在股票价格中引入漂移率、波动率和随机跳跃三种状态, 建立动态状态空间模型, 并通过局部风险中性定价关系(RNVR)推导无套利定价模型. 以非高斯条件ARMA-NGARCH为基准模型, 构建S&P500指数的离散动态Lévy过程, 并基于序贯贝叶斯的参数学习方法, 进行模型估计和期权定价研究. 结果表明: 动态Lévy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征, 且贝叶斯方法的引入提高了期权隐含波动率的定价精度. 同时, 无穷活动率模型在期权定价方面具有显著优势. 在五类滤波中, 无损粒子滤波估计精度最高, 速降调和稳态过程(RDTS)的期权定价误差最小, 而非高斯模型在收益率预测方面没有表现出显著的差异.
采用北京市可变信息板(variable message signs, VMS)系统近三年发布的交通诱导信息数据, 研究了交通诱导信息发布策略的空间关联规则. 首先基于系统聚类算法分析事件点与上游VMS的关联度, 根据其强弱将上游路段的影响空间分级, 并确定不同影响等级空间范围的大小; 然后采用基于关系代数理论的关联规则挖掘算法, 计算位置相邻的VMS集合的支持度和置信度, 确定不同影响等级空间范围内、相邻影响等级空间范围VMS集合的 依存关系. 实证分析表明: 空间关联规则能将事件点上游的影响空间分级, 并确定VMS间的依存关系, 从而锁定诱导信息发布的各级影响 空间以及相应的VMS, 具有实际的应用价值, 将应用于北京市交通诱导信息发布专家辅助决策系统.