简介:移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。
简介:运用马可威茨(Markowitz)投资组合(Portfolio)思想,讨论不同类型房地产项目的投资组合决策问题.系统介绍和推导了Markowitz投资组合理论,分析了房地产投资所独有的各种特性,并结合这些不同于证券投资的特性,对Markowitz投资组合理论加以改进,提出房地产投资组合分配决策模型,最后给出算例.
简介:在分析证券市场中证券组合投资不确定性质的基础上,通过对Markowitz模型中证券期望收益与方差引入容差项来度量证券市场的不确定性,建立了不确定条件下具有容差项的Markowitz证券组合投资模型;分类讨论了容差的上界与下界所对应的两类有效组合前沿,得到了不确定条件下的证券组合投资模型的最优化解法及相关定理;最后给出了一个具体的数值实例.
简介:讨论了在Markowitz均值-方差模型的基础上引入一种新的投资组合综合模型——风险和效益综合模型,讨论当方差-协方差矩阵正定和半正定时的最优投资组合问题,并利用主成分分析法得到了模型的解析解,从而对于原来的模型作了一定的扩展。
简介:投资者进行投资实践时无不面临着背景风险。绝大多数以均值方差为框架的投资组合并没有考虑背景风险,其效用在实际应用中容易受到背景风险的影响。本文在含有交易费用的双目标函数模型中引入背景风险,从是否含有背景风险和背景风险偏好度大小两方面对投资组合问题展开研究,并使用智能算法得到模型的最优解,对模型进行实证分析。实证结果表明:1)当背景风险收益为0时,含有背景风险的投资组合比不含有背景风险的投资组合更能反映真实的投资环境。2)当背景风险收益不为0时,含有背景风险的投资组合比不含有背景风险的投资组合得到更高的收益。因此,考虑背景风险后投资组合的构建优于不考虑背景风险投资组合的构建。
简介:根据ES风险度量方法,拓展了马克维茨均值一方差资产组合模型,研究均值一ES准则下的资产组合问题。用APD—GARCH模型刻画风险资产收益率序列,以多元Copula函数描述风险资产间的相关结构信息,构造灵活的Copula—APDG—ARCH模型。利用该模型,借助MonteCarlo模拟,分别研究相关结构是多元正态Copula函数、多元t-Copula函数和多元ClaytonCopula函数的风险资产组合的均值-ES有效前沿,并进行比较。实证研究表明,在有效组合范围内,正态Copula函数明显高估了资产的组合风险;当期望收益较小时,t-Copula函数对应的风险值最小,但随着期望收益的增加,多元ClaytonCopula函数对应的有效前沿表现最好。