检索结果-内蒙古大学图书馆

系统工程 2025年

作者：肖争艳程硕中国人民大学统计学院中国人民大学应用统计科学研究中心

研究并厘清不同类型的情绪与金融稳定的关系，对于指导预期管理和防范系统性风险意义重大。本文应用模式因果算法检验并比较了投资者情绪、社群情绪和媒体情绪三类情绪与金融稳定之间的互动关系，进一步探讨了危机时期三类情绪之间的因... 详细信息

研究并厘清不同类型的情绪与金融稳定的关系，对于指导预期管理和防范系统性风险意义重大。本文应用模式因果算法检验并比较了投资者情绪、社群情绪和媒体情绪三类情绪与金融稳定之间的互动关系，进一步探讨了危机时期三类情绪之间的因果变化。结果表明：第一，情绪与金融稳定之间的因果关系具有显著的时变特性，这种动态关系通常表现为悲观情绪与金融稳定下降的互动。相较而言，投资者情绪对金融稳定的影响时间最久，社群情绪次之，媒体情绪最短；反过来，金融稳定对媒体情绪影响最久，社群情绪其次，投资者情绪最短。第二，不同危机时期三类情绪与金融稳定之间的相互作用和因果关系存在显著差异。投资者情绪和社群情绪既是危机时期金融稳定较早的“预测信号”，也是金融稳定最主要的“反应指标”，它们在危机时期均显示出关键的传导作用。第三，情绪信息的加入显著提高了模型对金融稳定的预测准确性，这表明情绪指标对金融稳定具有重要的预测作用。因此，建议金融监管部门应充分利用情绪信息工具，提升市场实时监测能力，并制定针对不同情绪类型的应对策略，以稳定金融市场。

关键词：情绪金融稳定模式因果算法

来源：评论

学校读者我要写书评

暂无评论

中国统计学者在国际统计学领域的学术论文发表情况分析

引用

统计研究 2025年第4期42卷 150-156页

作者：何辰轩王菲菲朱利平袁卫中国人民大学统计与大数据研究院中国人民大学应用统计科学研究中心中国人民大学统计学院中国调查与数据中心

统计学现已独立于数学和经济学,正式成为一级学科。近20年来我国统计学领域的研究工作飞速发展,我国的统计学者在国际统计学领域参与发表的高水平论文大量涌现。本文从国际统计学领域4个高水平学术期刊的论文发表情况视角,分析过去20年... 详细信息

统计学现已独立于数学和经济学,正式成为一级学科。近20年来我国统计学领域的研究工作飞速发展,我国的统计学者在国际统计学领域参与发表的高水平论文大量涌现。本文从国际统计学领域4个高水平学术期刊的论文发表情况视角,分析过去20年我国统计学者的学术文章发表数量、研究主题演变以及合作关系,进而探讨我国统计学者的科学研究情况。与此同时,通过分析世界知名高校统计院系中担任教职的华人学者的教育背景,进一步研究我国统计学领域的人才培养情况。

关键词：统计学史学术论文发表主题模型合作网络

来源：评论

学校读者我要写书评

暂无评论

金融时间序列的自适应贝叶斯在线变点检测

引用

统计研究 2025年第1期42卷 145-160页

作者：朱映秋郑畅张波对外经济贸易大学统计学院中国人民大学统计学院中国人民大学应用统计科学研究中心

快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在... 详细信息

快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在线变点检测仍是一个巨大的挑战。对此,本文基于贝叶斯在线变点检测的框架,提出一种带有滑动窗口的自适应在线变点检测方法。通过滑动窗口的平滑机制,该方法在每个窗口中对变点检测所需的超参数进行实时动态更新,以适应数据环境的动态变化。在模拟数据和上证综指时序数据的实验结果表明,本文提出的方法能够在已有的贝叶斯在线变点检测方法基础上进一步提高识别效果,及时发现变点并避免将正常的序列波动误报为变点。基于上证综指数据,本文方法能够发现带有特殊信号的时间序列,进而为金融市场的风险预警、投资指导等提供有价值的参考。

关键词：在线变点检测金融时间序列贝叶斯变点检测自适应变点检测

来源：评论

学校读者我要写书评

暂无评论

正交空间填充设计的最新结果

引用

中国科学：数学 2024年第1期54卷 87-104页

作者：王春燕杨金语中国人民大学应用统计科学研究中心北京100872 中国人民大学统计学院北京100872 南开大学统计与数据科学学院天津300071

正交性与空间填充性是计算机试验设计的两个重要性质.本文提出通用的旋转方法用以构造一类新的正交空间填充设计.这类设计既具有正交性,又有理想的空间填充性.此外,本文提出的构造方法简单易行,且生成的设计具有灵活的试验次数和水平数... 详细信息

正交性与空间填充性是计算机试验设计的两个重要性质.本文提出通用的旋转方法用以构造一类新的正交空间填充设计.这类设计既具有正交性,又有理想的空间填充性.此外,本文提出的构造方法简单易行,且生成的设计具有灵活的试验次数和水平数.生成的设计既可以是对称的,也可以是非对称的.相关理论支撑科学严谨.本文构造并给出许多新的具有理想的空间填充性的正交设计.旋转矩阵和差阵在构造中起到重要的作用.

关键词：计算机试验最大最小距离正交性旋转空间填充性

来源：评论

学校读者我要写书评

暂无评论

基于生存结果的多值异质性处理效应的双稳健估计

引用

数理统计与管理 2024年第5期43卷 776-788页

作者：彭非张长易丹辉中国人民大学应用统计科学研究中心北京100872 中国人民大学统计学院北京100872

处理效应用于分析处理变量对结果变量的影响,由于个体间异质性的存在,处理变量对不同个体的影响可能不同,研究异质性处理效应有其现实意义。生存时间是一类重要的结果变量,估计生存结果下的异质性处理效应需要平衡不同处理水平上删失比... 详细信息

处理效应用于分析处理变量对结果变量的影响,由于个体间异质性的存在,处理变量对不同个体的影响可能不同,研究异质性处理效应有其现实意义。生存时间是一类重要的结果变量,估计生存结果下的异质性处理效应需要平衡不同处理水平上删失比例的差异。Simoneau等(2020)[1]提出了估计生存结果下二值处理效应的加权最小二乘法,本文将这一方法拓展到多值处理效应的估计中。首先定义了多值处理变量的对比函数用于比较个体接受不同处理后平均结果的差异,然后基于倾向得分和删失逆概率构造权重,对观测数据进行加权,用加权最小二乘法估计参数。该方法具有以下特点:(1)无需指定对照处理;(2)不依赖独立删失的假设;(3)双稳健性一当结果回归模型和权重模型有一个正确时,异质性处理效应的估计是一致的。模拟研究的结果表明,和现有方法相比,本文提出的方法在处理效应估计上具有更小的偏差,在个体最优处理水平的估计上则有更高的准确率。最后,通过I型人类免疫缺陷病毒(HIV-I)感染者的治疗数据说明该方法的有效性。

关键词：多值处理效应加权最小二乘法生存结果异质性

来源：评论

学校读者我要写书评

暂无评论

一种融合舆情态势评分和图套索的股票收益系统预测研究

引用

系统科学与数学 2024年第2期44卷 285-303页

作者：王星彭谦中国人民大学应用统计科学研究中心北京100872 中国人民大学统计学院北京100872

为了解决证券投资组合收益预测模型在股票价格波动感知方面的语义细粒度量化不足和有效投资组合灵活性受限的挑战,文章提出了一种综合舆情态势评分模型(SESTM)和图套索(GLASSO)的股票收益系统预测模型.首先,采用分位回归方法对股价波动... 详细信息

为了解决证券投资组合收益预测模型在股票价格波动感知方面的语义细粒度量化不足和有效投资组合灵活性受限的挑战,文章提出了一种综合舆情态势评分模型(SESTM)和图套索(GLASSO)的股票收益系统预测模型.首先,采用分位回归方法对股价波动进行拟合建模,定义了波动幅度和均值序列两条曲线,用于发现与正收益波动相关的词汇.接着,运用SESTM模型从新闻公告语料中通过有监督的方式提取对股票价格波动灵敏感知的相关词汇,并形成与政策、估值和市场情绪密切相关的主题和匹配词典,进而生成舆情态势评分.最后,结合GLASSO方法构建股票价格之间的联动网络结构,并基于该网络构建个股投资组合策略.实证研究以疫情期间生物疫苗板块股票为对象,对网络联动和舆情态势评分模型开展了实验比较.实验结果显示:首先,以波动感知词汇为纽带构建的投资策略更适用于短期预测;其次,在融入反映联动网络的偏相关信息后,投资组合日均对数收益率达到1.6%,相较于未融入偏相关关系的1.4%的情况提高了14.3%,更是随机组合的日均对数收益率0.7%的2倍;而最高收益由随机组合的3.117提高到3.605,提升幅度达到15.6%.以上结果表明,通过SESTM+GLASSO组合模型的方式提供了一种高效且性能优越的系统预测模型,该模型能够分析股票价格之间的网络联动关系,更准确地预测股票收益以制定相应的投资策略.这对于推动动态价格感知和深化大语言模型中的生成式跨模态任务的统计应用研究具有积极意义.

关键词：股票舆情态势评分模型图套索匹配词典分位回归联动网络

来源：评论

学校读者我要写书评

暂无评论

基于变分算法的贝叶斯分层收缩模型及其应用

引用

数理统计与管理 2024年第1期43卷 66-80页

作者：虞祯鞠甜甜王彩晶田茂再中国人民大学应用统计科学研究中心北京100872 中国人民大学统计学院北京100872

贝叶斯统计推断通常会遇到后验分布中出现高维积分这一公认的计算难题。一种常用的解决方法是使用MCMC算法。然而,MCMC算法在处理高维大数据或复杂模型时计算效率很低,并且难以判断算法收敛性。针对自适应贝叶斯收缩模型、贝叶斯LASSO... 详细信息

贝叶斯统计推断通常会遇到后验分布中出现高维积分这一公认的计算难题。一种常用的解决方法是使用MCMC算法。然而,MCMC算法在处理高维大数据或复杂模型时计算效率很低,并且难以判断算法收敛性。针对自适应贝叶斯收缩模型、贝叶斯LASSO模型和扩展的贝叶斯LASSO模型,本文提出了一种更高效的变分贝叶斯(VB)算法来进行参数估计和变量选择。该算法源于理论物理中的平均场理论。它将复杂积分问题转化为最优化问题,使用假定分布族中最接近目标后验分布的分布来近似求解,并且易于判断算法收敛情况。数值模拟结果显示,VB算法不仅计算速度明显优于MCMC算法,而且其模型拟合和变量选择效果也与MCMC算法相当,可以作为MCMC算法的一种替代方法。最后,本文运用VB算法分析了俄罗斯房产售价的重要影响因素。

关键词：变分贝叶斯 MCMC 贝叶斯LASSO 分层收缩模型

来源：评论

学校读者我要写书评

暂无评论

配对设计中相对风险置信区间的构造

引用

数学学报(中文版) 2025年

作者：贺欢何笑张丽平田茂再新疆财经大学统计与数据科学学院中国人民大学应用统计科学研究中心中国人民大学统计学院

在配对设计中,相对风险(Relative Risk)通常用来分析某种因素是否对某种疾病的发生产生影响,在流行病学的研究中具有重要的意义.文章用五种方法来构造多项式抽样下相对风险的渐近置信区间,分别为:多项式抽样下的Delta方法,对数变换方法... 详细信息

在配对设计中,相对风险(Relative Risk)通常用来分析某种因素是否对某种疾病的发生产生影响,在流行病学的研究中具有重要的意义.文章用五种方法来构造多项式抽样下相对风险的渐近置信区间,分别为:多项式抽样下的Delta方法,对数变换方法,校正的对数变换方法,基于Fieller定理改进的方法以及鞍点逼近方法.以平均覆盖概率和置信区间的平均长度作为评估准则,通过蒙特卡洛模拟的数据结果对这五种区间估计方法进行评价,得出在样本量较小的小概率情况下,鞍点逼近方法是最好的.最后,文章通过两个实际案例来直观展示五种区间估计方法的表现性能.

关键词：配对设计鞍点逼近相对风险多项式抽样区间估计蒙特卡洛模拟

来源：评论

学校读者我要写书评

暂无评论

绿色发展目标下智慧城市建设对碳排放效率的影响研究

引用

经济问题探索 2024年第3期 155-171页

作者：陆香怡赵彦云中国人民大学统计学院北京100872 中国人民大学应用统计科学研究中心北京100872

在全球气候变化的背景下,绿色发展成为智慧城市建设的重要目标,助力城市降碳增效。文章从理论上分析了智慧城市对碳排放效率的作用机理和内在机制,并将中国智慧城市试点作为准自然实验,基于2007—2019年280个地级市面板数据,实证检验智... 详细信息

在全球气候变化的背景下,绿色发展成为智慧城市建设的重要目标,助力城市降碳增效。文章从理论上分析了智慧城市对碳排放效率的作用机理和内在机制,并将中国智慧城市试点作为准自然实验,基于2007—2019年280个地级市面板数据,实证检验智慧城市对碳排放效率的影响。研究表明:(1)智慧城市显著提升了试点城市的碳排放效率,并具有显著的空间溢出效应,可以提升周边城市的碳排放效率;(2)智慧城市主要通过增强绿色技术创新、促进数字产业发展以及优化资源配置三个方面提升碳排放效率;(3)智慧城市对碳排放效率的促进作用在数字基础设施水平完善、城市规模大、碳排放水平高的城市中更为显著。本文研究为进一步推进新型绿色智慧城市建设提供重要参考。

关键词：智慧城市碳排放效率绿色发展空间效应双重差分

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合模型的分布因子聚类方法

引用

统计研究 2024年第6期41卷 147-160页

作者：朱映秋黄丹阳张波对外经济贸易大学统计学院中国人民大学应用统计科学研究中心中国人民大学统计学院

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将... 详细信息

随着信息技术的发展,人类社会产生的数据规模越来越庞大、形式越来越复杂,对聚类分析形成了巨大挑战。在越来越多的应用场景中,观测数据具有相互关联、层次嵌套的结构,使传统聚类方法难以直接适用。通常的解决方案是采用特征工程方法将观测信息压缩为低维特征向量进行聚类,但这将带来不可避免的信息损失。为充分利用观测数据,本文以分布函数表示聚类对象,大幅降低信息损失,进而提出基于高斯混合模型的分布因子模型。该模型将聚类对象的观测数据分解为两部分,一是以高斯成分表示的公共因子,反映数据中具有共性的典型模式;二是载荷矩阵,矩阵中每个载荷向量反映个体的异质性特征。估计得到载荷向量后即可对不同个体实现聚类划分。本文提出的方法具有优良的统计学效率,能够证明在一定假设条件下聚类误差率能够随着观测个体数目的发散而趋近于0。基于模拟数据和股票收益、大气污染实际数据的实验表明,该方法能够区分具有不同特征模式的个体,解决多维数据的分布函数聚类问题,并为金融风险管理、空气质量的差异化治理等现实问题提供决策支持。

关键词：聚类分布函数高斯混合模型复杂数据

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：