人大经济论坛 › 标签 › 模型 › 相关日志

标签: 模型经管大学堂：名校名师名课

相关日志

分享裂变物理模型—摘要: accumulation 2015-3-24 01:06; 本工作从裂变势能曲面和Brosa 模型两方面入手，研究与核能应用相关的锕系元素的核数据理论计算问题。独立编写了基于宏观-微观模型的高维势能曲面计算程序；设计并实现了两种新的高维势能曲面搜索算法；计算了U 和Pu 元素共23 个同位素核的 400 万格点的势能曲面，并从中搜索得到最优裂变路径和裂变势垒；用 Brosa 模型计算了低能中子诱发锕系元素裂变的碎片质量分布、动能分布，计算了几个感兴趣的裂变产物的累计产额与中子能量。; 个人分类: 裂变模型|0 个评论

分享裂变物理模型: accumulation 2015-3-24 00:41; 1.裂变位能曲面； 2.裂变后现象； 3.裂变动力学； 4.裂变微观理论； 5.核裂变过程与蒙特卡洛模拟；; 个人分类: 裂变模型|0 个评论

分享核物理与粒子物理导论问题: accumulation 2015-3-19 23:39; 1. 请指出教材上图 2.4 有什么明显不合规律之处？给出合理的草图。 2. 为什么几个天然放射系中只包含 β - 衰变，而没有一个具有 β ＋衰变 ( 或轨道电子俘获 )? 3. 质量剩余（ mass excess) 和质量亏损（ mass deficit) 有什么不同？ 4. 中重核的比结合能基本为常数，由此推断出核力的什么重要性质？你能否从比结合能曲线估计核力的力程？ 5. 双中子晕核 6He 基态准自由地分离掉一个中子后，剩余核是什么状态？ 6. 液滴模型的对称能项采用（ A/2-Z)**2/A, 而不是 |A/2-Z| 等其他形式，你猜测原因何在？ 7. 液滴模型的 5 个参数大小相差很大，其数值大小的含义是什么？ 8. 阅读 Box2b, 并讨论那里提出的问题。; 个人分类: 原子核物理|0 个评论

分享原子核物理: accumulation 2015-3-19 19:20; 1.核天体模型—宇宙中元素的丰度用于模型检验； 2.原子核平均场理论； 3.QCD—EFT—interactions—Ab-initio—Shell Model—DFT； 4.Neutron clustering in low density of neutron matter； 5.IBM模型—中子对玻色子与质子对玻色子； 6.高速转动原子核—形状自由度（奇异结构）； 7.原子核形变的描述—原子核表面展开—球谐函数—四极、六极、八极形变； 8.不同角动量能量不同—实验谱；; 个人分类: 原子核物理|0 个评论

分享原子核液滴模型的扩展—中子星的液滴模型: accumulation 2015-3-18 23:04; 1.原子核液滴模型的初始模型：体积能、表面能、库仑能、对称能、对能； 2.原子核液滴模型的计量模型分析； 3.原子核液滴模型与费米气体模型； 4.原子核液滴模型的壳修正与推广； 5.原子核液滴模型与中子星模型；; 个人分类: Reading|0 个评论

分享内生经济增长模型中资本边际产出不变的理解: accumulation 2015-3-18 11:14; 根据曼昆的《宏观经济学》，内生经济增长模型中资本边际报酬不变的合理性可解释如下： 1.投资报酬可分为私人报酬（投资者本人得到的好处）和外部报酬（社会报酬，即复制一种新产品、新方法、新思想所获得的好处），实物资本投资的报酬基本上只产生私人报酬，但是人力资本，特别是知识投资，会产生很大外部报酬，因为思想的复制花费极少，并且知识的积累为后续的新思想奠定基础； 2.对于单一企业，资本边际报酬不变意味着生产要素规模报酬递增，从而会出现单一企业支配经济，这是不可能的；但是人力资本投资使经济整体的资本边际产出不变成为可能； 3.一些经济学家认为人力资本投资和新产品、新技术的研发是理解长期增长的关键。; 个人分类: 宏观经济学|0 个评论

分享宏观经济学—蒙代尔-弗莱明模型与汇率制度: accumulation 2015-3-15 00:26; 1.蒙代尔-弗莱明模型（1）假设：小型经济体、资本完全流动、外生变量；（2）推导：IS曲线、LM曲线；（3）蒙代尔-弗莱明模型：将利率固定在世界利率水平上； 2.不同汇率制度下的小型开放经济（1）浮动汇率制下的小型开放经济 1-财政政策 2-货币政策 3-贸易政策（2）固定汇率制下的小型开放经济 1-财政政策 2-货币政策 3-贸易政策（3）结论 1-浮动汇率下只有货币政策才能影响收入（浮动货币）； 2-固定汇率下只有财政政策才能影响收入（固定财政）； 3.小型开放经济中的总需求曲线（1）物价水平下降使得LM曲线右移；（2）实际汇率降低提高了收入； 4.固定汇率制与浮动汇率制的争论（1）浮动汇率的优点：追求汇率稳定以外的目标；（2）固定汇率的优点：减少了国际贸易中的不确定性；（3）汇率的不可能三角；; 个人分类: 宏观经济学|0 个评论

分享乘数-加速数模型: accumulation 2015-3-13 00:05; 社会经济生活中，投资和收入是相互影响、相互调节的，通过加速数，上升的收入引致新的投资；通过乘数，投资又使收入进一步增长。经济周期的解释：投资启动，乘数效应使得收入倍增，加速原理使得投资倍增，循环往复，国民收入不断增大，处于经济周期的扩张阶段。收入增加超出资源与技术瓶颈，收入停止增长，投资开始下降，通过乘数原理和加速数原理的反向作用，经济处于经济周期的衰退阶段；当投资减少到一定程度，仍在生产的企业需要进行更新设备的投资时，乘数原理的作用会使得收入开始上升，上升的国民收入通过加速数原理的作用又使经济进入扩张阶段，于是，新的一轮经济周期又开始了。政策思想：只要ZF对经济干预，就可以改变或缓解经济波动。; 个人分类: 宏观经济学|0 个评论

分享加速模型: accumulation 2015-3-12 23:47; 加速模型是描述收入变动或消费需求的变动而引起投资变动的模型。加速模型表示投资支出与产出变动成比例，而且不受资本成本的影响，加速模型的具体含义： 1.净投资是产量变化量的函数，而不是产量绝对量的函数； 2.投资的变动大于产量的变动。当产量增加时，投资的增长幅度大于产量的增长幅度；当产量减少时，投资的减少幅度大于产量的减少幅度； 3.要使投资保持增长，产量必须保持一定的增长率，如果产量水平不变或下降，投资水平必定下降。加速模型说明，产量水平的变动是影响投资水平的重要因素。在宏观经济学中，加速模型具有重要地位，它与乘数模型结合可以解释经济周期的原因。; 个人分类: 宏观经济学|0 个评论

分享总需求：使用IS-LM模型: accumulation 2015-3-12 23:34; 1.用IS-LM模型解释波动（1）财政政策使IS曲线移动（2）货币政策使LM曲线移动（3）财政政策与货币政策的相互作用（4）中央银行的短期政策工具选择 2.IS-LM模型与总需求曲线（1）由IS-LM模型推导总需求曲线（2）总需求曲线的移动 3.短期和长期的IS-LM模型（1）国民收入决定的凯恩斯主义方法与古典方法之间的差别（2）在短期，价格有粘性，凯恩斯主义假设更好地描述了短期；在长期，价格有伸缩性，古典主义假设更好地描述了长期 4.大萧条的解释（1）支出假说：对IS曲线的冲击（2）货币假说：对LM曲线的冲击（3）债务-通货紧缩理论（4）可预期的通货紧缩的影响; 个人分类: 宏观经济学|0 个评论

分享总需求：建立IS-LM模型: accumulation 2015-3-12 23:18; 1.凯恩斯交叉图（1）假设（2）推导（3）财政政策与乘数（4）ZF购买乘数（5）税收乘数 2.IS曲线（1）推导：投资函数、凯恩斯交叉图、IS曲线（2）IS曲线的移动 3.流动偏好理论（1）假设（2）推导（3）货币政策 4.LM曲线（1）推导（2）LM曲线的移动 5.IS-LM模型 6.短期波动理论; 个人分类: 宏观经济学|0 个评论

分享 AR、DL、ADL、GARCH模型: accumulation 2015-3-12 22:42; （1）自回归模型（Autoregressive Model）：根据预测变量的历史数据，通过自回归进行预测，即y（t）=β0+β1*y（t-1）+β2*y（t-2）+u（t），模型中含有n个历史数据，则该自回归模型称为n阶自回归模型；相应的参数β1、β2等称为冲击倾向（冲击乘数）；自回归模型的根据是时间序列的相关性，即记忆性；自回归模型的预测能力很强；（2）分布滞后模型（Distributed Lag Model）：用与被解释变量y相关的解释变量x的时间序列数据对y进行预测，即y（t）=β0+β1*x（t）+β2*x（t-1）+u（t），例如，y（t）代表时期t的经济增长率，x（t）代表时期t的投资量，分布滞后模型相当于将静态模型中的解释变量替代为解释变量的历史时间序列；分布滞后模型具有明确的经济学、金融学理论解释；（3）自回归分布滞后模型（Autoregressive Distributed Lag Model）：将以上两种模型结合起来，即构造模型y（t）=β0+β1*x（t）+β2*x（t-1）+β3*y（t-1）+β4*y（t-2）+u（t），自回归分布滞后模型综合了自回归模型和分布滞后模型的优点；（4）GARCH模型（General Autoregressive Conditional Heteroskedasticity Model）：用长期平均方差、n-1期及以前的方差估计值与n-1期及以前的残差平方去估计n期的方差的模型，模型的解释变量中含有p个方差估计量，q个残差平方，则该模型称为GARCH（p，q）；GARCH模型常用于估计波动率。; 个人分类: 计量经济学|0 个评论

分享有效市场假说问题: accumulation 2015-3-10 22:41; 今天课上老师讲的是Y（t）=β1*Y（t-1）+u（t），如果β1=1，则该模型刻画的是随机游走；在有效市场假说中，股票价格应该是随机游走的，因此，return（t）=β0+β1*return（t-1）+u（t）的模型中，检验有效市场假说，即检验β1=0是否显著；老师讲的和金融计量学的教材上都收这么说的；而在伍德里奇《Inductory Econometrics：A Modern Approach》中，chapter 12 Serial Correlation and Heteroskedasticity in Time Series Regressions 中的Example 12.8“Heteroskedasticity and the Efficient Markets Hypothesisi”中，却说“The Efficient Markets Hypothesis states that β1=0”，意思是β1=0时才能说明市场是有效的，是不是伍德里奇这本书的想法错了？β1=0刻画了什么样的市场？ y（t）是股票价格，return（t）是股票回报率—————— 有效市场中股价是随机游走的，如果用股价y衡量，则有效市场y（t）=β1*y（t-1）+u（t）中β1=1；如果用回报率return来衡量，则有效市场return（t）=α0+α1*return（t-1）+v（t）中α1=0；这么理解是否正确？; 个人分类: 金融学|0 个评论

分享计量经济模型的选择与评价问题: accumulation 2015-3-8 00:06; 1. R2 其实是个非常微不足道的东西，看模型千万别盯着R2。举个例子，有可能引入x4之后，其他变量都内生了，反而对结果不利； 2. 检验的标准：第一看模型是否符合你的故事，第二看你的关键变量是哪个，如果不是第3项，则怎么设置差别不会太大。; 个人分类: 计量经济学|0 个评论

分享计量经济模型的检验与评价问题: accumulation 2015-3-8 00:03; 请问如何检验、评价并选择计量经济模型？如： 1.模型A：y=β1*x1+β2*x2+β3*x3+u；模型B：y=β1*x1+β2*x2+β3*x3+β4*x4+u；显然，模型B的R-squared要比模型A的R-squared高，这时评价并选择模型A和模型B中一个较优的模型时，除了根据调整后的R-squared进行选择外，还有什么方法？ 2.模型A：y=β1*x1+β2*x2+β3*x2^2+β4*x3+u；模型B：y=β1*x1+β2*x2+β3*（x2-x3）^2+β4*x3+u；模型B比模型A多引入了x2和x3的交互项以及x3的平方项，这时模型的甄别与评价是否需要利用RESET检验法？又如何评价引入交互项与没引入交互项的模型哪个更优？; 个人分类: 原子核物理|0 个评论

分享面板数据模型中的复合误差项: xiongjerry 2015-3-5 10:49; 在面板数据模型中复合误差V=U+E,其中U为不可观测的个体效应U，E为特异性误差。 1、当解释变量与U相关，与E不相关时，对于复合误差V来说，解释变量为内生变量，理论上可采用工具变量法进行处理，然而在实际应用中很难找到合适的工具变量与U不相关，因此此时采用固定效应估计来得更方便。 2、当解释变量与U相关，也与E相关时，不管是对于复合误差V、U还是E来说，解释变量都是内生变量，理论上可采用工具变量法进行处理，但在实际应用中要找到同时与U和E不相关的工具变量就更困难了，因此可采用固定效应的工具变量法（需找到与E不相关的工具变量）。 3、当解释变量与U不相关，与E相关时，对于复合误差V来说，解释变量同样是内生变量，此时须采用随机效应工具变量法进行处理（需找到与E不相关的工具变量）。 4、当解释变量与U不相关，同时也与E不相关时，此时可直接采用混合最小二乘法即可。; 个人分类: 方法论|14 次阅读|0 个评论

分享金融计量学: accumulation 2015-3-4 23:20; 金融时间序列模型 40% 期中 +20% 作业 +40% 期末论文 Eview 、 Stata 、 MATLAB 参考《金融计量经济学导论》、张成思 1. Maximum Likelihood —极大似然估计 2. Given X （ Information set ）—— Aim Forecast Y Random Variable 3. 随机变量的实现值称为数据， X 是随机变量的实现值，即可以用来预测的历史数据，用于预测 Y ； Y=f(X) ；预测中存在误差，即存在低估与高估； 4. MSFE ： Mean Square Forecast Error —— E ；即衡量预测结果好坏的标准；定理： Min{ E } 可以得到最佳的预测； 5. 最佳预测函数 f=E （ Y|X ）；即最好的预测是 Y 的条件期望值；对平方和这个目标函数进行极小化是这个预测的前提； 6. Given g(x,y) ，可以计算边际密度函数 gx() 、 gy() ；还可以计算条件密度函数、条件均数 E(Y|X) ； 7. 现实中，无法知道 g(x,y) ，因此，即使条件均值 E(Y|X) 是最好的预测，但是联合密度函数未知，因此 E(Y|X) 未知，因此，需要对 E(Y|X) 进行近似估计；这个过程称之为建模； 8. 计量经济学的核心是在近似估计条件均值，即建模； 9. 简单回归模型： Let E(Y|X)=a+bX ；预测误差 u=Y- E(Y|X) ；即可以得到一元回归模型 Y=a+bX+u ；利用 OLS 对 a 、 b 进行估计，之后得到 Prediction equation ；有用的模型不一定是对的，大多数模型是错的，如果模型的预测结果可以被接受，则模型至少是有用的；简单的模型与复杂的模型基本都是错的，对的模型无法观测到，是未知的；有用的模型即预测的表现很好； 10. 时间序列： Yt ， t=1,2,3… 是一系列随机变量的集合，其特性是拥有下标 t ， t 代表时间的先后，这是时间序列数据与横截面数据的不同； 11. A realization of time series —— data ，数据即样本路径； 12. 每一个时间点上，随机变量都有一个分布；假设任意 t 值对应的分布是一样的，每一个时间点上的实现值在事前是未知的，经过时间的积累，各时间点的实现值链接起来，构成样本路径（ Sample Path ），即数据（ time series data ）；每一个时间点上的数据只有一个实现值； 13. If {y1 ， y2 ， y3…} is an independent and identically distributed sequence （独立同分布 iid ），统计学的大数定律表明，样本均数会收敛到未知的均数； if {y1 ， y2 ， y3…} is a dependent sequence ，时间序列数据一般都是相关的，如这个月的房价与下个月的房价，即 correlated ；如果时间序列数据具有相关性， Does LLN （大数定理） hold ？ 14. If {y1 ， y2 ， y3…} is iid ， var(Y)=var(sum(Yt)/T)=var(sum(Yt))/T^2 （无协方差） =var(y)/T ； 15. if {y1 ， y2 ， y3…} is a dependent sequence ， var(Y) 中存在协方差； 16. 如：一般不会去计算中国过去 30 年经济增长率的方差，因为其中存在协方差；所用的数据是具有相关性的，如果没有更多的模型结构，则此问题难以计算；需要用到协方差矩阵；因此，相关的时间序列数据需要一个特定的结构，即平稳性 stationarity ，否则连均数的方差都无法计算；在 iid 时，大数定理成立； iid 不成立时，如果没有进一步的结构，平均数的方差是无法计算的； 17. 模型的评价：正确 9 次错误 1 次的模型不一定是好的，正确 1 次错误 9 次的模型不一定是坏的，因为后者正确的 1 次可能是金融危机； 18. 计量经济学建模步骤。; 个人分类: 金融学|0 个评论

分享 FORTRAN——谐振子模型厄米多项式: accumulation 2015-3-4 15:31; DOUBLE PRECISION FUNCTION HE(N,X) IMPLICIT DOUBLE PRECISION(A-H,O-Z) A=1.D0 B-2.D0*X IF(N.NE.0) GOTO 1 C=A GOTO 3 1 IF(N.NE.1) GOTO 2 C=B GOTO 3 2 DO 10 I=1，N-1 C=2.D0*B*X-2.D0*I*A A=B B=C 10 CONTINUE 3 HE=C RETURN END; 个人分类: 原子核物理|0 个评论

分享金融计量学: accumulation 2015-3-4 00:21; 金融时间序列模型 40% 期中 +20% 作业 +40% 期末论文 Eview 、 Stata 、 MATLAB 参考《金融计量经济学导论》张成思 Maximum Likelihood —极大似然估计 Given X （ Information set ）—— Aim Forecast Y Random Variable 随机变量的实现值称为数据， X 是随机变量的实现值，即可以用来预测的历史数据，用于预测 Y ； Y=f(X) ；预测中存在误差，即存在低估与高估； MSFE ： Mean Square Forecast Error —— E ；即衡量预测结果好坏的标准；定理： Min{ E } 可以得到最佳的预测；最佳预测函数 f=E （ Y|X ）；即最好的预测是 Y 的条件期望值；对平方和这个目标函数进行极小化是这个预测的前提； Given g(x,y) ，可以计算边际密度函数 gx() 、 gy() ；还可以计算条件密度函数、条件均数 E(Y|X) ；现实中，无法知道 g(x,y) ，因此，即使条件均值 E(Y|X) 是最好的预测，但是联合密度函数未知，因此 E(Y|X) 未知，因此，需要对 E(Y|X) 进行近似估计；这个过程称之为建模；计量经济学的核心是在近似估计条件均值，即建模；简单回归模型： Let E(Y|X)=a+bX ；预测误差 u=Y- E(Y|X) ；即可以得到一元回归模型 Y=a+bX+u ；利用 OLS 对 a 、 b 进行估计，之后得到 Prediction equation ；有用的模型不一定是对的，大多数模型是错的，如果模型的预测结果可以被接受，则模型至少是有用的；简单的模型与复杂的模型基本都是错的，对的模型无法观测到，是未知的；有用的模型即预测的表现很好；时间序列： Yt ， t=1,2,3… 是一系列随机变量的集合，其特性是拥有下标 t ， t 代表时间的先后，这是时间序列数据与横截面数据的不同； A realization of time series —— data ，数据即样本路径；每一个时间点上，随机变量都有一个分布；假设任意 t 值对应的分布是一样的，每一个时间点上的实现值在事前是未知的，经过时间的积累，各时间点的实现值链接起来，构成样本路径（ Sample Path ），即数据（ time series data ）；每一个时间点上的数据只有一个实现值； If {y1 ， y2 ， y3…} is an independent and identically distributed sequence （独立同分布 iid ），统计学的大数定律表明，样本均数会收敛到未知的均数； if {y1 ， y2 ， y3…} is a dependent sequence ，时间序列数据一般都是相关的，如这个月的房价与下个月的房价，即 correlated ；如果时间序列数据具有相关性， Does LLN （大数定理） hold ？ If {y1 ， y2 ， y3…} is iid ， var(Y)=var(sum(Yt)/T)=var(sum(Yt))/T^2 （无协方差） =var(y)/T ； if {y1 ， y2 ， y3…} is a dependent sequence ， var(Y) 中存在协方差；如：一般不会去计算中国过去 30 年经济增长率的方差，因为其中存在协方差；所用的数据是具有相关性的，如果没有更多的模型结构，则此问题难以计算；需要用到协方差矩阵；因此，相关的时间序列数据需要一个特定的结构，即平稳性 stationarity ，否则连均数的方差都无法计算；在 iid 时，大数定理成立； iid 不成立时，如果没有进一步的结构，平均数的方差是无法计算的；; 个人分类: 金融学|0 个评论

分享再论模型和数值算法: accumulation 2015-1-19 14:31; 1.Black-Scholes-Merton的替代模型 2.随机波动率模型 3.IVF模型 4.可转换债券 5.依赖路径衍生产品 6.障碍式期权 7.与两个相关资产有关的期权 8.蒙特卡洛模拟与美式期权; 个人分类: 金融学|0 个评论

1 234 5 6 7 8 9 下一页

京ICP备16021002号-2 京B2-20170662号京公网安备 11010802022788号论坛法律顾问：王进律师知识产权保护声明免责及隐私声明