摘要：在线投资组合选择(online portfolio selection)问题是当前量化投资领域一个重要的研究问题.近些年来,可投资标的的爆炸式增长急需能够有效计算的投资组合选择策略,而现有高绩效算法大多具有指数级或多项式级的时间复杂度,不利于在实际中应用.由此,本文提出了一种基于次梯度投影的泛投资组合选择策略SGP.将次梯度投影的思想应用到资产组合构建的过程中,得到策略的再平衡规则.理论上,本文分析了次梯度投影算法的竞争性能,证明了该策略是一个泛投资组合选择策略;并发现该算法具有线性时间复杂度.实证上,验证了SGP策略在美国与中国市场的表现.结果表明,SGP策略能够实现和最新的泛投资组合选择策略相当的收益率,而算法运行时间短于现有策略.参数敏感性分析表明SGP策略对参数选择不敏感;交易成本敏感性分析表明SGP策略能够承受合理的交易成本.

摘要：本文提出一种利用自适应次梯度投影算法(Adaptive Subgridient Projection Method,ASPM)进行压缩感知(Compressed Sensing,CS)信号重构的方案。ASPM算法首先根据CS重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用并行次梯度投影的思想将对该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的干扰抑制滤波器系数矢量投影到限定集合上。同时为了获得快速收敛性,本文设计了在迭代的不同阶段自适应地调节该膨胀系数的机制。理论分析和仿真结果表明,本算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性。

摘要：在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化为对多个闭合半平面的投影,最后将更新后的稀疏重构信号投影到限定集合上.同时,该算法设计了自适应调节膨胀系数的机制以获得快速收敛性.理论分析和仿真结果表明,该算法具有快速收敛性和较低的重构误差,在不同的噪声强度下具有较高的鲁棒性.