【摘 要】
：
课题组主要讨论在保证金设置过程中，通过比较不同时点保证金资产组合的未来价值的贴现值和组合现有价值，考虑资产价值的预期变化对客户违约判断的影响，推算券商面临客户违约时产生损失的概率，构建违约概率模型。再以马可夫方法求解模型，计算违约概率，测算券商面临的风险，进而利用最小二乘方法动态确定保证金比例。
【基金项目】
：
江西省教育厅科学研究项目（GJJ202713、GJJ212720）；
论文部分内容阅读
课题组主要讨论在保证金设置过程中，通过比较不同时点保证金资产组合的未来价值的贴现值和组合现有价值，考虑资产价值的预期变化对客户违约判断的影响，推算券商面临客户违约时产生损失的概率，构建违约概率模型。再以马可夫方法求解模型，计算违约概率，测算券商面临的风险，进而利用最小二乘方法动态确定保证金比例。
其他文献
随着人工智能算法的不断发展,无人驾驶技术取得了巨大的进展,海量的轨迹数据集为无人驾驶技术提供了数据支撑。现有高质量且有标注的轨迹数据集较少,标注成本过高,无法大规模应用,标签信息的正确性很大程度上影响监督学习的模型性能。车辆的轨迹预测可以提高无人驾驶汽车的安全性,现有的车辆轨迹预测模型以基于数据驱动构建,随着历史轨迹序列长度增加,存在重要特征信息丢失或覆盖的问题,并且大多数的车辆轨迹预测模型忽略了
作为智能监控的核心技术,行人重识别在社会中的重要性与日俱增。行人重识别技术旨在不同时间、非重叠摄像机下检索与特定查询图像具有相同身份的其他图像,是人工智能领域的研究热点之一。然而,有监督行人重识别目前主要面临行人姿态差异较大、相机风格变化、以及行人关键部位被遮挡等挑战。此外,无监督行人重识别也面临着因源域和目标域数据分布不一致而导致的域间差异以及域内样本间风格差异而导致的网络特征提取能力不足等问题
多传感器管理旨在调度有限的多传感器资源,根据不同的优化准则来满足指挥控制、策略制定等应用的信息需求。由于受多传感器探测性能、跟踪精度以及探测风险等限制,在多传感器协同探测目标的过程中,为了更好地调度多传感器资源对目标进行跟踪,有效地降低威胁态势风险并更好地保证多传感器自身安全等对多传感器管理研究具有重要意义。为此,本文以凸优化、最优估计、信息融合等为技术手段,以联合风险控制为导向,重点研究复杂场景
目的:长期以来,医疗保障制度改革是我国各级政府的工作重点,相关部门始终坚持以人民为中心,把人民健康摆在凸出位置。医疗费用负担直接关系人民健康水平,研究显示,目前我国卫生总费用以接近14%的年增速上涨,个人卫生自付费用年增速也超过10%,人民群众看病就医费用负担,尤其是高额医疗费用负担仍相对较重。因此,在现有医疗保障制度框架下,理顺补偿关系是减轻人民群众就医费用负担的重要课题。近年来,我国基本医疗保
当前,我国已经进入高质量发展新阶段,高质量发展的内涵是以创新推动产业发展,这就要求将产业链和创新链在内容、机制、模式等方面深度融合,提升创新能力,将科技转化为效益。现实中,不同区域经济社会发展水平存在着巨大的差异,双链融合的动力、机制、模式和效果也存在着巨大的差异。产业双链融合脱胎于产学研协同创新,但从内容、作用机制等又高于产学研协同创新,可以说产学研协同创新是产业双链融合的前置阶段。中医药产业的
目的:在了解上海市糖尿病视网膜病变患者医疗费用现状的基础上,分析慢性病管理对患者疾病经济负担和健康水平两个方面产生的影响,并探索其产生影响的途径,为进一步改善慢性病管理效果提供参考。方法:首先,采用SHA2011核算体系分析上海市糖尿病视网膜病变患者医疗费用现状,包括五个维度:基本情况、就诊人群分布及次均费用情况、服务功能构成、就诊机构分布及保障水平。其次,参考Cochran样本量测算模型确定调查
1.研究目的和意义本研究力求在厘清健康服务业、中医药健康服务业等相关概念的基础上,通过构建适用于本研究的理论分析模型,并且运用模糊集定性比较分析法探讨不同影响因素以及因素组合作用于中医药健康服务业发展所呈现的不同特点。进而为中医药健康服务业发展提供针对性的对策和建议。通过研究发现,一直以来,学术界对于中医药健康服务业发展的研究主要还是围绕其中的部分方面和领域进行研究,且认为各影响因素对结果的影响是
尽管肿瘤治疗情况在当今飞速发展的各种医疗手段下得到了改善,但恶性肿瘤所具备发病率高及生存率低的特点仍然严重威胁人类生存状况。若能尽早的发现并作出准确的诊断,根据诊断的结果来对患者制定相应个性化诊疗方案,就能使得患者的生存率大大提高。在不断研究中,人们发现基因表达谱数据比传统基于形态学和组织学的肿瘤分类系统提供更多信息,于是从信息学角度出发去对肿瘤进行识别分类,成为了当前研究的热门领域。但由于所获取
无线传感器网络具有低成本、易于部署和高集成等特点,已广泛应用在军用和民用等领域,传感器节点定位技术其重要研究领域之一,而非测距节点定位因硬件需求少、结构简单等优点,具有更强吸引力。然而,由于受到网络拓扑结构、节点稀疏程度、监控环境以及节点的可靠性等因素影响,导致节点间的距离估计误差增大,进而出现节点定位精度较低、计算负担较大等问题。因此,研究非测距无线传感器节点定位方法成为必要。本文主要研究工作如
行人重识别是一种基于给定目标行人图像,在特定的视频、图像集中检索出具有相同身份行人的计算机视觉技术。传统的行人重识别方法主要是基于行人图像的纹理特征和颜色等信息来完成行人图像的匹配。近年来,随着深度学习技术的发展,基于深度学习的行人重识别方法极大地提高了行人重识别的精度。然而,在实际应用场景下,行人重识别仍然面临着姿态各异、行人错位、遮挡和背景复杂等一系列挑战。此外,不同行人着装颜色相似也可能会严