中国经济周期与股市周期协同性研究——基于DCC-GARCH模型

经济周期与我国股票市场有着复杂的关系，探究股市周期和经济周期的协同性有着重要的意义。本文以GDP和上证指数分别代表经济周期和股市周期，通过HP滤波提取二十多年的相应指标数据中的周期成分，并绘制相应的周期波动情况，接着引入DCC-GARCH模型，对股市周期与经济周期的动态相关性进行分析。宏观经济周期与股市周期之间的相关性一直处于正向关系且具有波动性，但并非一直保持较高的协同性，受金融危机等全球性事件的影响，二者相关性上下急剧波动较大。     

“双碳”目标下我国煤炭减量化使用的压力指数测度研究

煤炭是我国能源供给的主体品种，煤炭使用是我国碳排放的主要来源，在双碳目标和能源保供给的双重约束下，煤炭减量化使用很迫切，但会给国民经济带来较大的压力。本文通过修正的等方差加权法测度我国30个省(区、市)煤炭减量化使用的压力。在全国层面的分析中，本文基于ARIMA模型与ARMA-EGARCH(1,1)模型，得到了煤炭减量化使用压力指数在2021～2035年有下降的趋势，且煤炭波动的风险处于可控范围的结论；在地区视角下的研究区域层面的分析中，本文基于ARIMA模型与灰色关联度模型，得到了煤炭减量化使用压力指数的变化趋势存在地区间、地区与全国层面的异质性，在2014年后异质性逐步降低，在2021年后异质性变化将进一步平稳等结论。应坚持“先立后破”的能源转型思路，大规模发展可再生能源，为煤炭减量化使用创造宽松的外部经济环境；要积极赋能煤资源型地区和煤炭企业进行自我转型，降低煤资源型地区的减煤压力。     

一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波（QMC-GPF）算法（SQMC-GPF）,以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题。该算法中，在连续的迭代滤波过程开始之前，首先利用QMC采样产生单位拟高斯分布粒子集，然后用其线性变换产生GPF算法中需要的高斯分布粒子集，省去了重新进行QMC采样步骤。该算法简化了新粒子集的产生过程，减少了运算量和滤波时间，增强了算法的实时性。将粒子滤波算法（PF）、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型（UNGM）和二维纯角度跟踪模型（BOT）的仿真结果表明，SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近，但有更为明显的速度优势，具有重要的实际应用价值。     

基于数据重用的集员滤波拟仿射投影盲均衡算法

传统常模盲均衡算法应用广泛但是其收敛速率很慢。为了满足在短突发数据条件下的信道盲均衡，提出一种基于数据重用的集员滤波拟仿射投影盲均衡算法。该算法将仿射投影思想结合到常模算法中，利用多数据向量同时提取信道信息，再附加改进的集员滤波算法有效减小了运算量，并结合数据重用思想重新设计所匹配的数据重用方式。仿真结果证明所提算法具有较快的收敛速率，与同类算法相比能提前700个迭代点收敛，且在信噪比为10 dB以上的信道环境中也有较好的效果，能够在短突发数据信道均衡中有效发挥作用。     

利用Kalman滤波修正卫星导航差分RTK定位坐标

卫星导航差分RTK(Real Time Kinematic)定位方法的定位精度极易受到载波相位整周模糊度固定算法的影响，在模糊度固定失败的情况下，差分RTK定位将出现大幅偏差。针对该问题，基于Jerk模型提出了一种利用Kalman滤波修正差分RTK定位坐标的方法。在传统Jerk模型基础上，将卫星导航系统输出的载体运动速度信息引入状态空间模型的观测方程。基于扩展状态空间模型，利用Kalman滤波器实时修正载体的位置坐标。半实物仿真表明，所提方法能大幅改善卫星导航差分RTK定位精度。