依据我国商业银行1994-2012年操作风险历史数据,本文引入Lévy测度描述操作风险损失所具有的非连续跳跃行为,利用稀疏序列法产生动态操作风险损失过程,采用了同时考虑损失频率相关性和强度相关性的Lévy Copula模型,给出了具有时变参数和时变相关性结构的动态操作风险度量模型和数值实验技术,计算了不同置信水平上的VaR与CVaR.实证结果表明:Lévy Copula模型能在减少模型设定风险的同时,较好地描述风险单元间的相关性结构;Lévy Copula模型相比于传统Copula模型对相关性结构刻画更为细致,能降低风险资本,并且通过稳健性检验;动态Lévy Copula模型能捕捉到风险的变化趋势,减少由于时变参数导致的风险资本估计偏差.
针对已有研究的不足,为满足不同交易周期投资者的实际需求,将分形研究方法与传统投资组合模型相结合,考虑多时间标度和不同波动幅度因素,构建了单分形投资组合模型(Mean-DCCA)和多重分形投资组合模型(Mean-MF-DCCA).依托"沪港通"平台,采用构建的模型,进行沪港股市组合投资,并对样本外效果进行检验和分析.结果表明:沪港股市间结构存在着标度效应和长记忆性,且具有多重分形特征;与传统的投资策略相比,单分形投资组合策略能够取得更佳的组合效果;多重分形投资组合策略通过选择合适的q阶,实证表明将会明显改善单分形投资组合策略,增强投资方案的盈利能力、提高夏普比率以及为不同风险偏好投资者创造额外效用.此研究对资产优化配置、风险管理以及沪港股市间相依结构刻画等方面具有重要的实际意义.
为解决利用回归分析法优化水稻整株秸秆还田机功耗时存在的拟合误差精度差和准确性低等缺陷,提出一种高精度和高准确性的基于BP神经网络的优化方法.本文以1ZT-210型水稻整株秸秆还田机为研究对象,选取机具前进速度,刀辊转速,刀具安装角为试验因素,还田机功耗为影响指标,以二次正交旋转组合试验数据为训练样本,获得功耗与影响因素的BP神经网络模型;并利用提出的方法对其进行优化,获得功耗影响因素的最佳参数组合为:机具前进速度1.39 km/h,刀辊转速210 rpm,刀具安装角55°,该参数组合下还田机的最小功耗为9.21 kW.试验条件下还田机最小功耗优于回归分析法所得最小功耗10.56 kW,以BP神经网络优化结果进行验证试验,试验测得功耗值9.42 kW,与BP神经网络优化结果绝对误差为0.21 kW,相对误差为2.28%.试验结果表明:该优化方法实用性强,拟合精度高,优化结果准确稳定,为解决农业工程领域中类似优化问题提供了一种新方法.