基于马尔科夫链蒙特卡罗模拟的金融极值风险测度

2015年底,中央经济工作经济会议首次在金融领域提出了去杠杆的要求。2017年一行三会展开了对金融领域快速去杠杆的工作,影子银行与股票市场首当其冲。影子银行概念最早由美国华尔街基金经理提出,美国学术界很多观点认为次贷危机中美国影子银行与美国股市的极值风险都很显著。在新常态之前,中国的影子银行高速增长,货币超发与资金脱实向虚显著。国内学术界对中国的影子银行与股票市场的关系也进行了一定的探索,但并没有通过建模研究二者的极值风险。本文基于马尔科夫链蒙特卡罗模拟比较了两个金融时间序列的极值风险,结果发现A股市场的极值风险大于影子银行,并提出相关建议。     

基于马尔科夫识别的敌我目标识别新方法

针对敌我识别系统在现代战争中的保密要求,提出一种将马尔科夫系统识别技术应用于敌我识别的新方法,每个发射机按照系统分配的转移矩阵发射随机码,接收机利用已知的不同我方作战单元的转移矩阵,判断码序列所属,实现我方目标的识别。与传统方法相比,发射机每次按照一定的转移概率发射服从马尔科夫分布的随机编码,大大提高了敌方截获和破译的难度,提升了系统的抗欺骗干扰性能。仿真结果表明,该方法在发射序列比较长的情况下,可以获得准确的识别结果。     

基于灰色马尔科夫模型的道路施工期交通量预测

针对城市道路施工期,交通量历史数据少的特点,建立灰色马尔科夫交通预测模型,并以崇川路由西向东断面的交通量数据为例进行研究。结果表明,此模型相比于传统的GM1,1模型预测交通量具有更高的预测精准度,能够更好地研究道路施工期交通量的发展趋势。     

融资融券交易对股市波动率的影响 ——来自中国证券市场的经验证据

随着融资融券试点的推出,我国证券市场的单边交易模式正式宣告结束,以2010年4月至2019年7月为样本期,构建时变参数向量自回归(TVP-SV-VAR)模型,探究融资融券交易和中国股市波动率之间的动态联系.实证表明:融资融券交易对我国股市波动存在即时和滞后效应,且短期抑制效应相对显著.此外,股市波动对融资融券交易同样存在负向影响效应,在暴涨暴跌行情中该效应更为显著.     

“互联网+”时代基于Markov链的企业战略联盟生态圈合作伙伴选择分析

提出了在"互联网+"时代企业战略联盟生态圈的概念,探讨了企业战略联盟生态圈的创新范式,构建了基于Markov链的企业战略联盟生态圈合作伙伴动态模糊综合评价模型,并采用算例检验了该模型的可行性。     

基于马尔科夫链的上证综合指数的预测

本文在当前股票市场的背景下,通过马尔科夫的平稳分布和最终的稳态条件,计算出大盘涨、平、跌三个状态的概率分布,并对投资者提出一定的借鉴性建议。     

基于扩展的跳跃SV模型的全国社保基金波动研究

对传统的跳跃SV模型进行扩展,提出了波动率方程中带有协变量的跳跃SV模型,给出了模型参数估计的MCMC算法,并将扩展的跳跃SV模型用于研究全国社保基金的波动特征。研究发现,相对于SV-N、SV-T、SV-M、杠杆SV-N和传统的跳跃SV-N等模型,扩展的跳跃SV模型建模效果最好;社保基金收益率具有明显的跳跃特征,并且跳跃的概率较高;基金重仓的对数ARCH项每增加1个百分点,社保重仓的对数波动率将增加0.5188个百分点。     

我国金融不稳定性及其对宏观经济非对称影响分析北大核心CSSCISSCI

本文首先通过马尔科夫区制转移的多元动态因子模型,得到能够反映我国金融系统内在不稳定性的潜在不可观测因子,分析了我国金融系统在"金融不稳定区制"和"金融稳定区制"下的不同特征;其次,本文以"金融不稳定性假说"、"金融加速器理论"等研究为理论基础,通过一个特定的马尔科夫区制转移的自回归模型MSIAH(M)-ARX(P)研究了我国金融系统不稳定性对宏观经济的非对称影响。实证结果表明,我国金融系统具有内在的周期不稳定性,并且在不同的经济增长状态下这种金融不稳定性对宏观经济的影响具有非对称性,在"高速增长"阶段对经济具有显著的正向放大作用,而在"适速增长"阶段的影响不显著。     

基于马尔科夫链在输变电工程综合造价指数预测中的应用

经济预测是企业决策的前提与基础,在经营管理实践中。经常会遇到企业投资预测和决策的问题,运用马尔科夫链可以较好地进行市场经济预测。本文探讨了马尔科夫链的预测技术,分析验证输变电工程综合造价指数的发展趋势符合马尔科夫链特性,通过建立马尔科夫链模型,对2012年陕西电网110kV输变电工程综合造价指数进行预测和判断。以输变电综合造价指数作为项目投资决策的依据,探讨利用马尔科夫链在项目投资造价的模型建立。较为量化地预测了电网建设项目投资趋势。     

基于灰色马尔科夫模型库存需求预测方法

库存需求的预测是企业进行库存管理的基础,论文将灰色系统预测理论与马尔科夫预测法相结合,用灰色马尔科夫法揭示库存波动范围,通过系统状态的划分库存需求,最终得出库存变化的概率和波动值,使得预测的结果比单纯使用灰色预测法更精确。