均值计数模型下汽车保险索赔频数的估计方法

汽车保险的索赔频数预测问题是非寿险精算理论和应用研究的一个重要内容。但是，在含有高维附加信息的情形下，传统的估计方法就不再适用。本文在均值计数模型基础上，利用凸惩罚函数进行变量选择，找到影响车险索赔频数的显著性因子，并通过模拟和实例分析来评价该模型和所提出的方法的可行性。     

面向高维数据的随机森林算法优化探讨

面向高位数据的随机森林算法属于数据挖掘领域中的一部分内容,做好随机森林算法的优化工作,对于高维数据的分析及处理效率的提高有着极大的促进作用。文章主要论述的便是有关这方面的内容。首先,文章针对随机森林算法的定义及其泛化误差进行了简要的概述,继而在此基础上分析了高维数据的可视化及基于随机森林的有监督降维技术,最后,文章对整个实验的结果进行了分析,得出了最终优化结论,希望能够为数据挖掘领域提供具有参考价值的意见,同时也为面向高维数据的随机森林算法优化奠定坚实的基础。     

酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。     

基于主分量分析的神经网络企业财务困境分析

目前BP神经网络已经成功用于公司财务分析与预测,为了降低神经网络的复杂性,一般只能选取部分财务指标作为模型输入,使模型的分析依据不够全面。提出通过主分量分析(PCA)对高维指标进行降维和特征提取,在保留绝大多数指标信息的前提下有效地缩小了网络规模,实验证实了方法的有效性。     

主成分法在上市公司行业经营评价中的应用

结合我国证券市场的特殊性和上市公司经营业绩综合评价的目的,选择了16个对公司业绩有一定影响的财务指标,在确立上市公司财务状况评价指标体系的基础上,应用主成分分析法对指标体系的高维变量空间进行降维处理,构建了日用消费品行业上市公司的业绩评价模型,为投资者和债权人的决策提供了借鉴。     

短快拍条件下均匀矩形阵中的二维DOA估计

二维波达方向（Direction of Arrival,DOA）估计能获取比一维DOA估计更多的空间位置信息，但是二维多重信号分类(Multiple Signal Classification，MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT）等经典算法依赖于大量的快拍数据，当快拍数据不足时估计性能严重下降甚至失效。针对上述问题，将迭代自适应方法拓展到二维DOA估计，提出了一种适用于矩形面阵的二维DOA估计算法，首先利用加权最小二乘法估计出信号幅值，然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代，而不依赖于快拍数据，因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明，在短快拍条件下，该算法具有优越的估计性能。     

博弈论视角下道德风险与基本医疗保险监督问题研究

近年来持续上涨的医保费用支出中除了正常医疗保险支出外,也存在大量的道德风险问题。文章主要用博弈论的方法从医疗服务提供方和医疗服务需求方两方面来探讨道德风险发生的机制和深层次原因,并提出了加快分级诊疗制度,保险机构探索合理的医疗费用支付方式,并抓住信息化时代,利用"互联网+"的思维来克服信息不对称局面,防止道德风险的发生。     

年龄、临近死亡时间和老年人医疗费用——关于“红鲱鱼”假说的验证

年龄的增长是否必然带来医疗费用的增长?以往的实证研究仍存在争议。使用CLHLS数据,区分不同人群,采用两部模型研究年龄和临近死亡时间与老年人医疗费用的关系。研究发现:虽然在低龄群体中医疗费用随年龄增长而提高,但高龄群体随着年龄的增长医疗费用显著下降;在死亡样本中医疗费用随年龄的增长而下降,而存活样本中并未发现年龄的显著影响。然而,临近死亡时间越短则医疗费用越高,这一规律在各群体中保持稳健。临近死亡时间并未显著影响失能老年人的医疗费用,却显著提高了一年内死亡样本的照料费用。研究表明,寿命的延长并未导致医疗费用的增长,而是推迟了医疗费用高峰期的到来。为此有必要发展和完善临终关怀服务和长期照护保障制度,以降低老年人生命末期的医疗费用并提高生命质量。     

基于机器学习的债券信用评级研究

当前债券违约事件屡见不鲜且愈演愈烈,鉴于此,该文提出了基于机器学习的债券信用等级评估模型,以在交易所市场发行债券的主体为研究对象,首先通过极端梯度提升(eXtreme Gradient Boosting)预测出债券发行主体是否会违约以及违约的概率,再使用主成分分析(Principal Component Analysis)对高维数据进行降维,最后运用K-means算法将债券样本划分为9类。检验发现,该模型的评估结果能够真实地反映债券违约情况,对帮助投资者识别违约风险具有一定的借鉴意义。     

基于百度搜索指数的CPI预测研究

在数字经济时代的背景下，高效地从大数据中提取有用信息用于预测，具有重要的理论意义和现实意义。基于高维宏观经济数据和百度搜索指数构建监督因子模型，分别利用缩放主成分分析（s-PCA）和偏最小二乘（PLS）提取因子预测我国的CPI。在此基础上，进一步利用LASSO筛选变量，对因子估计施加“双重监督”，考察“双重监督”因子模型的信息提取效率。实证结果表明：相比于无监督因子模型，监督因子模型对CPI及其“拐点”具有更强的预测能力；采用LASSO筛选变量的“双重监督”因子模型具有更高的信息提取效率，变量筛选能有效提升监督因子的预测能力；百度搜索指数对CPI具有显著的预测能力，可作为信息补充源为CPI预测提供额外的信息。     

知识辅助的两级自适应抗干扰技术

机载雷达通常工作在强杂波、强干扰的复杂电磁环境中,如何有效消除压制干扰抑制杂波是其中的关键问题。传统的两级空时自适应处理（STAP）算法在静默期采集信号得到干扰子空间,在开机阶段运用空间投影技术抑制干扰并采用降维STAP抑制杂波。虽然该算法在干扰平稳时具有较好的效果,但是在实际应用中,复杂的干扰环境会破坏广义平稳假设。因此,仅采集单个静默期的干扰样本来估计协方差矩阵会出现偏差。为了克服该问题,提出采集多个静默期的干扰信号来估计当前的干扰协方差矩阵,以此来提高估计准确度,可以更好地抑制干扰。仿真结果表明即使在当前静默期采集的干扰信息不完整时,该技术仍然能够利用以前的干扰信息准确估计干扰协方差矩阵。     

我国医疗费用增长与经济增长的相关性研究

根据我国1978—2007年国家统计数据,利用计量经济学中的分布滞后模型,研究我国医疗费用增长与经济增长之间的关系,发现我国医疗费用对收入的弹性系数小于1,医疗费用支出属于必需品;医疗费用支出有惯性,上期的医疗费用增长对本期的增长具有较强的推动作用。建议我国医疗卫生应作为公共品来管理,不应交给市场自动处理,政府应借鉴发达国家经验制定相应措施来面对老龄化引起的医疗费用增长带来的问题。     

基于EM的贝叶斯模型平均组合预测及应用研究

为了克服传统的组合预测方法没有明确考虑模型的不确定性,对贝叶斯模型平均组合预测新方法进行研究。应用贝叶斯模型平均的关键是精确估计单项模型的权重。采用期望最大化(EM)方法来估计权重。该方法操作简便,计算效率高且在运算过程中一直满足权重之和为1。通过对我国电力负荷预测实证分析表明:贝叶斯模型平均组合预测比其他组合预测方法预测精度高;EM方法估计权重比赤池信息准则(AIC),贝叶斯信息准则(BIC)估计权重得到的组合预测值,有更高的预测精度。     

基于射线跟踪的小区信号强度估计

基于经验模型的无线信号强度估计方法无法针对具体物理场景,估计结果精度低,无法满足移动通信网络规划和优化的需要。射线跟踪技术能依据场景信息跟踪电波传播路径,但现有的反向跟踪方法在进行室外成片区域信号强度估计时复杂度高,无法实用。为提高估计结果的精度,降低估计方法的复杂度,提出了一种正向跟踪信号强度估计方法,将基站天线处发射的电磁波模拟成离散的射线,在考虑建筑物形状、分布信息的基础上采用基于网格的搜索算法跟踪射线路径,在接收点处对反射、绕射射线接收合并,最终得到基站覆盖区域的信号强度分布。仿真结果表明该方法的场强估计结果和实测数据吻合程度远大于经验模型估计方法,并且80%左右的估计结果和实测数据的误差在12 dBm以内,可应用于移动通信网络规划和优化。     

医疗保险支付改革对医疗开支影响博弈分析

通过建立医方与医保机构,医方与患者间在完全信息状态下的静态博弈模型,分析医疗保险支付方式改革过程中三者行为选择的变化,以及由此对医疗费用开支的影响。发现支付方式从后付制变为预付制,减弱了医方进行诱导需求的动机,有效约束医疗费用的不合理增长;采用预付制减低了医方与患者间信息不对称的程度,对控制费用开支也大有裨益。     

基于PLS结构方程的中小企业审计费用影响因素分析

本文使用PLS结构方程建立企业审计费用模型,模型包括客户规模、客户业务复杂性、审计风险、事务所声誉、公司治理五个理论构面,并用中小板上市公司数据来检验变量之间的相互依存关系,最后的模型结果显示结构方程模型对解释审计费用的变量因素相互关系提供更多信息。     

医保基金统计分析在控制医疗费用增长中的作用与影响因素

随着医疗费用不断增长,控制医疗费用成为了一个重要的社会问题。医保基金统计分析作为一种管理工具,可以在控制医疗费用增长中发挥关键作用。本文旨在分析医保基金统计分析在控制医疗费用增长中的具体作用及其影响因素。对医保基金统计分析的定义、范围和发展历程进行了阐述。通过优化医疗资源配置、提高医疗服务质量以及强化医疗费用管理等方面的分析,明确了医保基金统计分析对于控制医疗费用增长的作用。随后,针对政策环境、数据质量和可用性以及统计分析技术和方法等方面的因素,系统分析了影响医保基金统计分析的因素。最后,讨论了医保基金统计分析所面临的挑战,并提出相应的对策。通过本文研究,可以为进一步探索医保基金统计分析的效果与方法提供参考。     

基于PSO-BP神经网络的DOA估计方法

提出利用粒子群算法优化BP神经网络来改善来波到达角估计性能的方法。传统的BP神经网络 易 陷入局部最优,因此采用粒子群算法对网络的权值和阈值进行优化,并将其应用到来波到达 角估计中。所提方法仅利用阵列协方差矩阵的第一行作为来波方位特征,与常用的 协方差矩阵 上三角特征相比,在不损失有效方位信息的基础上使特征维数极大降低。仿真实验 证明：同经典的RBF神经网络方法相比,基于所提方法的神经网络结构更简洁,泛化性能更 好,来波方位估计精度更高。     

基于极值理论以MH方法研究我国黄金现货的风险价值

本文针对金融时间序列数据存在的尖峰厚尾特性,应用极值理论对数据尾部进行建模,用GPD分布拟合尾部特征,计算我国黄金现货的风险价值（ value at risk）,以对黄金投资者进行风险提示。针对现有VaR计算中主流方法的缺陷,本文应用基于马尔科夫链蒙特卡洛（ Markov Chain Monte Carlo, MCMC）模拟的方法对POT模型进行估计,以克服传统Monte Carlo模拟的高维、静态性缺陷,以提高估算精度,从而得到相应的风险价值。通过对我国黄金现货Au9995的实证分析和计算,可以根据过去的数据预测未来的在险值。     

中条山集团离休干部医疗费用报销数据的分析报告

为了进一步完善中条山集团享受公费医疗报销待遇人员的医疗保障管理,文章对近五年来中条山集团离休干部、二乙军残人员(以下简称离休干部)的医疗费用报销相关数据进行统计学相关分析,根据分析结果发现医疗费用报销数据的发展变化趋势,深入剖析其内在原因,找出目前离休干部医疗费用报销管理制度的短板并提出针对性的建议,仅供相关决策者综合统筹考虑,以便精准施策。