摘要：当前上市公司信用风险数据所呈现出的高维度以及高相关性的特点严重影响了信用风险模型的准确性。为此本文结合已有算法以及信用风险模型的特点设计了一种新的基于非参数的变量选择方法。通过该方法对上市公司用风险相关变量进行分析筛选可以消除数据集中包含的噪声变量以及线性相关变量。本文同时还针对该方法设计了高变量维度下最优解求解算法。文章以Logistic模型为例对上市公司信用风险做了实证分析,研究结果表明与以往的变量选择方法相比该方法可以有效的降低数据维度,消除变量间的相关性,并同时提高模型的可靠性和预测精度。

摘要：随着中国股指期货市场成交量的扩大和流动性的加强,合约间价差的变化更加复杂和多变。为了改进传统跨期套利策略的效果,使用允许结构突变的变结构协整模型对价差进行建模,设计了一套完整的程序化交易策略,并选取IF1311,IF1312,IF1401和IF1402的真实高频交易价格数据进行实证研究。结果表明:中国股指期货合约价格存在大量突变现象,变结构协整模型策略在3对合约间的交易表现相较于传统模型策略,能捕捉到更多交易机会、更高的收益率和更大的夏普比率。