机构投资者对证券市场价格波动性的影响——基于Topview数据的实证研究

本文在完整的市场结构数据基础上,研究了市场波动性与机构投资者之间的相互关系。在研究数据方面,我们采用了深度、高频的Topview数据,既避免了前人在研究数据方面的以偏概全,也让我们可以采用更为先进、稳健的实证方法。我们设定了恰当的波动性度量指标,运用了稳健的因果推断方法。并用脉冲响应和方差分解的方法细腻刻画两者之间的相互关系。本文的主要结论是:机构投资者持股比率的波动对上证指数波动有显著的影响,是导致上证指数波动最为主要的原因,法人投资者和个人大户投资者持股比率的变动对上证指数的波动几乎没有影响,机构投资者持股比率波动还会向法人投资者、个人大户投资者持股比率溢出,这些表明在上海证券市场上机构投资者是市场波动的主要来源和主要原因。机构投资者的多元化、坚决推进市场的规范化改革应当成为未来政策关注的重点。     

图像的薛定谔变换初探

介绍了图像的薛定谔变换的定义,并研究了图像的薛定谔变换性质在图像处理与分析的应用。在图像中多个目标的内部和外部区域,利用图像的薛定谔变换得到,实现多目标轮廓的自动提取,以及实现图像修描。最后用实验证明了该方法的有效性。     

产业集聚一定能带来经济效率吗：规模效应与拥挤效应

规模效应与拥挤效应是产业集聚“一枚硬币的两面”,集聚也会导致集聚效应由规模效应向拥挤效应转变。本文利用１９９９～２００７年全国６０个工业城市数据,实证分析拥挤效应对全要素生产率的影响,证实了拐点的存在。通过运用门限模型发现２００３年是我国经济发展的拐点,进一步的面板回归表明２００３年及以前规模效应占主导,之后拥挤效应的约束性作用逐渐凸显,集聚度与全要素生产率存在着倒Ｕ型关系。本文的研究结论有着重要的政策启示：一是我国已经进入拥挤时期,鼓励先发地区向欠发地区产业转移有着必要性;二是就城镇化建设而言,在鼓励农村富余劳动力向城市转移过程中,缺乏要素激励的转移可能只会产生拥挤效应而不是规模效应。     

基于FLUENT的消毒设备结构优化仿真

基于FLUENT软件对消毒设备抄板结构、抄板个数、消毒室的直径进行了模拟优化.通过研究相同的位置截面上温度场的分布情况得到相对合理结构参数,优化设备结构,提高设备消毒效果.     

浅述岩体力学参数监测在隧道施工中的重要性

采用新奥法进行隧道工程施工时,设计单位只能根据监控单位和施工单位反馈的监控数据和隧道开挖揭露情况对设计的合理性进行宏观判断,隧道设计时应把力学计算和实际背景岩体力学参数相结合,才能更科学、经济的按照新奥法的理念完成隧道工程的设计、施工。     

股价波动序列的综合预测法研究

股票市场中股票价格的波动是一个非线性混沌时间序列,其参数是随时间变化的。笔者提出的多层递阶一灰色预测综合预测法是运用多层递阶法,通过辨识时变参数,建立时变参数动态预测模型,并在此基础上进一步运用灰色预测方法,通过对时变参数的预测来预测股票价格的波动。实例表明：多层递阶一灰色预测综合预测法有较好的预测精度。     

水平井水力参数优化设计研究

水平井水力参数的优化设计,是指在一口井施工以前,根据水力参数优选的目标,对钻进水平井时的每个井段所采取的钻井泵工作参数(排量、泵压、泵功率等)、钻头和射流水力参数(喷速、射流冲击力、钻头水功率等)进行设计、计算。分析钻井过程中与水力因素有关的各变量可以看出,当地面机泵设备、钻具结构、井身结构、钻井液性能和钻头类型确定以后,真正对水平井水力参数大小有影响的可控参数就是钻井液排量和喷嘴直径。因此,水平井水力参数优化设计的主要任务也就是确定钻井液排量和选择喷嘴直径。     

Smith预估器在过热气温控制中的应用

针对过程控制滞后的问题,介绍Smith预估器的控制原理和应用,把一种改进的Smith预估控制器应用于发电厂过热气温控制。并利用ITAE优化准则给出了改进Smith预估控制器的参数整定方法。以达拉特发电厂#4机组过热汽温控制为例探讨Smith预估器对过热汽温控制时参数的整定方法,并对实施后的效果与常规PID控制效果进行比较和总结。     

Forecasting economic time series using score-driven dynamic models with mixed-data sampling

We introduce a mixed-frequency score-driven dynamic model for multiple time series where the score contributions from high-frequency variables are transformed by means of a mixed-data sampling weighting scheme. The resulting dynamic model delivers a flexible and easy-to-implement framework for the forecasting of low-frequency time series variables through the use of timely information from high-frequency variables. We verify the in-sample and out-of-sample performances of the model in an empirical study on the forecasting of U.S. headline inflation and GDP growth. In particular, we forecast monthly headline inflation using daily oil prices and quarterly GDP growth using a measure of financial risk. The forecasting results and other findings are promising. Our proposed score-driven dynamic model with mixed-data sampling weighting outperforms competing models in terms of both point and density forecasts.