通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预...通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.展开更多
城市的空间分布格局与城市内各类设施点的分布密切相关,不同类型设施点的位置数据即兴趣点(Point of Interests,POI)可用于分析城市的功能区分布特点。选取成都市辖区与旅游休闲相关的4类POI数据(景点、休闲娱乐、餐饮和旅馆点数据)和...城市的空间分布格局与城市内各类设施点的分布密切相关,不同类型设施点的位置数据即兴趣点(Point of Interests,POI)可用于分析城市的功能区分布特点。选取成都市辖区与旅游休闲相关的4类POI数据(景点、休闲娱乐、餐饮和旅馆点数据)和路网数据,对成都市旅游休闲相关设施的集聚区进行识别。结果显示:(1)成都市旅游休闲相关设施具有十分明显的圈层结构,从中心向四周分布密度呈距离递减规律;(2)采用点密度、热点和核密度3种分析方法所得到的分析结果具有一致性;(3)在5类数据中,景点、休闲娱乐、餐饮和旅馆相关性较高,道路与其他4类设施相关性较差,因此5类研究对象的空间匹配程度仍有待优化。展开更多
文摘通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.
文摘城市的空间分布格局与城市内各类设施点的分布密切相关,不同类型设施点的位置数据即兴趣点(Point of Interests,POI)可用于分析城市的功能区分布特点。选取成都市辖区与旅游休闲相关的4类POI数据(景点、休闲娱乐、餐饮和旅馆点数据)和路网数据,对成都市旅游休闲相关设施的集聚区进行识别。结果显示:(1)成都市旅游休闲相关设施具有十分明显的圈层结构,从中心向四周分布密度呈距离递减规律;(2)采用点密度、热点和核密度3种分析方法所得到的分析结果具有一致性;(3)在5类数据中,景点、休闲娱乐、餐饮和旅馆相关性较高,道路与其他4类设施相关性较差,因此5类研究对象的空间匹配程度仍有待优化。
