Combining long memory and level shifts in modelling and forecasting the volatility of asset returns

We propose a parametric state space model of asset return volatility with an accompanying estimation and forecasting framework that allows for ARFIMA dynamics, random level shifts and measurement errors. The Kalman filter is used to construct the state-augmented likelihood function and subsequently to generate forecasts, which are mean and path-corrected. We apply our model to eight daily volatility series constructed from both high-frequency and daily returns. Full sample parameter estimates reveal that random level shifts are present in all series. Genuine long memory is present in most high-frequency measures of volatility, whereas there is little remaining dynamics in the volatility measures constructed using daily returns. From extensive forecast evaluations, we find that our ARFIMA model with random level shifts consistently belongs to the 10% Model Confidence Set across a variety of forecast horizons, asset classes and volatility measures. The gains in forecast accuracy can be very pronounced, especially at longer horizons.     

Signal Extraction Problems in Seismology*

The earth's surface is under continuous influence of a variety of natural forces such as the effect of past earthquakes, wave, wind, tide, air pressure, precipitation and a variety of human induced sources. Since it is almost impossible to describe the response to these noise inputs precisely, for automatic processing of seismic data, proper statistical modeling is necessary. In this paper, we describe four specific examples of time series modeling for signal extraction problems related to seismology. Namely, we consider 1) the estimation of the arrival time of a seismic signal, 2) the extraction of small seismic signal from noisy data, 3) the detection of the coseismic effect in groundwater level data contaminated by various effects from air pressure etc., and 4) the estimation of changing spectral characteristic of seismic record.     

哈尔滨大都市圈支撑体系和圈层化结构评析

通过宏观背景、条件环境、产业空间等方面的分析，综合了哈尔滨大都市圈形成发展的支撑体系，构建了圈层结构，包括圈层空间范围结构、产业圈层化结构、空间圈层化结构和交通网络圈层化结构，论述了圈层化过程阶段，提出了哈尔滨大都市圈层化调控对策措施。     

基于三生功能优化的国土空间综合分区理论框架

国土空间综合分区必须要从立体层面建立新的空间认知。国土空间三生功能理论给出了宏观尺度国土认知的基本范式,其与微观尺度的三生空间有着显著的区别,三生功能源于三生空间,但又高于三生空间的局限。在进行国土空间综合分区时,需要进行国土空间标准地域划分;在分区的基础上,三生功能的空间协同优化可依据“反规划”理论实施。国土空间综合分区可以通过一个“千层饼”模型描述,综合分区就是按照区内功能相似、区间功能差异的分区原则对“千层饼”进行切分。湖南省国土空间综合分区范例表明,利用三生功能解释国土空间优化是可行的,所构建的理论模型也易于理解,划分的结果符合国土规划的综合性定位需求。     

水土保持在城市绿地规划设计中的应用

城市绿地的建设虽然可以在短时间改善城市植被覆盖率,提升人均绿地面积,但是其是否可以起到有效地防治水土流失的作用则是一个关键的问题。通过分析城市绿地可能发生水土流失的原因,探讨了在城市绿地中水土保持措施的布置原则,并且提出了水土保持措施的设计方法,以期为城市绿地规划设计进一步提供科学指导。     

论宅基地使用权的空间权塑造

研究目的：通过对宅基地使用权立法历程进行溯源性研究,以及国外相关立法例比较研究,厘清宅基地使用权发展路径,结合现实需要,对宅基地使用权未来塑造指明方向。研究方法：系统分析法、比较分析法。研究结果：对宅基地使用权进行空间权塑造实有必要,这将十分有利于中国的城镇化进程,是破解宅基地使用权“流转”谜题和释放大量农村建设用地存量资产的钥匙。研究结论：应结合社会现实和立法发展方向,进行宅基地使用权空间权塑造。     

基于农用地分等成果的基本农田划定方法研究

基本农田保护是耕地保护的重要核心部分,对于确保国家粮食安全,维持社会稳定,推动社会经济又好又快发展具有重要的意义。本文以阿克苏市为研究区域,以农用地分等成果为依据,运用GIS叠置分析功能,对基本农田现状分布图和农用地等别图进行叠加,通过分析社会经济发展、耕地区位以及政策因素等对基本农田空间布局的影响,得到科学合理的基本农田空间布局成果。     

高层建筑结构设计中常见问题及处理措施

高层建筑相对于普通工民土建建筑设施要求较高。目前我国在高层建筑结构设计中存在多种问题,给建筑的实际施工和日常使用管理带来巨大的困难。     

港口物流集聚动力空间及其对区域经济的效应分析

采用洛伦兹曲线分析港口物流集聚程度,并分析港口物流集聚的技术驱动力、区位驱动力、市场驱动力、经济驱动力和政策驱动力五大驱动力机制,然后采用Logistic模型分析港口物流集聚动力空间对区域经济的影响效应。     

低碳城市发展地域系统优化研究：以上海临港新城为例

城市地域系统的结构决定了城市低碳发展的基础。在反思传统城市地域系统规划低碳发展的局限性基础上,以临港新城低碳城市地域系统优化案例为研究对象,对空间结构、土地利用、交通体系等城市地域系统核心构成要素进行低碳优化分析。研究指出低碳城市地域系统在空间结构上具有高密度、高容积率、高层的紧凑型特征,多中心的梯级空间格局,分散组团式的空间开发;集约化、多样化的复合功能的土地开发;公共交通导向的走廊式空间规划,发达的小地域空间道路体系等特点。