法应用于投资项目的效率评价,便于对投资项目的效率大小进行比较,进而为项目投资决策提供科学依据。     

超效率DEA模型的区间扩展

将一种改进的DEA模型-超效率DEA(SE-DEA)模型[1]拓展到区间投入产出情形,得到区间SE-DEA模型。定义了一种反映决策者满意度的区间数序关系。当决策者给定一满意度水平,将区间SE-DEA中的区间不等式约束转化为确定型约束。研究了该满意度水平的另一层含义,即决策者对除被评价决策单元外的其它决策单元的偏好程度,据此将区间SE-DEA中的区间等式约束和区间目标函数转化为确定型。最终将区间SE-DEA转化为某一满意度水平下的确定型SE-DEA,并进行求解。最后将文中方法应用于天津市某4家科研所的效率预测问题之中。     

基于因子分析与DEA方法的旅游上市公司效率评价

提出了基于因子分析的DEA组合评价方法。该方法综合了因子分析和DEA 2种方法的优点,以DEA为中心,以因子分析为辅助,通过因子分析法对投入产出指标进行处理,把繁多的投入产出指标归并成若干个具有明确经济意义的公共因子,从而利用DEA模型计算出各个决策单元的相对效率值,实现各决策单元的排序。通过我国旅游上市公司2000~2005年财务数据的评价说明这种方法的有效性。     

基于符号时间序列方法的金融收益分析与预测

引入符号时间序列分析方法从大尺度的角度分析收益变化的特征,提出了确定收益变化的主要模式并预测收益水平的方法。首先将收益序列转化为符号序列,由符号序列中不同的字代表不同的收益变化模式,根据符号序列直方图,可以确定收益变化的主要模式。然后,根据各收益变化模式的概率分布,在前几个时点收益水平确定的情况下,可以推知下一个或几个时点处于不同收益水平的概率,从而实现对收益水平的预测。对上证综指、深证成指以及上证工业股指数、上证商业股指数、上证地产股指数、上证公用事业股指数共六个股票指数的收益序列进行了实证分析,确定了各指数收益的主要变化模式,并基于主要变化模式进行了收益水平的预测,从而说明了该方法的有效性和可行性。     

企业效益评价因子分析模型及应用

本文将因子分析方法应用于社会科学领域的经济评价系统。从一些错综复杂的经济现象中找出少数几个主因子,每一个主因子代表经济变量之间相互依赖的一种经济作用,抓住这些主因子就可以帮助我们对复杂的经济问题进行分析和解释。在简要介绍因子模型以后,从实证分析的角度,选取深沪股市高科技板块 2 0家上市公司1998年中期的一系列经济评价指标,采用因子分析方法,并借助社会科学统计软件SPSS,进行企业的综合经济效益分析评价,得出因子分析是一种进行企业综合效益评价的有效方法。     

基于Hawkes因子模型的股价共同跳跃研究

本文首先比较了三种目前主流的共跳检验方法：基于LM检验的共跳检验、BLT共跳检验和FHLL共跳检验,结果表明,三种方法在识别共跳数量上差距明显,但三者结果的重合部分基本属于市场暴涨暴跌行情,说明共跳识别对市场剧烈波动的聚集性较为敏感。基于跳跃、共跳存在的聚集性问题,本文将Hawkes过程引入跳跃和共跳的研究,构建了基于Hawkes过程的因子模型,结果显示,基于Hawkes因子模型的MJ统计量、CJ统计量和实证数据的拟合程度较好,表明因子模型能够更好地描述跳跃和共跳的聚集性。     

基于区间数的多阶段交互式群体评价方法及应用

针对目前多阶段交互式评价研究数量相对较少并且均是基于点值评价信息的缺陷,以及大多数群体评价研究中忽视了评分区间与可变评价信息的内在联系等不足,综合讨论了一种基于区间数的多阶段交互式群体评价方法。本文首先分析了交互式评价中区间型评价信息的特性,进而提出了评分区间重置算法的设计思想。该算法能够实现评分区间与每轮调整后评价信息的协同调整,并推动交互的进行,使评价信息趋于稳定。然后从稳定性角度出发,设计群体评价信息的稳定性指标,以此讨论交互终止条件。最后给出一个应用算例,算例表明了该方法的可行性和有效性。     

指令不均衡与股票收益关系研究——基于大规模数据分位数回归的实证

在指令不均衡与股票收益关系研究中,常常遇到两个困难：第一,不同市场环境下,前者对后者存在异质影响;第二,往往涉及大规模数据处理。为此,运用大规模数据分位数回归的方法,一方面揭示不同分位点处指令不均衡对股票收益的异质影响,细致刻画两者之间关系;另一方面适应大规模数据建模要求,得到更为可靠的结果。以上证A股和深证A股为研究对象,通过大规模数据分位数回归方法,得到了比均值回归更多有用信息。实证结果表明：第一,在高分位点处,滞后1期指令不均衡对股票收益具有正向影响且呈现上升趋势,而在低分位点却具有负向影响;第二,控制当期指令不均衡后,滞后期指令不均衡对股票收益具有负向影响,且随着分位点的增加呈现下降趋势。这些结果意味着,指令不均衡对股票收益具有一定的解释能力和预测能力。