期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Pair Copula模型的资产组合VaR比较研究
被引量:
7
1
作者
张高勋
田益祥
李秋敏
《系统管理学报》
CSSCI
2013年第2期223-231,共9页
运用多元相关结构研究领域新出现的pair copula方法估计资产组合的非线性相关结构,并结合能较好模拟金融资产分布的广义逆高斯分布(NIG)来估计资产的厚尾偏态特征,构建新的VaR计算模型。为了检验本文模型,运用国内5类行业股票价格的数...
运用多元相关结构研究领域新出现的pair copula方法估计资产组合的非线性相关结构,并结合能较好模拟金融资产分布的广义逆高斯分布(NIG)来估计资产的厚尾偏态特征,构建新的VaR计算模型。为了检验本文模型,运用国内5类行业股票价格的数据对其效果进行了实证分析。结果显示:相比基于正态分布的VaR模型和基于传统Copula方法的VaR模型,本文模型在描述高维相关结构时更加灵活,由此构建的VaR模型更接近实际发生的损失。
展开更多
关键词
PAIR
COPULA
在险价值
逆高斯分布(
nig
)
garch
在线阅读
下载PDF
职称材料
多元非线性期权定价模型及实证分析
被引量:
6
2
作者
张高勋
田益祥
李秋敏
《系统管理学报》
CSSCI
2014年第2期200-207,共8页
在GARCH模型基础上发展了多元期权定价的方法,采用逆高斯分布(NIG)描述标的资产的分布,以便更准确地捕获金融资产常见的厚尾、尖峰和偏态分布的特征。而考虑到资产间的相关关系可能是非线性的,对资产的相关结构的描述则运用了Copula函...
在GARCH模型基础上发展了多元期权定价的方法,采用逆高斯分布(NIG)描述标的资产的分布,以便更准确地捕获金融资产常见的厚尾、尖峰和偏态分布的特征。而考虑到资产间的相关关系可能是非线性的,对资产的相关结构的描述则运用了Copula函数技术。最后,依据风险中性定价原理给出了CopulaGARCH-NIG期权定价模型。为了检验本文模型的效果,对人民币指数期权进行了实证分析,结果显示:Copula-GARCH-NIG模型得到的期权价值与传统的Black-Scholes模型(B-S)和Copula-GARCH模型得到的期权价值有实质的差别,实证过程展示了Copula-GARCH-NIG模型的优势。
展开更多
关键词
多元期权定价
逆高斯分布(
nig
)
COPULA函数
人民币指数期权
在线阅读
下载PDF
职称材料
Curvelet变换域自适应收缩图像去噪
被引量:
3
3
作者
邓承志
曹汉强
汪胜前
《应用科学学报》
CAS
CSCD
北大核心
2008年第1期22-27,共6页
研究了curvelet变换域非参数贝叶斯估计图像去噪问题.利用先验概率模型—正态反高斯(NIG)分布对图像curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器.通过估计curvelet子带系数分布的参数,实...
研究了curvelet变换域非参数贝叶斯估计图像去噪问题.利用先验概率模型—正态反高斯(NIG)分布对图像curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器.通过估计curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能.结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节.
展开更多
关键词
CURVELET变换
正态反高斯分布
最大后验概率(MAP)
图像去噪
在线阅读
下载PDF
职称材料
改进的非负稀疏编码神经网络模型及其应用
被引量:
2
4
作者
尚丽
《计算机工程与应用》
CSCD
北大核心
2011年第4期160-164,共5页
提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强...
提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强的自适应于自然数据统计特性的能力。另外,利用类似小波收缩法去噪原理,该模型能够有效地去除图像中的高斯加性噪声,对自然图像编码的仿真实验也表明了该模型在生物学上的合理性和可行性。
展开更多
关键词
正态逆高斯(
nig
)密度模型
稳健主成分分析
非负稀疏编码
非负矩阵分解
特征提取
图像去噪
在线阅读
下载PDF
职称材料
小波域非参数贝叶斯估计图像去噪
5
作者
邓承志
曹汉强
汪胜前
《小型微型计算机系统》
CSCD
北大核心
2008年第10期1855-1859,共5页
提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正...
提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.
展开更多
关键词
正态反高斯分布
小波变换
后验条件均值估计
图像去噪
在线阅读
下载PDF
职称材料
题名
基于Pair Copula模型的资产组合VaR比较研究
被引量:
7
1
作者
张高勋
田益祥
李秋敏
机构
电子科技大学经济与管理学院
出处
《系统管理学报》
CSSCI
2013年第2期223-231,共9页
文摘
运用多元相关结构研究领域新出现的pair copula方法估计资产组合的非线性相关结构,并结合能较好模拟金融资产分布的广义逆高斯分布(NIG)来估计资产的厚尾偏态特征,构建新的VaR计算模型。为了检验本文模型,运用国内5类行业股票价格的数据对其效果进行了实证分析。结果显示:相比基于正态分布的VaR模型和基于传统Copula方法的VaR模型,本文模型在描述高维相关结构时更加灵活,由此构建的VaR模型更接近实际发生的损失。
关键词
PAIR
COPULA
在险价值
逆高斯分布(
nig
)
garch
Keywords
pair eopula
value at rist
normal inverse gaussian (nig) ~ garch
分类号
F830.9 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
多元非线性期权定价模型及实证分析
被引量:
6
2
作者
张高勋
田益祥
李秋敏
机构
电子科技大学经济与管理学院
出处
《系统管理学报》
CSSCI
2014年第2期200-207,共8页
基金
教育部人文社会科学研究一般项目(12YJA790125)
文摘
在GARCH模型基础上发展了多元期权定价的方法,采用逆高斯分布(NIG)描述标的资产的分布,以便更准确地捕获金融资产常见的厚尾、尖峰和偏态分布的特征。而考虑到资产间的相关关系可能是非线性的,对资产的相关结构的描述则运用了Copula函数技术。最后,依据风险中性定价原理给出了CopulaGARCH-NIG期权定价模型。为了检验本文模型的效果,对人民币指数期权进行了实证分析,结果显示:Copula-GARCH-NIG模型得到的期权价值与传统的Black-Scholes模型(B-S)和Copula-GARCH模型得到的期权价值有实质的差别,实证过程展示了Copula-GARCH-NIG模型的优势。
关键词
多元期权定价
逆高斯分布(
nig
)
COPULA函数
人民币指数期权
Keywords
pricing multivariate options
normal
inverse
gaussian
(nig
)
copula
Chinese Yuan index options
分类号
F830.9 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
Curvelet变换域自适应收缩图像去噪
被引量:
3
3
作者
邓承志
曹汉强
汪胜前
机构
华中科技大学电子与信息工程系
江西科技师范学院江西省光电子与通信重点实验室
出处
《应用科学学报》
CAS
CSCD
北大核心
2008年第1期22-27,共6页
基金
国家自然科学基金资助项目(No.60772091No.60462003)
文摘
研究了curvelet变换域非参数贝叶斯估计图像去噪问题.利用先验概率模型—正态反高斯(NIG)分布对图像curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器.通过估计curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能.结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节.
关键词
CURVELET变换
正态反高斯分布
最大后验概率(MAP)
图像去噪
Keywords
curvelet transform
normal
inverse
gaussian
(nig
)
maximum a posteriori
image denoising
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
改进的非负稀疏编码神经网络模型及其应用
被引量:
2
4
作者
尚丽
机构
苏州市职业大学电子信息工程系
出处
《计算机工程与应用》
CSCD
北大核心
2011年第4期160-164,共5页
基金
国家自然科学基金(No.60970058)
江苏省基础研究计划(自然科学基金)(No.BK2009131)
+2 种基金
江苏省"青蓝工程"资助项目
苏州市职业大学青年教师科研启动基金项目(No.SZDQ09L05)
2010苏州市职业大学创新团队资助项目(No.3100125)~~
文摘
提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强的自适应于自然数据统计特性的能力。另外,利用类似小波收缩法去噪原理,该模型能够有效地去除图像中的高斯加性噪声,对自然图像编码的仿真实验也表明了该模型在生物学上的合理性和可行性。
关键词
正态逆高斯(
nig
)密度模型
稳健主成分分析
非负稀疏编码
非负矩阵分解
特征提取
图像去噪
Keywords
normal
inverse
gaussian
(nig
) density model
robust Principal Component Analysis(PCA)
non-negative sparse coding
non-negative matrix factorization
feature extraction
image denoising
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
小波域非参数贝叶斯估计图像去噪
5
作者
邓承志
曹汉强
汪胜前
机构
华中科技大学电子与信息工程系
江西科技师范学院江西省光电子与通信重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2008年第10期1855-1859,共5页
基金
国家自然科学基金(60462003,60772091)资助
文摘
提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.
关键词
正态反高斯分布
小波变换
后验条件均值估计
图像去噪
Keywords
normal
inverse
gaussian
(nig
) distribution
wavelet transform
posterior conditional means estimator
image denoising
分类号
TP911.73 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Pair Copula模型的资产组合VaR比较研究
张高勋
田益祥
李秋敏
《系统管理学报》
CSSCI
2013
7
在线阅读
下载PDF
职称材料
2
多元非线性期权定价模型及实证分析
张高勋
田益祥
李秋敏
《系统管理学报》
CSSCI
2014
6
在线阅读
下载PDF
职称材料
3
Curvelet变换域自适应收缩图像去噪
邓承志
曹汉强
汪胜前
《应用科学学报》
CAS
CSCD
北大核心
2008
3
在线阅读
下载PDF
职称材料
4
改进的非负稀疏编码神经网络模型及其应用
尚丽
《计算机工程与应用》
CSCD
北大核心
2011
2
在线阅读
下载PDF
职称材料
5
小波域非参数贝叶斯估计图像去噪
邓承志
曹汉强
汪胜前
《小型微型计算机系统》
CSCD
北大核心
2008
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部