配对设计

配对设计（精选12篇）

配对设计 篇1

在实际工业过程中存在很多针对多变量控制系统的设计方法,由于分散常规控制具有结构简单及性能稳定可靠等优点,仍是工业控制中广泛采用的一种控制策略。但是分散控制存在的不足是控制结构有限,各回路之间的关联作用会降低闭环系统的控制性能[1]。因此多回路分散控制的首要任务是关联分析,就是选取哪些作为操作变量和被控变量以及确定操作变量与被控变量一对一的配对关系[2]。据此进行回路配对,使得回路间的关联作用尽可能得小,这样多变量控制系统就可近似地看作多个单入单出(SISO)系统,可简便地利用SISO系统的技术设计相应的控制器[3]。

配对方法中最著名、应用最广泛的是1966年Bristol提出的相关增益矩阵(RGA)法[4]。RGA的最大优势在于计算简便,但由于RGA只利用了稳态增益, 而没有考虑过程的动态特性,有时会得出错误的关联分析结果。为此,为了克服RGA的缺陷,提出了不少改进的配对方法[5,6,7,8,9,10,11]。其中Xiong Q等提出了有效RGA(ERGA),引入系统的开环稳态增益和带宽或截止频率,定义了ERGA的形式[5]。相比于RGA,计算虽然复杂,但能反映动态信息。笔者基于开环阶跃响应进行时域分析,充分考虑到系统的动态信息,给出了一种新的关联分析方法,即动态相对增益阵(Dynamic-RGA)。通过动态相对增益阵对多变量系统进行关联度分析,能够得到较好的配对结果。

1 动态相对增益阵(Dynamic-RGA)

基于RGA和NI的配对规则的优势是判定回路之间的关联度仅仅依靠稳态增益[12],稳态增益的获取是很容易的。与此同时,这种配对规则的缺点也是只用了稳态信息,而忽略了动态信息,有时会得出错误的关联分析结果,在此用以下例子说明动态信息的重要性。

考虑如下传递函数的2×2系统:

undefined

基于文献[4]中的计算方法求得RGA阵为undefined,按照RGA的定义应该是采用(y1-u1)、(y2-u2)配对,表示配对后闭环系统稳定性的Niederlinski指数NI大于0,系统稳定。但是注意到传递函数阵对角线元素的开环时间常数为10,远远大于非对角元素,采用(y1-u2)、(y2-u1)配对方式(NI>0)响应更加迅速。李少远和蔡文剑使用最优PI控制器设计的方法对此类例子进行的仿真表明,(y1-u2)、(y2-u1)的配对更加合理[13]。为不失一般性,再考虑一个具有时滞的传递函数阵:

undefined

其RGA值为undefined,对角元素配对和非对角元素配对的NI都大于0,根据配对准则采用(y1-u1)、(y2-u2)配对,但是McAvoy T等使用最优PI控制器设计的方法证明(y1-u1)、(y2-u2)配对导致不理想的闭环性能指标,反而非对角配对具有较好的效果[9]。导致对角配对效果差的主要原因是其传递函数的动态特性。显而易见,对角线上的元素其时间常数和时滞是100和40,远远大于非对角线元素(10和4),响应速度快的回路充分利用时间解耦,以至于使慢速回路的影响消弱。这两个例子充分说明了动态信息对于回路配对准则的影响,基于此在下文中提出了新的配对方法。

上述分析清晰地指出了RGA配对规则的不足,表明了动态信息对关联度分析的重要性。笔者基于此提出了一种新的配对方案——动态相对增益阵(Dynamic-RGA):

undefined

RGA(t)为动态响应过程中不同时刻对应的相对增益阵,可以表示多变量系统不同时刻的关联度。为了对系统关联度给出一个全局的衡量标准,笔者采用RGA(t)在特定时间段[t0,tn]内的积分均值,即动态相对增益阵进行系统关联度分析。下面将对动态相对增益阵进行详细解释说明。

传统的RGA是在开环稳态增益的基础上建立的,只包含了稳态信息,而忽略了动态信息,在此基础上笔者提出了RGA(t)的概念,对传递函数阵中各个元素在开环单位阶跃响应下进行时域分析。已知在响应曲线到达稳态时对应的幅值大小为开环稳态增益,那么可以推出各个时刻对应响应曲线的幅值为该子系统各个时刻的“开环稳态增益”,称之为开环动态增益。利用RGA的定义笔者将各个时刻传递函数阵中所有元素对应的开环动态增益组成一个阵列,然后求出不同时刻的相对增益阵RGA(t),即可判断多变量系统这个时刻的关联度,具体求解为,假设n×n传递函数阵的开环稳定系统为:

undefined

G(s)中的每一个传递函数在单位阶跃函数的作用下,得其单位阶跃响应阵:

undefined

undefined

然后对单位阶跃响应阵进行拉普拉斯反变换得:

undefined

RGA可由下式得到[4]:

Λ=G(0)⊗G(0)-T (4)

其中G(0)为系统的开环稳态增益矩阵,结合RGA的概念推广到RGA(t):

RGA(t)=Y(t)⊗Y(t)-T (5)

在式(5)中, Y(t)为系统的开环动态增益矩阵,即单位阶跃响应曲线幅值阵随时间t变化的情况,当t→∞时,Y(t)=G(0)也就是阶跃响应曲线的稳态值所组成的阵为系统开环稳态增益阵。Y(t)-T为Y(t)逆的转置,运算符⊗为Hadamard乘法,即矩阵元素乘法。

当Y(t)逆矩阵不存在时,系统不存在关联作用[14],设时刻θ是Y(t)逆矩阵存在的最小时刻,则当t≥θ时系统开始存在关联作用,这时能很快判定出动态响应过程中各个时刻系统的关联度,而不是只局限于最终稳态点的关联程度,即动态过程中的相对增益阵,当t→∞时,RGA(t)=RGA。

对于前面所提到的具有时滞的传递函数矩阵undefined求其RGA(t)。如图1所示,当响应时间大于4min时,系统开始存在关联作用,一开始非对角占优,即(y1-u2)、(y2-u1)配对系统关联作用较小,随着时间的推移,对角元素开始占优,即(y1-u1)、(y2-u2)的配对更加合理,随着时间的递推直至稳态也就是RGA反映的配对效果:

undefined

最后为了确定动态相对增益阵,必须明确式(1)中的积分下限t0和积分上限tn。在RGA(t)的分析中,得知当Y(t)逆矩阵不存在时,系统不存在关联作用,设时刻θ是Y(t)逆矩阵存在的最小时刻,即系统存在关联作用的最小时刻。因此确定式(1)的积分下限t0=θ。

对如下过程:

Y(s)=G(s)U(s) (6)

设传递函数阵中的元素可描述为一阶纯滞后对象,即:

undefined

采用系统开环单位阶跃响应进行时域分析,而传递函数阵中元素的单位阶跃响应的主要响应部分(63.2%)发生在时间Tij+τij内,因此选择积分上限:

tn=max{T11+τ11,…,Tij+τij,…,Tnn+τnn}

则在积分时间内包括了所用元素阶跃响应的大部分动态信息。

对于传递函数阵中的元素可描述为二阶纯滞后对象,即:

undefined

由于二阶纯滞后对象单位阶跃响应可能存在振荡特性,所以其阶跃响应主要部分发生在调节时间ts,ij内,undefined。因此,对于二阶纯滞后对象选取积分上限:

tn=max{ts,11,…,ts,ij,…,ts,nn}

对比与RGA的配对规则,Dynamic-RGA的配对规则如下:

a. 尼德林斯基指数NI为正;

b. 配对的Dynamic-RGA元素接近于1;

c. 被选择配对的ERGA元素必须是正数;

d. 大的Dynamic-RGA元素应该避免。

利用Dynamic-RGA方法测量整个响应过程中各个回路之间的关联作用,其意义为:

a. Dynamic-RGA的侧重点与RGA不同,RGA是侧重于稳态信息,Dynamic-RGA中包含了系统响应过程的大部分信息,提出了注重响应动态信息的概念;

b. Dynamic-RGA仅仅用了开环传递函数的信息并且提供了对整个动态过程关联作用的综合描述,简便有效。

2 实例分析

例1 考虑如下传递函数的2×2系统:

undefined

分别计算其RGA、ERGA阵列如下:

undefined

undefined

采用Dynamic-RGA方法,确定积分下限t0=1.1min(大于1min即可,笔者取1.1min),积分上限为tn=101min。

undefined

根据RGA和ERGA配对规则,选用(y1-u1)、(y2-u2)配对(NI=1.2),而Dynamic-RGA给出的配对结果是(y1-u2)、(y2-u1)(NI=6.0)。为了验证配对方案合理性,笔者依据不同的回路配对方案,基于文献[15]的IMC-PID参数设计方法优化各回路的PID控制器参数。y1的设定值在0min时做了+1的阶跃,y2的设定值在120min时做了+1的阶跃。控制仿真曲线如图2所示。

从图2的控制仿真比较曲线可以看出,采用Dynamic-RGA方法得到的(y1-u2)、(y2-u1)配对方案,能够得到较好的控制效果。

例2 考虑如下3×3的精馏塔过程[16]:

undefined

针对以上精馏塔过程,文献[17]的多变量系统性能分析得出,使用再沸器热负荷u1控制塔底板温度y1,使用回流比u3控制塔压y2,使用塔顶馏出量u2控制回流釜液位y3得到最佳的控制效果。分别计算其RGA、ERGA阵列如下:

undefined

undefined

根据Dynamic-RGA方法,确定积分下限t0=1.9min,积分上限为tn=460min。

undefined

根据以上3种配对规则,均采用(y1-u1)、(y2-u3)、(y3-u2)配对(NI=39.7),与文献[17]最佳配对方案一致。

例3 考虑如下3×3系统(取自文献[18]):

undefined

分别计算其RGA、ERGA阵列如下:

undefined

undefined

根据笔者的方法,确定积分下限t0=3.6min,积分上限为tn=13.7min,为最大调节时间。

undefined

根据RGA和ERGA配对规则,选用(y1-u3)、(y2-u2)、(y3-u1)配对(NI=1.45),而Dynamic-RGA给出的配对结果是采用(y1-u2)、(y2-u3)、(y3-u1)配对(NI=2.3998)。

为了验证配对方案的合理性,笔者依据不同的回路配对方案,基于文献[15]的IMC-PID参数设计方法优化各回路的PID控制器参数。y1的设定值在0min时做了+1的阶跃,y2的设定值在300min时做了+1的阶跃,y3的设定值在600min时做了+1的阶跃,控制仿真曲线如图3所示。

从图3的控制仿真比较曲线可以看出,上例中的Dynamic-RGA配对方案是最合理的,即采用(y1-u2)、(y2-u3)、(y3-u1)配对。

通过以上的实例计算和仿真结果可以看出,笔者提出的新的变量配对方法Dynamic-RGA能够得到合理的配对结果。RGA只考虑了系统的稳态信息,不能表示系统的整个过程响应,所以可能得到错误的配对结果。ERGA带宽或截止频率选择不同的话,可能得到不同的矩阵从而产生不同的配对结果。这种方法频率计算选择为带宽频率时,对系统时滞不敏感,从而产生错误的配对结果。

3 结束语

针对多变量系统的关联度分析,通过求系统主要响应部分的关联度积分均值提出了一种新的方法Dynamic-RGA。这种方法继承了RGA的一些特点,并在此基础上进行改进,与RGA仅仅关注稳态信息对比,新的方法着重关注系统响应过程的动态信息。实例研究表明,Dynamic-RGA能较为有效地给出合理的配对方案。新方法是一种开环配对方法,其目的就是最大限度地利用开环信息进行配对方案的相关研究。

配对设计 篇2

3、在乒乓球双打比赛中简与爱丽丝配对。

4、在这个测试阶段，参与者很好地记住了面孔-词语的配对，在回忆测试中平均分数几乎达到81%。

5、她的结果说明配对编程是有益的，但是需要更多的数据以证实她的决定。

6、在原始文档级别格式中，每个开始标记与一个结束标记配对。

7、有时候，它们是一种配对形式，只是把一个人交给另一个人。

8、在配对过程中这些素材是大量“指定偏好”的集合：你对某些特性和特质的欲望或偏执。

9、控制器中的每个动作也是根据名称与一个视图配对。

10、而由于雪佛龙的股价也将大跌，以等额做空雪佛龙的配对交易者所获的利润将抵消他的部分或所有损失。

11、雌鸟与雌鸟配对在其他鸟类中并不是没有，如加利福尼亚海鸥和粉红燕鸥，但从来没有达到这么高比例。

12、比方说，你可以从五个可能的选项中选择一个3号大拇指，然后将其与2号内侧腕关节和4号外侧腕关节配对。

13、个体可以通过为配对编程或者执行之后的评审来满足这个需求。

14、我们很多人都不同意初始化配对。

15、他们配对机构的素材是少量的人格测试和发布在“斯帕克”上用来吸引流量的好笑的调查问卷。

16、虽然将最流行的开放式操作系统与谈论最多的、功能最丰富的文件系统配对在一起是最理想的匹配，但是许可证问题限制了集成。

17、他们时常以小组或配对的形式学习，把大家的想法集中起来，共同选一个发言人。

18、我们回过头来看看那20位可能会与那些男人配对的女性。

19、就在这里，科学家们发现了一个神秘阶段，他们称之为“虚能隙”，在此阶段，电子们会在形成配对并开始超导之前排列成队。

20、这都取决于这些机构将他们自己置于一些个体网站的最前沿。这样的话，配对工作就可以开始了。

21、从一个不安全的网站窃取了他的登入信息，然后将这些信息与他们从互联网上找到的密码配对，从而进入了他的电子邮箱。

22、这种眼镜带有内置摄像机，可以捕捉到对方的面部表情，并将它们与表达情感的24种表情特征配对。

23、但是当组织确实建立了辅导项目的时候，关键在于对导师和被辅导者进行配对并且对将要做的事情进行一些培训。

24、它会邀请几十位配对的伴侣们参加单身聚会，因为人们在群体情景中会更放松。

25、这一配对包括了主分区中的虚拟服务提供者（VSP），它负责和每个虚拟机中的虚拟服务客户端（VSC）交互。

爱情大配对 篇3

哪一种男人适合我?怎么才能寻找到属于我的幸福?通过我们的测试你会知道自己属于哪一种恋爱类型，以及与之相对应的情感生活。

我们几乎都曾碰到过这种情况：他是个很有魅力的人，讨人喜欢，可靠。我们真想马上认他做自己的哥哥，但是再进一步呢?还是算了吧。美国著名的女人类学家海伦·费舍尔博士认为，很有可能是我们的生理特征类型踩下了刹车。这位专家在过去的30年间一直致力于研究人类相爱的原因。现在她发现，我们的基因，以及每个人体内的荷尔蒙混合状况都会对我们心仪的对象产生一些重要的决定性的影响。她说：“除了文化影响之外，如我们的童年经历，社会化程度，地位，个人魅力，生理上的因素都会影响我们选择伴侣的标准。”她归纳了4种基本的性格类型，冒险家型、企业家型、外交官型和开拓者型。通过费舍尔博士发明的这个测试，你就能知道自己属于哪一类型了。费舍尔还将在下文中对各类型的特点和情感方式进行详细的介绍。

快速测试：

你属于哪一种恋爱类型?

这个测试适用于男女双方。

你们分开回答下面问题，每一项根据符合程度有不同的分数，然后计算出各栏的总分数。

完全没有的事儿0分

不贴切1分

贴切2分

说得太对了!3分

1黄色栏总得分：

我做事情是很随性的。

我有很多不同的兴趣爱好。

我比大多数人更容易激动。

为了做我想要的事情，我会不惜去冒险。

2紫色栏总得分：

总的来说，我认为人们应该遵守规则。

我的家人和朋友会告诉你，我是一个很看重传统和价值的人。

不应该质疑权威，这很重要。

我会快速、有的放矢地完成我的工作。

3红色栏总得分：

我很真诚地关心着朋友的感受和需求。

在看完一部感伤的电影几小时以后，我的情绪还会受其影响，晚上也难以入眠。

我能够生动地描绘出发生在我身上的好事和坏事。

在读书时，如果作者跑题了，我会觉得他有良好的或者深刻的寓意在其中。

4绿色总得分：

和大多数人相比，我的思维更具有分析性和逻辑性。

我在解决问题时可以不掺杂感情色彩。

我想要把事物的各种关系都弄清并理解。

讨论很有助于我理智地思考问题。

评分：比较一下各栏得分，最高者即你的恋爱类型：

1、冒险家型2、企业家型3、外交官型4、开拓者型

1冒险家型

名称就说明了一切：他们喜欢冒险，好奇心强，而且做事随性而为。他们很有可能生活在大都市，比其他大多数人更加独立灵活和崇尚自由。“是因为多巴胺含量较高的缘故”，费舍尔博士说，“这使得冒险家型的人在性方面特别活跃，因为那种幸福荷尔蒙会大量分泌”。同时，他们的行为经常是无法预知的，有可能会不计后果，义无反顾。而且必须注意的是，不要让对刺激和享受的追求变成一种难以改变的嗜好。

2企业家型

这一类型所占比重最大，女性38％，男性35％。费舍尔认为，这种企业家型个性特征主要是受到了血清素荷尔蒙的影响。“企业家型比较小心谨慎，但决不是胆怯”，费舍尔博士说，她把这一类型的人形容成具有管理天赋的优秀的组织者。他们善于交际，八面玲珑而且忠诚。他们推崇秩序，因此也尊重权威和传统。其中的大多数人对宗教的热情比较大。当然，有时候他们也显得有一点教条主义和呆板，执拗地坚信只有一条解决问题的道路。

3外交官型

雌激素对这一类型的人的影响比较大。他们直觉敏锐，善解人意，理想主义倾向，创意丰富，而且总是在探寻事物的意义所在。“外交官类型的人非常善于区分细微的差别，他们拥有一种特殊的才能”，但有时这也会导致他们变得优柔寡断，不引人注目。由于他们会为别人着想，所以他们通常会避免冲突的发生。

4开拓者型

他们是决策者：善于分析和发明创造，注意力集中，勇往直前。23％的女性和30％的男性属于这一类型。睾丸激素对于开拓者类型起着重要的作用。他们非常讲究逻辑性。他们在实施计划时，较少受到感情因素的影响。竞争在他们的眼里只是一种有积极意义的挑战罢了。他们独立、自律，“如果他们下决心不再吃巧克力了，就决不会再去碰那东西”。但这种领袖气质的另一面在于：缺乏耐心，难以接近，不太为别人着想。他们有时也会显得比较有侵略性或者不愿做出必要的、适当的妥协。

爱情搭配

根据费舍尔的研究，我们总共得出了10种不同的搭配方式。专家指出，其中并没有任何绝对不合适的配对方式。不过研究也表明，每一种性格类型在选择配偶时也是具有一定的倾向性的：外交官类型的就大多会爱上开拓者型的，反之亦然。企业家型的则更喜欢相同类型的人，冒险家类型的人也经常有爱上同类这种倾向。

外交官型配开拓者型

乍一看差别很大，但是实际上非常互补。外交官型会考虑得面面俱到，然后由开拓者型一锤定音。后者帮助前者把握重点，而前者则为后者补充了情感考量方面的缺失。

“此外，他们在抽象思维上的交流会特别投机。”冒险家型配外交官型外交官型比较开放，容易和冒险家型一起行动。而他／她的丰富创意也为冒险家型提供了很多灵感。两个人在一起总是很有意思的。

开拓者型配开拓者型

两个人要注意定期见面，因为他们都是那种容易埋头工作，充耳不闻的人。不过同时，他们也能充分理解彼此的工作热情，并给予对方所需要的自由空间。费舍尔认为：“这一对，可能会在参加聚会时，整晚都坐在一个角落里，旁若无人地聊天。”

外交官型配外交官型

“在所有配对中，这一对是最浪漫的，”费舍尔评价道，他们经常会有志趣相投、心心相印的感觉。他们都想要追寻生命的意义，都渴望交流，这对于他们的感情将是一条强有力的纽带。

外交官型配企业家型

两个社交能力很强的人，当他们为一个共同目标努力时，将会是一支很厉害的团队。外交官型能帮助企业家型构建稳固的人脉网络和地位，而企业家型在实干方面的天赋也会帮助另一半更加踏实。

企业家型配企业家型

这一组合在社会上非常常见。由于企业家型所特别具有的稳定性特质，“使得这种搭配选择在养育后代方面具有很大的优势”。两个企业家型的人一般都拥有相似的价值观和世界观，会使得他们的关系相当和睦。“两人日后会迎来金婚的纪念日。”

冒险家型配冒险家型

他们给了对方所需要的刺激感。“如果有一方突发奇想，要去攀登珠穆朗玛峰，那么他们就真的会去，万不得已时会把孩子也一起带去，”费舍尔是这么形容这一配对的。虽然两个人有很多地方非常合拍，可是他们的分手危险却是最大的，变换婚姻的频率很高。

冒险家型配开拓者型

两者都喜欢收集信息。“这是喜欢稀奇古怪的娱乐方式的一对。”冒险家型受益于开拓者型那扎实的学识，而后者也受益于前者那广泛的兴趣爱好。两人性生活方面一定非常带劲。

企业家型配开拓者型

“这一配对方式有点特殊”，费舍尔总结道。双方都能为对方的生活提供一些很缺乏的东西。企业家型会提醒开拓者型更注意社交，而知识渊博的后者则会使两人世界变得更加丰富多彩。

冒险家型配企业家型

配对设计 篇4

配对交易为两种类型: 一类是基于统计套利的配对交易[1],一类是基于风险套利的配对交易。

基于统计套利的配对交易策略是一种市场中性策略,是指从市场上找出历史股价走势相近的股票进行配对,当配对的股票价格差偏离历史均值时,则做空股价较高的股票同时买进股价较低的股票,等待他们回归到长期均衡关系,由此赚取两股票价格收敛的报酬。

目前国内外的配对交易方法主要有三种,分别是最小化偏差平方和法则、协整理论方法和随机价差模型方法。这些方法利用统计学公式根据价格序列生成股票对,但是交易的过程与配对的过程没有关联,收益与配对也没有关联。本文利用股票对的最终收益给股票配对,并以此考证该配对的算法是否可行。

在应用配对交易策略时,投资者需要进行两个步骤: 第一步是股票组合( 配对股票) 的选择; 第二步进行模拟交易,即当配对股票的投资收益偏差到多大程度时进行买入或卖出时间的选择。第二步主要用于检测股票组合选择的合理性。本文对配对交易理论的研究,主要针对上述两个步骤[2]。

1基于累计收益的配对交易模型分析

我们以基于累计涨跌幅( 累计收益) 的配对交易为基本策略,不考虑行业等各种因素,只是对所有股票两两组合进行配对交易。研究分为两步: t ∈ ( t0,tn) 为股票组合选择阶段,t ∈ ( tn +1,tN) 为验证阶段。

1. 1股票组合选择阶段

由于股票间价格水平的不同,直接用股票收盘价之间的价差来衡量收益会导致没有实际意义,在配对形成期间,本文将研究股票收益率,即收益额/原始投资额,可知收益率只与股票价格有关。本文只考虑股票每日收盘价,则收益率可通过下式计算:

其中,closetA表示股票A第t日的收盘价,closetArade表示股票A买入时的价格。trade记录的是股票A最近一次买入的时间点。由推导公式可知,profittA可用来表示股票A从最近一次买入时到t时刻的收益率。

式( 1) 可用来计算一支股票的收益率,而两支股票的收益率的差值,可认为是两支股票收益率的相对波动fluctuationtAB, 可按下式来计算:

其中,fluctuationtAB表示股票A与股票B在trade时刻( 最近一次买入股票A或B的时间点) 到t这个时间段内的收益率之差,如果fluctuationtAB为0. 2,则表示从trade时刻到当前时间点t时刻, 股票A比股票B的收益率多20% 。从长期来看,一支股票可以有很大涨幅,也可能有很大跌幅,比如A的收益率为800% ,B的收益率为 - 60% ,则fluctuationtAB= 8 - ( - 0. 6) = 8. 6。由此可知, fluctuationtAB的取值范围非常大。但我们的算法希望股票的收益率相对波动达到一定幅度时进行交换操作从而实现获利,所以,不需要考虑如此大的取值范围。

算法的核心思想如下:

在t0时刻选择了股票A和股票B作为投资组合并买入股票A,到t1时刻时,相对t0时刻,如果股票A的收益率为4% ,股票B的收益率为 - 2% ,则fluctuationtAB为6% 。如果我们此时卖出A而买入同样数量的B,则我们保持股票数量不变,但拥有了更多现金。如果t2时刻( 相对t1时刻) fluctuationtAB达到了 - 6% ,则卖出B而买入同样数量的A,那么,相对t0时刻,我们持有相同数量的股票,但拥有更多现金,从而实现获利。

以上所说的6% 仅为举例,我们可以发现,如果阈值取值较小,则可以实现更多次数的交换,但由于卖出了涨势好的股票, 因此可能放弃了股票继续上涨带来的利润; 如果阈值取值较大, 则可在单次交换时实现更大获利,但减少了交换次数。如何找到合理的阈值是我们需要解决的核心问题,我们希望能通过股票的历史数据找到一个最合理的阈值,从而实现最大获利。

算法具体描述如下:

首先选择一个fluctuationtAB的范围( 如3% 到20% ) 作为阈值集合,在这个集合中选取一个阈值D。t时刻股票组合是否交换需要通过比较fluctuationtAB和被选取的阈值D值,主要通过下列买入卖出规则来判断的:

在t时刻,如果fluctuationtAB> D并且持仓A,那么先卖出A, 然后买入股票B,如果fluctuationtAB< - D并且持仓B,此时先卖出B,然后买入A 。

下面用一个例子描述典型配对交易过程,收益率的相对波动fluctuationtAB的曲线见图1所示。图1中,横坐标是交易日,纵坐标是股票A相对股票B的收益率波动。图1中最上面的一条水平虚线表示我们设定的相对波动上限,波动曲线突破此上限时触发股票的交换操作。同理,最下面的一条水平虚线表示我们设定的相对波动下限,波动曲线突破此下限时触发股票的交换操作。

t0时刻开始买入股票A,到了t1时刻,收益率的相对波动突破了上限D,则将A卖掉买入B。因为相对波动根据t时刻相对买入时刻计算,所以,t1时刻收益率的相对波动曲线回到0。此时, 波动曲线继续往上走,表示股票A相对B在继续涨,再次突破了上限D,但此时持仓B,所以不交换。过了一段时间,股票A相对B下跌,从而收益率的相对波动曲线突破了 - D ,此时可再交换。详细的交换过程可见表1所示。

首先定义各符号如下:

remaint表示在t时刻的交易前的剩余资金。 At表示t时刻买入的A的股票数量。

At表示t时刻买入的A的股票数量。

Bt表示t时刻买入的B的股票数量。

假定总资金M,在t = t1时刻,fluctuationtA1B> D并且持仓At0( 持仓数量为) ,此时卖出股票A,买入股票B,t = t2时刻, fluctuationtA2B< - D( 此时持仓B) ,卖出B,买入A,t = t3时刻fluctuationtA3B> D,此时卖出A,买入B 。如表1所示。

t时刻买入股票的数量用当前总资金( 包括t时刻的现金加上t时刻的股票变现) 除以t时刻该股票的价格得到。t时刻的收益为t时刻的现金加上t时刻持有的股票的价值减去初始总资金得到。

通过上述过程,利用股票A和股票B在t ∈ ( t0,tn) 的历史数据,在阈值范围( 3% 到20% ) 内,每隔0. 1% 选一个阈值D, 即选取的可能值为0. 03,0. 031,0. 032,0. 033,…,0. 198,0. 199, 0. 2,对以上所有可能的阈值D进行配对交易,计算最后的收益率,从而可得到( 20 - 3) /0. 1 + 1 = 171个收益率,在其中选最高的收益率,并记录其对应的阈值D 。

同理,股票A和股票C配对也进行以上操作,并得到一个收益率和对应的阈值。

股票A和股票D、股票A和股票E 、……

股票B和股票C、股票B和股票D、股票B和股票E 、……

对于证券市场上所有股票进行两两配对,找到每个配对的最大收益及对应阈值。并对收益按从大到小排序,选取其中收益最高的10个股票对( 但不包含重复股票,也即要找到20支股票) ,作为我们的股票组合,进行后续验证操作。

1. 2验证阶段

利用t ∈ ( t0,tn) 的历史数据选出股票组合之后,利用t ∈ ( tn +1,tN) 的历史数据执行相应的股票交易策略进行验证。在实际交易时,这个阶段是针对当前股票价格指导买入卖出操作。 股票交易策略的卖出、买入、止损规则介绍如下:

验证阶段的买入卖出两个规则的具体过程与股票组合选择阶段介绍的典型配对交易过程的买入卖出规则一致。

止损规则: 股票组合的配对交易过程,在fluctuationtAB值越过了阈值D后,可能继续偏离。此时为了避免出现极端偏离情况 ( 此后一直都不可能回到 - D或者要很长时间以后才能会到 - D) 而导致的算法失败,需设定止损线[3]。比如设置2D为止损线,那么即当持有股票A,fluctuationtAB< - 2D或者持有股票B而fluctuationtAB> 2D的时候,卖出所持有的股票,结束股票配对交易过程,并另外重新选择股票对进行交易。

通过上述的买入卖出规则,得到股票组合在t ∈ ( tn +1,tN) 的样本上的收益率,与同时间段内的上证指数涨跌幅对比,考察收益率是否符合期望。

2配对交易算法

2. 1基于累计收益的配对交易算法描述

假设某股票对由股票A、股票B配对组成,算法步骤如下:

( 1) 输入数据。输入配对股票交易的时间段,在时间段T内,获取股票A与B的日线收盘价保存在数组closeA与closeB中。

( 2) 处理输入的价格序列。将数组closeA与closeB中单一日期数据消除,即如果某一天A或B停牌,因为该交易日只有A或B交易,无法配对交易,则从数组中将类似的交易日的数据删除。处理好closeA与closeB数据后,根据式( 1) 计算出数组profitA与profitB,A和B初始持有股票都为0,根据式( 2) 计算出每个时刻的相对波动收益率,存入数组fluctuationAB。

( 3) 股票配对搜寻最高收益率及对应的阈值。

选取阈值的可能值: 0. 03,0. 031 ,…,0. 198,0. 199,0. 2,开始搜寻过程,过程描述如下:

找到最高收益率,并记录对应的D 。

以上的D的扫描范围从0. 03到0. 2,这个上限和下限可由用户自己设置。

( 4) 获得最终股票组合。对所有的股票对及其收益率,按收益率从高到低排序,选择其中收益最高的10对股票进入股票池。如果选择某个股票对时,其中的一支股票已经在股票池中, 则放弃该配对,另外选择。

( 5) 模拟交易。利用以上过程之后的历史数据进行模拟交易,从而得到20支股票的组合收益率,并将该收益率与同期上证指数的涨跌幅进行对比,以验证算法的有效性。

2. 2算法时间效率的分析与优化

1) 提高并发率

在股票配对阶段,需要计算所有股票组合的收益来排序,为了提高并发效率,每对股票组合的收益计算都由一个独立的线程完成,即所有股票组合的收益计算都是并发执行而非串行。 由于股票组合数量很大,会导致需要创建大量的线程数量,线程之间的切换时间代价太大,所以引用C#中的线程池技术。线程池缩短了应用程序中的响应时间,在线程池方式下,CLR不必为每个生存期短暂的任务创建一个全新线程,并在结束时回收该资源。同时,线程池会根据系统当前运行的进程,优化线程时间片[4]。一部分线程并发,多余的线程全部放入线程池中,由线程池调度,减少时间消耗。

2) 收益计算的算法时间优化

本文中计算算法的基本操作重复执行的次数( 频度) 作为算法的时间复杂度[5]。

当股票数量是n时,完成股票配对工作所需的次数N即为:

仅就国内A股来说,目前有2000支左右股票,则计算次数约1 999 000次,而美国股市的股票,2013年的统计数字是有5. 4万上市公司,给这些股票配对,则数量级是十亿。另外每一次在样本内计算股票对的收益来验证相关性的工作量也很大, 如果时间周期很长,那么计算量更大; 如果时间周期短,则计算量相对较少,但是十亿级别的计算量仍然是一个很大的工作量。 在具体测试中发现,在普通PC机上,用一年的日线数据为样本来做股票配对需要几小时到数十小时。这个时间比较难以接受。为节省算法时间,考虑以下优化方案:

仔细分析股票配对程序的计算过程,发现在获取两只股票的行情数据的时候,过于频繁的访问数据库了。比如当在验证股票600000与股票的600004时候,会从数据库读取这两只股票的行情数据,但是当验证600000与600005的时候,600000的行情数据又被读了一遍,这种情况导致许多的数据被重复的读取,而且是重复的从磁盘中读取,所以损失了部分性能,解决方案是用内存存储从数据库读取的数据。数据结构Stock Data用来存储这些数据,其结构如表2所示。

利用Stock Data中的symbol字段来判断是否某只股票数据已经读出,然后利用data数组从内存中获取该股票的数据。当然此种方法会有一定缺陷,那就是当行情数据较多的时候,会占据较多的内存空间。以A股为例,Stockdata中,symbol是6个字节,data中float数据是4个字节,一年以250工作日来计算的话,那么一只股票一年的行情数据是4 × 250 + 6,2 000只股票就是2000 × ( 4 × 250 + 6) = 2 × 106即200 MB的空间。对于50 000只股票的美国股市而言,存储量约5000 MB,配置稍微好一点的电脑也可以完成计算工作。

3配对交易系统设计与实现

配对交易系统的软件架构如图2所示。该系统主要由三个子系统组成,即配对生成器,通道分配器和交易对冲系统[6]。

如图2所示,配对生成器输入股票对,输出的是最佳匹配的股票组合,以文档和数据库形式储存,以界面展示。通道分配器给每对股票组合分配独立线程来做算法交易,保持组合之间的并发性。交易系统模块给股票组合提供交易算法,来实现配对交易,计算收益。

配对生成器的类图设计如图3所示。

从类图上看,该模块主要是由策略类和数据源类构成[7]。

4实验分析

4. 1实验目的

利用上述基于累计收益率的配对交易方法考察A股市场, 验证该策略的效果。

4. 2数据选择与样本区间说明

准备2010年1月1日到2014年1月1日的日收盘价使用这个时间段内的数据筛选股票,得到股票组合,并模拟交易查看收益率,验证算法的有效性。因为要将预测期的收益与上证指数对比。所以预测期的时间段分好几种情况。

第一阶段为2010年7月1日到2010年11月8日,此间上证指数从2373. 79点涨到3159. 51点,涨幅0. 33099,属于市场多头时期。选股时段为2010年3月1日到2010年6月30日。

第二阶段为2011年3月1日到2011年3月31日,此间上证指数从2918. 82点涨到2928. 11点,涨幅0. 0032,属于市场震荡期。选股时段为2011年2月1日到2011年2月28日。

第三阶段为2010年4月15日到2010年7月15日,上证指数从3164. 97点跌到2424. 3点,涨幅 - 0. 2340,属于市场空头时期[8]。选股时段为2010年1月15日到2010年4月14日。

4. 3执行交易

( 1) 以上三个时间段,利用相应选股时间段的行情数据按照2. 1节中配对交易中配对生成器的算法步骤( 1) 到步骤( 4) 获取初始股票组合,即10对股票。

( 2) 以上三个时间段,利用预测期时间段的行情数据进行模拟交易计算收益率,并与上证指数比较。

实验结果与分析如表3和图4所示。

从表3的实验结果看,上证指数大涨时,股票对收益率极好,上证指数震荡和上证指数大跌时,股票对收益率优于上证指数,但是收益率急剧减少,为了增加测试的可信度,再选取三个不同的预测时间段来测试本策略。

第一阶段为2012年12月3日到2013年2月6日,此间上证指数从2373. 79点涨到3159. 51点,涨幅0. 33099,属于市场多头时期。选股时段为2012年10月3日到2012年12月2日。

第二阶段为2010年12月29日到2011年1月28日,此间上证指数从2751. 53点涨到2752. 75点,涨幅0. 0004,属于市场震荡期。选股时段为2010年11月29日到2010年12月28日。

第三阶段为2011年4月13日到2011年10月21日,上证指数从3050. 4点跌到2317. 28点,涨幅 - 0. 24033,属于市场空头时期。选股时段为2010年10月13日到2011年4月12日。

三个阶段的收益由表4和图5来展示。

从两个试验结果看,该配对交易策略的效果确实是在大盘上涨的时候表现优秀,在大盘盘整和下跌的时候,投资的收益减少,但是收益率仍然很好。

5结语

本文基于统计套利的思想,讨论的配对交易方法是不同于当前主流的三种方法的。抛弃统计学中的相关性定义,从一个新的视角来解释股票之间的相关性。从实验结果看,这种基于历史收益的配对方法也能取得较好的收益。由于股市中的股票数量巨大导致本策略计算量大这一问题,提出若干优化方案,具体效果要进一步研究。

需要注意的是,本策略选出的股票组合并不能保证每对股票对都盈利,甚至在大盘大跌时,也不能保证股票组合盈利。

所以在真正投资交易时,最好能增加其他策略辅助才可彻底放心,如加入基本面分析来判断大盘走向,加入止损规则来减小损失等。

摘要：配对交易是统计套利的一个部分。当前配对交易对于股票对的选取大都基于统计学相关性理论,股票对的选取理论与交易对冲系统的策略无关联。主要介绍一种基于累计收益的配对方法,该方法使用累计收益的价差(相对波动)为依据来考察股票之间的相关性,通过历史收益率来确定股票之间的相关性。该方法的目标是:找到相关程度高且股价相对波动幅度大的股票对,在股价波动过程中反复套利,从而达到赢利的目的。经过模拟交易测试发现,交易策略在上证指数大涨时收益很好,在上证指数震荡和下跌时,收益依然令人满意。

配对问题学案 篇5

班别：姓名：学号：复习

（1）化简：22x2x33x22x1

（2）解方程5x23x73x4

配对问题(4)—讲义2011.11.2

班别：姓名：学号：复习

（1）化简：22x2x33x22x1

（2）解方程5x23x73x4

例1.某车间22名工人生产螺钉和螺母，每人每天平均生产螺钉1200个，或螺母2000个，一个螺钉要配两个螺母。为了使每天的产品刚好配套，应该分配多少名工人生产螺钉，多少工人生产螺母？

分析：为了使每天的产品刚好配套，应使生产的螺母数量恰是螺钉量的例1.某车间22名工人生产螺钉和螺母，每人每天平均生产螺钉1200个，或螺母2000个，一个螺钉要配两个螺母。为了使每天的产品刚好配套，应该分配多少名工人生产螺钉，多少工人生产螺母？

分析：为了使每天的产品刚好配套，应使生产的螺母数量恰是螺钉量的练习：

1.某工厂安排27生产运动鞋和包装盒，每人每天平均生产鞋盒250个，或生产运动鞋400只，一个鞋盒装一对鞋。为了使每天的产品刚好配套，应该分配多少名工人生产鞋盒，多少工人生产运动鞋？

练习：

1.某工厂安排27生产运动鞋和包装盒，每人每天平均生产鞋盒250个，或生产运动鞋400只，一个鞋盒装一对鞋。为了使每天的产品刚好配套，应该分配多少名工人生产鞋盒，多少工人生产运动鞋？

2.某队有45人参加挖土和运土劳动，每人每天挖土4方或运土6方，应该怎样分配挖土和运土的人数，才能使每天挖出的土及时运走？

3.某制衣厂现有24名制作衣服的工人，每天都制作某种品牌的衣服和裤子，每人每天可制作衣服3件或裤子5条，若该厂要求每天制作的衣服和裤子数量相等，则应该安排制作衣服和裤子各多少人？

2.某队有45人参加挖土和运土劳动，每人每天挖土4方或运土6方，应该怎样分配挖土和运土的人数，才能使每天挖出的土及时运走？

配对,深入理解比赛的途径 篇6

为什么平时的休伊特是一名如此顽强的球员，但费德勒却能不费吹灰之力地将他打败?

我们一次又一次了见证这样一个事实，在网球比赛中，两名球员的“配对”会在很大程度上影响比赛的进程。

就以2009年法网纳达尔对索德林的那场比赛为例——做事后诸葛总是容易的，但索德林确实掌握了打败纳达尔所需要的一切：他的大力正手击球可以在球场上的任意位置发威；他出色的带有侧旋效果的发球可以将球转到右边接发区的外侧，将纳达尔死死地压制在他的反手位；他随时准备上网来结束每一分，更加重要的是，对于压制他反手的高球，他仍然保持着十足的信心(纳达尔通常喜欢靠正手斜线上旋球来获得主动)。

看来这个“配对”显然是对索德林是有利的。他长处的发挥可以非常好地凸显出纳达尔的弱点，而纳达尔原本热衷攻击的地方并不是索德林的短处。

另一个“配对”的例子就是穆雷和费德勒。在两个人的交手历史中，穆雷保持着非常好的成绩。回顾一下他们之间的比赛，你就会发现，穆雷恰好是费德勒不擅长对付的一个对手：他很少受步伐的困扰，所以费德勒的大力正手也很少影响到他；他的击球异常精准，所以经常逼迫费德勒必须用反手回击；他底线的反手击球相当出色，费德勒则带着不太稳定的反拍东奔西跑。

看着球员们相互之间的“配对”比赛真的非常有趣。尤其是在他们开始比赛之前作出分析，然后看一下比赛结果是否如你预期，这其中需要关注的包括；

一名球员的长处恰好针对另一名球员的弱点吗?

一名球员有没有办法可以遏制另一名球员的长处?

握拍如何“配对”?举例来说，握拍方式是否使球员在面对高球时显得有些吃力，而另一名球员的握拍方式适不适合击出上旋球?

当你在观看一场比赛的时候，无论是自己在电视前还是大家一起在集体活动中，都尝试着去发现球员在比赛中是如何互相“配对”的。这会让观赛的时间过得很快，也可以帮助你增强战术意识。因为想提高比赛中的战术运用能力，首先要明白你的优点和对手的弱点之间的关系是怎样的。

在经过一些练习以后，你就可以开始深入探究其他方面了。在你即将与一名球员交战的时候，首先尽量了解你的对手，这样做可以让你在比赛开始之前就占得先机。需要探究的方面包括：

对手的长处——他们通过哪些方式来得分?

对手的短处——哪些是他们努力避免和会犯错的部分?

他们的底线击球强在哪里又弱在哪里?例如，采用极端握拍方式的球员会容易回击高球。

发球的方向——他们在重要比分时会将球发向什么地方?

准备阶段的握拍——在预备位置等待时，他们会用何种握拍方式?根据这点推断出他们可能在其他握拍方式的击球中会比较弱。

全聚德:烤鸭配对“章丘葱” 篇7

章丘大葱, 因产于章丘市而得名, 是山东省的著名特产之一。被誉为“葱中之王”的章丘大葱最大的特点是辣味稍淡, 微露清甜, 脆嫩可口, 葱白很大, 适易久藏;章丘大葱中含有较多的蛋白质、多种维生素、氨基酸和矿物质, 特别是含有维生素A、维生素C和具有强大的杀菌能力的蒜素。章丘大葱历史悠久, 驰名中外, 深受世界各地消费者喜爱。烤鸭以章丘大葱做作料, 是北京全聚德最讲究的吃法, 否则, 味不正, 味不纯。

山东章丘绣惠种植大葱已有2600余年的历史。明代, 章丘大葱名扬全国, 成为贡品。解放后作为“国礼大葱”, 毛主席曾将章丘大葱赠送给斯大林。2011年“章丘大葱”品牌价值达到24.76亿元, 成为首批获得国家农业部地理标志保护的农产品。“全聚德”是国家工商总局认定的首例服务类“中国驰名商标”, 品牌价值达到110亿元。此次双方建立战略合作关系, 不仅是农餐对接模式的有益尝试, 更体现了两个产业强强联合的发展趋势。

吃全聚德烤鸭, 配以章丘大葱, 历来是食客最讲究的烤鸭吃法。过去常常受季节等条件限制, 即使像全聚德这样的大型烤鸭店, 也不能完全做到四季用葱都产自山东章丘。通过此次合作, 全聚德集团旗下的品牌企业全聚德、仿膳、丰泽园、四川饭店都将使用章丘大葱。

上海客车展“贸易配对”系统启用 篇8

伴随着上海世博会的隆重开幕, 2010世界客车博览亚洲展览会也将于2010年5月6日在上海新国际博览中心举行。据悉, 本次展览会将再次启用“贸易配对”系统, 搭建中国供应链与世界需求的高效能跨国采购展贸平台, 让“买家坐台”精确对接全球客车采购商。

“贸易配对”致力于为参展商和专业观众提供展会前的预约和展会现场的撮合服务, 以及洽谈方的信息查询, 在高效能“贸易配对”系统的指引下, 贸易双方的商贸配对将更加准确高效, 参展企业能够在最快的时间内寻找到最为适合的贸易买家, 而这将为参展的每一个企业创造富有成效的全新商机。

记者了解到, 世界客车博览亚洲展览会组委会目前已开通网上预先登记服务, 让参展商提前“约会”到最适合的业务伙伴和目标买家。 (初晓伟)

配对计数资料的统计检验方法 篇9

在临床试验以及医学科研中经常会用到2×2配对设计, 比如用两种方法治疗同一批患者, 以观察两种疗法疗效的差别;用两种培养基培养同一批标本, 看其阳性结果情况等。针对这种设计人们普遍用到的检验方法是χ2检验中的Mcnemar检验, 其公式为χ2= (b-c) 2/ (b+c) (b+c≥40) , 校正公式为 (|b-c|-1) 2/ (b+c) (b+c<40) , 这个公式因其简单易用而受到人们的青睐, 但它有一个明显的缺陷, 即只是利用了检验结果不一致的对子数b和c, 总的样本对子数N却不受任何约束, 也就是说没有充分利用样本所提供的全部信息, 因此有时就不能如实反映客观实际[1], 以一个简单的例子来说明这个问题。

分别有50份、500份和5000份咽拭子样本, 每份标本接种于甲乙两种流脑培养基上, 观察流脑菌生长情况, 结果见表1~表3, 问两种培养基的效果何者为优?

若对以上3个表格用Mcnemar公式进行检验, 会得到同样的结果:χ2=4.90, 但仔细观察表中的数据, 我们会发现对3个表的结果是不能等量齐观的, 而Mcnemar检验恰恰将它们同等对待, 这就是其缺陷所在:只考虑b和c, 而忽视了a和d所能提供的信息, 对样本量的变化视若无睹。

这个问题已引起国内外诸多学者的注意, 正是基于以上考虑, 他们对这一问题进行了深入探讨并提出了相应的解决办法。现将这方面的研究状况综述如下。

1 国外研究状况

对于2×2配对试验设计, 涉及到对多余参量 (n u i s a n c e parameter) 的分析[2], 而这个参数的取值在无效假设中是没有被指定的, 同时这个参数决定着任何一个检验变量的分布形式[3], 消除参数的方法不外乎以下几种:

1.1 条件推断:

这种方法是对统计量进行有条件地讨论, 是由多种方法发展演化而来, 可分为“确切条件推断”和“渐近条件推断 (asymptotic conditional test) ”, 前者是使用确切无效分布, 后者是使用渐近无效分布。Mcnemar检验即属于条件推断的范畴[4]。2×2配对设计的渐近条件推断首先是由Cochran (1950) 依据符号检验提出来的[5]。

1.2非条件推断:

这种方法在非条件无效分布中对多余参量进行了估计, 这是与条件推断不同的地方, 因为它不是直接消除多余参量, 这种方法又可分为“确切非条件推断 (approximate unconditional) ”和“渐近非条件推断 (asymptotic unconditional) ”, 分别对应确切无效分布和渐近无效分布。渐近非条件推断首先是由Mc Nemar在1947年给出的[6], 它与渐近条件推断有相同的渐近分布, 并且无论采用哪一种方法, 最终都会得到相同的检验统计量, 即“Mc Nemar检验”。正是由于人们对Mc Nemar检验的诸多怀疑, Liang和Zeger在1988年提出了一种渐近法来利用结果一致的对子数[7]。

但是国外更倾向于使用“确切非条件推断”来利用多余参量的所有信息[8], Frisen在1980年提出即使计算比较复杂也应该使用“非条件推断”[9]。Suissa和Shuster在1991年提出一种针对配对四格表资料的确切非条件推断方法, 这种非条件推断以简单的z统计量为基础, 所获得的样本含量一般来说要小于确切条件推断, 而且检验效能更高。Miettinen在1968年用不同的方法获得了确切非条件检验方法的渐近非条件功效函数[10], 后续的研究都与Miettinen的结果保持了一致, 包括Bennett和Underwood在1970年对这种检验的确切分布和渐近分布进行的筛选比较[11], Schork和Williams在1980年运用确切非条件功效函数计算了这种检验方法在确切条件形式下的样本含量[12], 以及Duffy在1984年获得的基于渐近无效分布的确切非条件功效函数[13]。由于此种方法在全面利用样本信息这方面的优势, 在计算机已相当普及的今天, 即使遇到运算上的困难, 也应该在实践中推广应用这种方法。

1.3 确切概率法:

Wacholder和Weinberg曾建议将2×2配对设计转变成两样本设计[14], 使原来的样本含量由n变为2n, 用Fisher确切概率法进行检验, 绘制了两种设计条件下的效能曲线并作了比较, 但是这种转换是建立在随机匹配的基础上并且要求配对变量间没有相关关系, Wacholder和Weinberg通过对效能曲线的比较发现, 如果配对变量间具有相关关系并且匹配合理, 配对设计下的Mc Nemar检验的效能还是要高于未配对条件下的Fisher确切概率法, 所以这种方法具有一定的不足。

1.4 各种方法的比较:

无论是哪一种方法, 都不可能十全十美, Miettinen在1968年获得了确切非条件检验方法的渐近非条件功效函数, 后来Duffy对此功效函数的精确性进行了大样本模拟, 小样本时进行了精确计算, 发现在总体上这种函数还是不错的, 但是如果样本量很小, 这种功效函数的结果就会偏离真实值[13], 同时这种方法还有高估检验效能或低估样本含量的嫌疑[15]。确切非条件检验与确切条件检验和渐近条件检验以及渐近非条件检验相比, 确切非条件检验法利用z检验来获得显著水平, 并且考虑了配对样本的总例数, 其显著水平要低于条件推断;另外, 如果在配对设计中使用确切条件法, 与确切非条件法相比, 要增加大约14%的样本含量[3], 在检验效能上, 确切非条件法也要优于确切条件法。

2 国内研究状况

3 国内外研究比较

相比较而言, 国外的研究比国内要早一些, 国内直到20世纪70年代末80年代初才有人涉足这一领域并有正式的文章发表, 因此国外的研究方法显得更成熟, 更有体系, 他们多从数学原理上对每一个公式进行了严密的推导和论证, 而国内的学者多是根据经验而来, 在严谨性上相对欠缺, 正是这一点, 国外学者提出的公式比较繁琐、复杂, 而国内的公式相对简单、直观, 在应用上, 国内的公式更方便。对于公式的验证, 国外多从数学分布、样本含量和两类错误等方面入手, 特别是样本含量和检验效能, 他们会在不同情况下反复进行横向和纵向比较, 以突出新方法的优越性;国内则是通过实例比较, 看两种方法的结果与实际资料的趋同程度来判断孰优孰劣, 还是经验性的东西比较多, 在方法的灵敏度和特异度上没有作深入的探讨。

水泥颗粒级配对水泥性能的影响 篇10

2015年下半年,江西建材产品质检站遵照江西省工信委建材处《关于开展全省水泥颗粒级配和碱含量摸底调查工作的通知》的文件指示,对全省水泥企业进行了一次水泥颗粒级配及碱含量抽样检测。共抽样197批次,其中普通水泥42.5级及以上等级水泥69个,复合水泥32.5级(含复合32.5R)118个,白水泥32.5级10个,现把三种水泥颗粒级配情况对比如表1。

(1)带辊压机的磨机过粉碎现象要好于不带辊压机的。

(2)带选粉机的过粉碎现象很少。

(3)水泥中3~32μm的颗粒含量,普通42.5的水泥高于复合32.5水泥。

(4)水泥中3~32μm的颗粒含量超过65%比较少。现在一般认为理想的水泥颗粒级配为小于3μm的含量不应超过10%,3~32μm的含量应超过65%,大于65μm的颗粒越少越好。从普通水泥42.5级的统计情况来看小于3μm的颗粒含量,69个批次中超过10%有22个占32%,比较高,存在较明显的过粉碎现象。3~32μm的含量,69个中超过65%有28个占41%不到一半,有一个批次3~32μm的含量低于60%,大于65μm的颗粒不多,但都存在一些。

从复合水泥32.5级总的情况来看118个水泥中小于3μm的超过10%有34个占29%,比普通水泥42.5级略低一些,但也存在相当过粉碎现象,3~32μm含量超过65%有24个占20%,只有普通水泥42.5级的一半比例太低了。有11个批次3~32μm的含量低于60%,同普通水泥42.5级一样,大于65μm的颗粒也都存在一些。从以上情况看,我省企业的水泥中3~32μm颗粒的含量总体偏低,为此提出如下建议,供参考。

为改善水泥颗粒级配,提高3~32μm含量,降低小于3μm及大于65μm含量宜采用以下五条措施:(1)提高辊压机的辊压效果:控制进入辊压机物料的最大粒度,一般控制在60mm以下,控制入辊物料综合水分不超过1%~1.5%,稳定喂料量,控制合适的辊压力,减少辊压机的边缘效应;(2)提高打散分机分选效果:及时更换磨损的撒料盘衬板和反击板,修补或更换破损内锥体及筛网、风轮,必要时调整内筒高度来提高入磨细粉量;(3)球磨机系统的优化:通过改变仓长、适当延长末仓(研磨仓)的长度,降低球径的方法,来提高研磨能力,同时防止过粉碎现象的发生;(4)磨内物料流速和通风量的控制:料风平衡,以保持合理的磨内物料流速;(5)企业可以购买激光粒度仪开展水泥颗粒级配检测,这项检测每次所耗时间不长,且操作起来也比较简单,现在市场上销售的有干法和湿法两种仪器,干法仪器虽然一次投资大些,但用起来方便简单,成本低,更适应生产控制。企业通过不断的试验,探索出方便可行的方法来。水泥颗粒级配优化了,水泥的潜能就能充分地发挥出来,水泥企业的效能也能进一步地增长,同时水泥的使用性能更好了,产品也更受用户的欢迎。

摘要：水泥是建筑工程中的重要材料,用途广,用量大广泛用于工业及民用工程,现在水泥市场竞争日益激烈,水泥企业如何改进生产控制方法,提高水泥产品的质量和施工性能,且降低成本,来适应这一新形势?笔者通过对江西省2015年全省水泥颗粒级配抽样结果的统计分析,提出了一些建议。

碱基互补配对原则规律总结 篇11

一、规律总结

1、碱基互补配对原则:A-T,G-C,即DNA。

2、碱基计算的一般规律:

(1)规律一:一个双链DNA分子中,A=T,G=C,A+G=T+C,A+C=G+T,即嘌呤碱基总数等于嘧啶碱基总数,各占全部碱基数的50%;不互补配对的两个碱基之和占全部碱基数的50%。简记为“不配对碱基和占总数一半”。

根据碱基互补配对原则有:

简记为:“DNA双链中,不配对两碱基之和的比值为1。”

例:一个双链DNA分子的鸟嘌呤占整个DNA碱基的27%,其中一条链上的鸟嘌呤占这条链碱基的28%,那么另一条链上的鸟嘌呤占整个DNA碱基的比例是()。

A、9%B、18%C、23%D、24%

解析:双链DNA分子中G=27%,所以A=23%,一条链A占28%,此链A占双链DNA分子的比为14%,另一条链上A占双链DNA分子的比为A=23%-14%=9%。

参考答案:A。

(2)规律二:双链DNA分子中一条链中的两个不互补碱基之和的比值是另一条互补链中这一比值的倒数。

设双链DNA分子中1链上

简记为:“DNA两互补链中,不配对两碱基和的比值乘积为1。”

例:某DNA分子的一条链=2,这种比例在其互补链和整个DNA分子中分别是()。

A、都是2B、0.5和2

C、0.5和1D、2和1

解析:由碱基互补配对原则可知:在DNA分子中,A=T,G=C,因此,A+G=C+T。由于在DNA分子的单链中,一条链的A+G或C+T与互补链中的T+C或G+A相等,所以一条链的=2,其互补链中的的比值就是已知链的倒数,即为0.5。

参考答案:C。

(3)规律三:双链DNA分子中互补配对的碱基之和在两条单链中所占的比例等于在整个双链DNA分子中所占的比例。

设双链DNA分子中1链上A1+T1=n%,因为A1=T2,A2=T1,

则:A1+T1=A2+T2=n%,

所以A+T=A1+A2+T1+T2==n%。

简记为:“配对的两碱基之和在双、单链和互补链中所占的比例相等。”

(4)规律四:在一个双链DNA分子中,某碱基占碱基总数的百分数等于每条链中的平均值。

设双链DNA分子中1链上腺嘌呤A所占的百分数为A1%,2链上的腺嘌呤A所占的百分数为A2%,

则整个DNA分子中腺嘌呤A所占的比例为:

简记为:“整个双链DNA分子中,某碱基所占的百分比等于每条链中的平均值。”

(5)规律五:DNA双链中,含某碱基x个,复制n次,则需加入该碱基的脱氧核苷酸分子数为(2n-1)x个。

设双链DNA分子中,A有x个,复制n次,需加入的腺嘌呤脱氧核苷酸数是多少?

复制n次新形成了2n个DNA分子,DNA复制是半保留复制,在新形成的2n个DNA分子中,有2个DNA分子保留了原亲代DNA分子的一条链,相当于原来的亲代DNA分子,所以需加入A的数目是(2n-1)x个。例:一个DNA分子中有100个碱基对,其中有40个腺嘌呤,如果该DNA分子连续复制两次,则参与到DNA分子的复制中的游离的胞嘧啶脱氧核苷酸有()。

A、40个B、80个C、120个D、180个

解析:已知A+T+G+C=100×2,其中A=40。由于A=T,C=G,且A+G=C+T,∴C=60。一个DNA分子复制两次得到22=4个DNA分子,新增加3个DNA分子,需要游离的胞嘧啶脱氧核苷酸为(22-1)×60=180个。

参考答案:D。

二、巩固练习

1、若DNA分子的一条链中=a,则其互补链中该比值为()。

A、aB、C、1D、1-

2、在DNA的一条单链中=0.4,上补链和DNA分子中分别是()。

A、0.4和0.6B、2.5和1.0

C、0.4和0.4D、0.6和1.0

3、下列哪项对双链DNA分子的叙述是错误的?()。

A、若一条链A和T的数目相等,则另一条链A和T的数目也相等。

B、若一条链G的数目为C的两倍,则另一条链G的数目为C的0.5倍。

C、若一条链A:T:G:C=1:2:3:4,则另一条链的相应碱基比为2:1:4:3。

D、若一条链A:T:G:C=1:2:3:4,则另一条链的相应碱基比为1:2:3:4。

4、分析一个DNA分子时,发现30%的脱氧核苷酸含有腺嘌呤,由此可知该分子一条链上鸟嘌呤含量的最大值可占此链碱基总数的()。

A、20%B、30%C、40%D、70%

5、分析某生物的双链DNA,发现腺嘌呤与胸腺嘧啶之和占全部碱基的64%,其中一条链上的腺嘌呤占该链全部碱基的30%,则互补链中腺嘌呤占整个DNA分子碱基的比例是()。

A、17%B.32%C、34%D、50%

配对设计 篇12

Engle提出的AR CH模型正是为了解决时间序列异方差问题, 但该模型仅有短期记忆性, 因此国外学者将该模型推广至GARCH模型, 即广义自回归条件异方差模型。GARCH (p, q) 模型具体形式如下:

其中, 方程 (1) 称为均值方程, 方程 (2) 称为方差方程。显然, 条件方差σt2由μ2t-i和σ2t-j共同决定, 当μ2t-i和σ2t-j很大时条件方差σt2也必然很大, 即过去的扰动项对市场的未来波动有着正向而减缓的影响。p和q值决定了随机变量yt某一跳跃所持续影响的时间。因此GARCH (p, q) 模型通常能够反映金融市场的变量变化特点, 即大幅波动往往集中在某些时间段上, 而小幅波动则往往集中于另外一些时间段上。

通常, GARCH (1, 1) 模型能够描述许多金融时间序列的条件异方差问题, 因为该模型可以转化为ARCH (∞) 过程, 也就是说该模型能够一定程度上反映实际数据的长期记忆特征。由此, 对于建立ARCH模型发现p值较大时, 可以采用GARCH模型简化参数估计。

下文利用GARCH模型建立套利策略, 并对比基于常数标准差的套利策略进行实证分析。

一、样本的选取

本文数据源自万德数据库。目前融资融券标的700余只, 数目较大不利于分析。同一行业股票受到相同系统性风险影响, 价格趋势相关性较高, 考察标的行业分布和市值占比情况, 根据申万一级行业分类, 发现属于金融服务业股票41只, 且市值规模均较大, 流动性较好, 冲击成本较低;利用2011年年报的市盈率、市净率等重要的基本面因子对该41只个股进行聚类分析, 聚类结果表明华泰证券、长江证券、海通证券、光大证券等8只券商个股基本面因子高度相似。因此本文从该8只个股中筛选标的, 进行配对套利。

定义样本内数据为2010.3.31-2012.4.30每日收盘价 (前复权) , 用于建立模型;样本外为2012.5.1-2013.10.15, 用于测试该模型交易情况。计算样本内8只股票收盘价的相关性发现, 华泰证券和长江证券相关性高达0.97, 因此利用该两只股票进行配对套利。

二、交易策略的确定

根据样本内数据建立华泰证券和长江证券的误差修正模型确定对冲比例。根据该对冲比例, 发现样本内价差均值为-0.56, 标准差0.82;对价差序列进行ARCH-LM检验发现, 价差序列存在异方差效应, 因此可建立ARCH模型刻画价差波动性。对比不同滞后阶数发现, GARCH (1, 1) 效果较其他模型好, AIC和SC值均较小, 因此确定以该模型刻画价差序列。

国外学者研究发现, 针对中心化价差序列, 以2倍标准差为开仓点, 3倍标准差为止损点, 1倍标准差为止盈点的套利策略效果较好。参照该设定, 下文将对比基于常数标准差的配对套利策略和基于GARCH (1, 1) 模型的配对套利策略, 交易成本参照目前券商最低标准。

三、交易结果分析

经计算, 常数标准差套利策略样本外年化收益12.76%, 交易次数7次, 与沪深300指数相关性为-0.18;GARCH (1, 1) 模型套利策略样本外年化收益13.72%, 交易次数为16次, 与沪深300指数相关性-0.14。可以看出, 第一, 两个套利策略基本与市场无关;第二, 利用GARCH模型可以刻画价差的时变波动性, 从而捕捉到更多交易机会, 提高收益率。

参考文献