基于理论模型和数据实证两个角度考察了在市场非完备条件下, 我国股票市场与股指期市的对冲表现. 在理论上, 建立了市场非完备性与市场微观噪声及考虑噪声的对冲效果之间的关系. 在实证上, 首先提出了一种基于非参数估计的分析方法, 然后利用5分钟高频数据验证了模型假设的合理性及模型结论的正确性. 理论与实证都表明当一个市场非完备性程度越高时, 利用股指期货对冲股市风险就越应考虑市场微观噪声的影响. 实证结果还表明我国股票市场和股指期货市场间存在较高的非完备性. 不过,随着时间的推移,市场的非完备性存在减小的趋势.
从原始序列为非齐次指数律的GM(1,1)的灰导数出发,利用向前差商和向后差商的加权平均值作为GM(1,1)的灰导数白化值, 并给出了加权系数λ的具体表达式,进而建立了优化灰导数后适用于原始序列为非齐次指数律的GM(1,1)模型,且证明了此模型具有白指数律重合性,给出了求 参数的方法及表达式,并通过实例对比验证了此模型具有更高的精度,并且对于严格的非齐次指数序列能够完全的拟合.
对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.
信息隐写算法的终极目标是嵌入尽可能多的秘密信息而不向宿主载体中引入任何可检测到的失真或者畸变. 然而, 隐藏质量和隐藏载荷二者往往是此消彼长互相矛盾的, 因此人们一般根据不同的应用需求而有所权衡和侧重. 本文提出了一种基于像素对匹配的灰度图像数据隐写算法, 用一组简单的函数引导宿主像素的修改和秘密数据的提取, 即可实现每对宿主像素每次隐藏两个9进制秘密数据. 实验结果表明, 该隐写算法隐藏载荷能达到3.1699比特每像素 (bpp), 此结果远远超过之前已发表的相关工作成果; 而在隐藏质量上, 该隐写算法能够保持较好的视觉系统的不可感知性和统计上的不可检测性.