本文研究违约回收率密度函数的模拟估计问题. 本文的工作由两个方面组成. 首先，我们解决了在应用非参数方法估计违约回收率密度函数时如何选取窗宽，以及在使用对称核时如何处理在有界区间上产 生的边界问题. 针对如何选取合理窗宽提高估计效果的问题，我们通过将最优窗宽选取通过渐近积分误差最小作为 标准，然后将满足渐近积分误差最小的问题转换为一个非线性方程，进而应用插入法与迭代算法，求出最优窗 宽的收敛解. 第二，针对应用普通对称核拟合分布于[0，1] 区间内的回收率会产生的估计量偏差在边界有增大趋势问题，我们通过引入边界核来改善这一现象：首先对两种核的统计性质进行理论推导，随后使用蒙特卡罗模拟（Monte Carlo Simulation）方法对其拟合绩效进行数值分析. 本文的数值结果表明我们引入边界核方法，这较之普通对称核可以有效改善边界问题，同时边界核方法在各个指标上效果更优. 最后，基于穆迪公司官方网站公布的2006年到2011年全球每年违约公司债券和贷款的违约回收率统计数据共653个数据，我们的实证案例分析表明，本文引入的边界核方法与现有普遍使用的以Beta分布刻画回收率的方法相比较，通过拟合优度检验和Bootstrap检验，我们的违约回收率密度函数模拟的非参数边界核方法比对应的Beta分布刻画方法更可靠，同时我们的结果也明显优于Beta分布刻画的回收率模型.
针对传统项目估值方法的局限性，在利率市场化前提下，利用利率期限结构模型刻画资金成本的变化情况；在Hazen模型基础上，从投资现金流的角度提出改进的项目估值方法：通过使用Svensson模型刻画无风险利率，并利用遗传算法求解模型相关参数；同时采用熵度量随机现金流的不确定性. 结果表明，提出的估值方法能较好地解决Net Present Value与Internal Rate of Return评价结果冲突问题，该方法也能较好地解决随机现金流IRR多解问题；同时，引入利率期限结构与熵的项目估值方法，能更准确地评价项目的实际价值.
Fama-French 因子以及宏观经济因子是解释股票收益的重要因素，但是它们是否是真实数据所隐含的不可观测风险因子的客观反映却不得而知. 运用Bai等[1]提出的最新分析方法，基于面板数据的因子模型，对上证A 股市场进行风险因子代理合适性的实证研究. 结果显示：（1） Fama-French 因子可以作为投资组合风险因子的良好代理，但只有MARKET 因子可以作为个股风险因子的良好代理，即寻找个股的良好代理比投资组合更为困难. （2） 基于工业总产值增长率、通货膨胀率、银行同业拆借利率以及M2 增长率构造宏观经济因子，发现单个宏观经济因子和整个宏观经济因子集合都不适合作为投资组合风险因子的代理.
航班延误一直是机场运营管理的一大难题，本研究报告面向区域多机场，重点针对机场集团内枢纽机场的航班延误问题，提出基于航空信息网络的航班延误预测模型NBFDM. 该模型不仅使用了航班自身的相关属性，并且还考虑了航空信息网 络内其他机场的因素对航班延误的影响. NBFDM模型首先提取航班本身的特征和该航班飞行前一段时间内航空信息网络的特征，然后使用PCA进行降维，对降维处理后的特征再使用SVR方法，得到非线性回归模型，用于预测航班的延误时间. 实验表明本研 究报告所提模型NBFDM相比仅使用航班自身属性的模型，对航班延误时间的预测误差降低约20%.
针对大数据中的乱序数据缺少关联规则的问题，提出了一种动态调整的改进型BP 算法，运用了动态自适应结构调整机制，根据环境要求自适应调整网络训练结构，自动删除无效训练神经元，优化迭代训练过程；并在网络学习过程中动态调整网络参数中的三因子，即动量因子、权学习指数、阈学习指数，来达到加快学习响应速度、增强网络稳定性的目的. 仿真结果表明，通过动态自适应调整结构、动态调整三因子的改进型算法，能够获得更多的收敛次数，并能有效地提高收敛率，进而提高整体网络性能.
建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.
为了提高虚拟机备份（包括运行时状态、存储、配置）的效率，提高虚拟机运行的稳定性和平衡物理机的负载，提出一种基于混 合迁移的OpenStack云平台虚拟机在线迁移方案. 该方案对虚拟机迁移采取共享存储迁移和存储块迁移相互结合的方式，以平衡 OpenStack云平台虚拟机在线迁移速度及备份有效性.结果表明：所提出的混合迁移方案能有效地提高OpenStack备份效率，同时减 少虚拟机在线迁移的时间和提高虚拟机迁移容错能力.
航班延误一直是机场运营管理的一大难题，建立有效的模型实现较准确的延误预测来协助机场方面采取应对措施，于机场于社会都有重要意义. 本研究提出一个面向机场的到港航班延误预测问题，对比现有的贝叶斯网络及朴素贝叶斯方法，结合航班数据的特点构建了基于C4.5决策树的航班延误预测模型. 针对国内某大型机场的真实数据集，本研究 设计了大量实验，实验结果表明所提模型正确率接近80%，较两种贝叶斯方法有进一步提升. 此外研究还设计实验分析了影响模型效果的因素.
海量语义数据的剧烈增长对大数据分布式存储带来了巨大的挑战. 分布式存储的核心技术是图划分，论文介绍了基于图数据流划分的模型和分区启发函数策略，给出了针对RDF文件的图数据流划分算法和实现过程. 实验对几个真实RDF数据集进行划分，并与METIS （一种多层次的图划分算法）方法和哈希分区方法做了实验数据对比，验证了图数据流划分算法的有效性.
