风险最小化范文（精选12篇）
风险最小化 第1篇
股指期货是金融期货的一种,是一种标准化期货合约。相比一些欧美发达国家,股指期货在中国产生较晚,它的发展经历了一个漫长坎坷的过程,但因为股指期货在产品定价、风险管理等方面的广泛应用,中国金融市场从未停止过对它的理论研究和实践探索。上海交易所和深圳交易所分别成立之后,中国金融市场和交易制度也日趋完善,越来越多的投资者选择进入股票市场进行投资。中金所(中国金融期货交易所)于2010年4月正式推出沪深300股指期货,标志着中国股指期货交易进入了一个新的发展阶段。之后,股指期货成为广大投资者进行资产管理中不可或缺的一种金融工具。与商品期货不同的是,股指期货的标的物是股票指数。在现实的投资当中,通过买卖股票,然后卖出一定的股指期货,达到股指期货套期保值的目的,不仅减少了现货价格波动,也规避了一定的系统风险,使投资者避免收到由于系统风险而带来的损失。股票市场存在系统风险和非系统风险。系统性风险由市场决定,受到整个宏观经济的影响。而非系统风险指的是单个股票价格发生波动的可能性,根据资产组合理论,非系统风险可以通过资产组合的方式达到有效降低。加之在通过在期货市场进行套期保值,投资者可以很好的规避系统风险。在实际操作中,为了获取最大的收益,降低投资风险,在股票品种和权重选择时就要尽量使其达到最优套保比率。
2 文献综述
Ohnson&Stein经过研究提出了使期货与现货组合收益方差最小化的套期保值方法。即投资者将期货资产和现货资产进行投资组合,为实现风险最小化,再根据这一组合的预期收益及风险(方差),确定其在现货市场及期货市场交易头寸的分布。在Ohnson&Stein基础上,Johnson给出了商品期货基于最小二乘法的最优套期保值比率的计算公式。Ederington在Johnson的基础上进一步指出:“用最小二乘法对现货价格及期货价格进行回归所得的可决系数的数值可以判断套期保值的效果如何。”
Engle和Granger两位学者进一步提出:“现货价格和期货价格两个时间序列之间存在某种协整关系,即使短期出现均衡误差,还是可能出现长期的均衡。”所以基于最小二乘法的套期保值策略并不准确。在这种前提下,这两个时间序列之间必然存在一个误差修正表达式,也就是误差修正模型(ECM模型)。
对于股指期货的套期保值,国内很多学者也做了一定程度上的研究。
胡向科在其所著的《不同估计模型最优套期保值比率绩效研究》中介绍了几种套期保值比率的估算方法。分别建立OLS、ECM-GARCH等模型对最优套期保值比率进行了估计。得出在方差最小化的原则下用ECM模型估算出的套期保值比率最好。
吴博在其所著的《股指期货套期保值模型选择和绩效评价———基于沪深300股指期货仿真交易数据的实证分析》中在沪深300股指期货仿真交易数据的基础上,选取现货组合,通过“风险最小化”和“效用最大化”两大原则运用OLS、VAR、ECM、GARCH等不同模型进行套保的实证分析和效果比较,最后发现OLS模型可以使投资者取得效用最大化;GARCH模型则可以最大程度降低风险;而对样本外数据来说,误差修正模型套期保值不论在风险还是绩效控制上都是最优的。
综上所述,可知最小二乘回归模型是最基础的模型,而ECM模型是相比较而言套期保值效果较好的模型,本文选取OLS最小二乘模型、ECM模型来估算最优套机保值比率。
3 最优套期保值比率的实证模型
3.1 OLS(回归)模型
OLS模型原理是构建股指期货和股指现货价格的线性回归,采用最小二乘法估计出模型,方程中的斜率就是最优套期保值比,模型为:
其中h1是方程的斜率,也就是所求的最小风险套期保值比率(St—t时刻的现货价格,Ft—t时刻的期货价格,St-1—t-1时刻的现货价格、Ft-1—t-1时刻的期货价格,α-截距项,μ1—随机误差项)。
1987年,Witt在对期货收益率和现货收益率取对数的基础上进一步提出了另一种最小二乘法模型的回归方程:
ΔlnFt和ΔlnSt分别表示t时刻期货和现货收益率的对数形式,斜率β1即为最优套期保值比率(α为截距项,εt为随机误差项)。公式如下:
很多学者发现仅仅依靠大量历史数据的简单线性回归得到的最优套期保值比率是不够准确的,残差项序列相关会对OLS方法的运用造成一定的影响。并且,因为运用最小二乘法的前提严格要求残差序列相互独立且不相关,OLS模型忽略了这点。所以用最小二乘法得到的“最优”套期保值比率并不是最优的。
3.2 ECM模型
金融时间序列通常呈现非平稳性,但它们的一阶差分却都是平稳的,而OLS模型忽略了这一点。直到Granger和Engle两位学者研究提出了序列间存在协整关系的误差修正模型:
系数βs和βf表示两个市场对于长期均衡关系的偏离反映的速度。如果现货价格St和期货价格Ft之间的协整向量表示为(1,-β),则误差修正项Zt-1=St-βFt(ΔSt—t时刻现货价格收益率,ΔFt—t时刻期货价格收益率,ΔSt-i—t-i时刻现货价格收益率,ΔFt-i—t-i期货价格的收益率,εst、εft—服从独立同分布的随机误差项)。
Ghosh提出了考虑两序列协整关系的最小风险套期保值比率的ECM模型:
ECM模型相比OLS模型在方程中增加了一个误差修正项,Ghosh指出:“误差修正项考虑了期货价格和现货价格的非平稳性、短期动态关系和长期均衡关系。”就是所要估计的最小风险套期保值比率(α-截距项,m-现货收益率最佳滞后值,n-期货价格收益率最佳滞后值)。
4 数据选取、处理及检验
4.1 数据的选取
4.1.1 趋势图分析
本文选取了2014年5月9日至2015年12月23日区间内沪深300股指期货和沪深300指数的日收盘价。由于不同到期日的期货合约的收盘价不同,因此选取每天成交量大的期货合约的收盘价作为股指期货的收盘价。将股指期货合约的收盘价与沪深300指数的收盘价画出折线图,见图1。
由图可知,沪深300指数收盘价与沪深300股指期货收盘价走势相同,因此,可以利用两者进行套期保值,且两者之间相关系数很高。
4.1.2 基差分析
由两者基差图可知,基本走势偏离不大,基差风险趋于平稳。
4.2 数据平稳性的检验
将每日现货和期货收盘价格取自然对数,分别用lnFt、lnSt表示,然后其进行平稳性检验。采用的方法是单位根检验。
用Eviews软件对股票期货收益率和股票现货收益率进行ADF检验,并对原序列做单位根检验,可知两者统计量ADF比三种显著性水平下的临界值都小,即序列的一阶差分是平稳的,DLNS序列和DLNF都为一阶单整序列。
4.3 数据协整关系的检验
由前面的平稳性结果可知,序列满足检验协整关系的前提。建立以下关系式:
S=1.002F+14.8355
对其残差项ε进行ADF分析,结果如图3。
由图可知在1%显著性水平下序列S、F存在协整关系,满足建立误差修正模型的前提。上述关系式即为两个序列的协整方程,可以进行后续的模型研究。
4.4 最优套期保值比率的研究
4.4.1 OLS模型
将现货对数收益率作为因变量,期货对数收益率作为自变量,构建两者的线性回归方程,用Eviews软件做回归,估计得出最优套期保值比率。得到回归方程如下:
估计得出斜率β=0.715779(εt-随机干扰项)。可见,OLS模型下的最优套期保值比率为0.715779。从判定系数R2、F统计量和DW值来看,方程对数据拟合度是比较高的。
4.4.2 建立误差修正模型
用Eviews软件建立沪深300现货、期货对数收益率及其残差三者之间的关系,得到方程如下:
方程中的Z(ECM)即前面协整方程得到的。可知最优套期保值比率为0.705096,拟合优度R2=1。
4.4.3 套期保值最优比率和绩效比较
在得到OLS模型和ECM模型估计的套保比率之后,为了便于套期保值效果的分析,可以对两种模型的套期保值绩效进行比较。由套期保值绩效计算公式:
从表可知,在两种套期保值模型估计的套期保值比率中,OLS模型估计的值较误差ECM模型估计的值略高,但两者都较高,表明股指期货与股指现货的价格走势基本一致,即投资者进行套保时面临的基差风险比较小。由表中数据还可以看出,两种模型的套期保值绩效的指标值都较高,均在0.91之上。这表明套期保值取得很好的效果,可以让投资者规避市场中极大一部分的风险(90%)。表中接近于1绩效表明,对沪深300现货指数而言,各模型的套期保值是有效的。而基于收益风险最小化套期保值理论下,ECM模型的套期保值效果最好。
5 结论
最优套期保值比率的估计以及套期保值的效果是本文的研究重点。由本文可知:在这两种模型估计的套保比率中,各种模型彼此之间没有太大的差异,股指现货与股指期货的价格走势基本一致,投资者投资面临的基差风险比较小,整个市场的系统性风险并不算太高。由计算出的套期保值比率小于1,说明两种头寸构成的投资组合中期货头寸数量较少,投资者为此付出的成本较低。通过本文的研究,各模型的套期保值绩效相较而言,ECM模型的套期保值效果最好,根据其计算出的套保比率来选择投资组合可以有效的规避系统风险。本文仅选取了两种常用的模型对套期保值进行研究,而对于一些更加复杂的模型比如GARCH模型、BEKK模型等未做介绍,哪一种模型在套期保值中更为有效这个问题还有待更进一步的研究。
摘要：股指期货作为新兴金融衍生产品,近两年在中国发展迅速。股指期货虽然可以在一定程度上规避标的产品的风险,但投资者往往无法实现完全的套保,因为现实中的套期保值受到许多因素的影响。利用OLS、ECM模型对沪深300股指期货的最优套期保值率进行了研究,对其最优套期保值比率进行实证测算和绩效分析。
关键词：沪深300指数,套期保值,OLS模型,ECM模型,最优套期保值比率
参考文献
[1]Johnson L.The theory of hedging and speculation in commodity futures[J].Review of Economic Studies,1960,27(3):139-151.
[2]Ederington LH.The hedging performance of new futures markets[J].Journal of Finance,1979,(34):157-170.
[3]A.Ghosh.Hedging with Stock Index Futures:Estimation and Forecasting with Error Correction Model[J].Journal of Futures Markets,1993,(13):743-752.
[4]吴博.股指期货套期保值模型选择和绩效评价——基于沪深300股指期货仿真交易数据的实证分析[J].新金融,2010,(02):29-33.
风险最小化 第2篇
农村村长贪钱方便，政治风险小。
1，农村的群众一般不太懂或者那么快知道国家政策及法规。2，农村的中壮年群众忙于外出打工赚钱，无暇顾及村里的情况。3，本位心理，感觉反正不是我一个人，就高高挂起，不闻不问。4，村里的账目不公开，就是上面要公开的，也往往以各种理由搪塞。
5，不怕被查账，就是被查出了些问题，就说是“招待费”反正村民也不会去问上面领导来吃过几次饭。6，村里有一帮“吃货”或利益共同体，在关键时候就会以“群众”的身份来为相关人员解围，或阻扰。
以前，村里的公款不是很多，村长贪污的表现还不是很猖狂，近几年，随着国家的经济发展和国家对农村的政策扶持，农村的集体资产逐年增加。农村村长的油水越来越多，而胃口也越来越大。比如农村未分配的集体耕地和房产，就成立村长的小金库。这些农田租给其他个人一租就是几十年，而且价格不公开。更有甚者还改变了耕地的用途。我们村就是这样，集体的27亩农田租给他人20—30年，用了6年后遇到地方政府要建高速公路要占用农田，要收回土地。租地人向村里提出了98000元的索赔，让村民承担。最后，村民给算了一笔账，此人不但白用了6年的土地，还尽赚了钱。这一切都是村长所为，村民一概不知。更有甚者还改变了给耕地的用途，隔壁村的集体农田租给他人建成了“公墓”。农村的集体房产也是一样，租给他人成了养鸭场。这可能只是其中的沧海一栗。问了其他的几个村，得到的信息是“天下乌鸦一般黑”。
风险最小化 第3篇
急功近利
年轻人往往急躁，不够沉稳，青年白领虽然属于高素质人群，但是年轻人的急躁特点仍然不能彻底摆脱，在家庭理财方面的表现就是急功近利。理财的核心是合理 分配资产和收入，不仅要考虑财富的积累，更要考虑财富的保障。从这个意义上说，理财的内涵比仅仅关注“钱生钱”的家庭投资更广泛。
不考虑家庭实力盲目跟风
从家庭理财的角度来看，人的一生可以分为不同的 阶段，在每个阶段中，人的收入、支出、风险承受能力和 理财目标各不相同，理财的侧重点也不相同，因此需要确 定自己阶段性的生活与投资目标，时刻审视资产分配状 况以及风险承受能力，不断调整资产配置，选择相应的投 资品种与投资比例。更重要的是，投资人要正确评价自己 的性格特点和风险偏好，在此基础上，确定自己的投资取 向以及理财方式。
追求短期收益忽视长期风险
近年来，在大多数城市房价涨幅普遍超过30%的情 况下，房产投资成为一大热点，“以房养房”的理财经验 广为流传，面对租金收入超过贷款利息的“利润”，不少业主为自己的“成功投资”暗自惊喜。然而在购房时，某 些投资者并未全面考虑到投资房产的真正成本与未来存 在的不确定风险，只顾眼前收益。其实，众多投资者在计 算其收益时，往往忽略了许多可能存在的风险，存在一定的盲目性。
过于保守
许多人把存款当成唯一的理财工具。的确，在诸多投资理财方式中，储蓄连续降息，加上征收利息税，已使 目前的利率达到了历史最低水平，外汇存款利率更是降至 “冰点”。在这种情况下，依靠存款实现家庭资产增值几乎不可能，一旦遇到通货膨胀，存在银行的家庭资产还会 在无形中缩水。存在银行里的钱永远只是存折上的一个 数字，它既没有股票投资功能，也没有保险的保障功能， 所以应该转变只求稳定不看收益的传统理财观念，寻求 既稳妥、收益又高的多样化投资渠道，最大限度地增加 家庭的理财收益。
追求广而全的投资组合
分散投资、避免风险是许多人在理财过程中坚定不移的信念。于是在这种理论指导下，买一点股票，买一点债券、 外汇、黄金、保险，家庭资产平均或者不平均分配在每一种投资渠道中，认为东方不亮西方亮，总有一处能赚钱。
广而全的理财方式确实有助于分散投资风险，然 而，在实际运用中，这样做的直接后果往往是降低了预期 收 益 。因为，对于大多数人而言，由于篮子太多，却没有足够的精力关注每个市场动向，结果可能因为照顾不周而 在哪里都赚不到钱，甚至有资产减值的危险。因此，对于掌握资产并不太多的家庭来说，优势兵力的相对集中，才 能使有限的资金实现最大的收益。
当然，也不是说应该把所有的余钱都买股票，或者把全部家当都用作房产投资，而应该把资金集中在优势投资项目上。
风险最小化 第4篇
关键词：Lévy跳扩散过程,商业银行风险,风险最小
1 引言
在风险管理中，除了测算持有金融资产头寸的风险外，更重要的是采取套期保值方法来规避风险。
Black-Scholes模型是在完全市场的假设下建立起来的。完全市场的意义在于：在完全市场下，所有的未定权的定价和套期保值都与偏好无关。在完全市场下，由于每个未定权都是由自融资策略复制出的，因此，未定权的拥有者只需采取这种复制策略就可以完全消除全部的对冲风险。但是，完全性只是一种理想化的情形。大量的实证分析表明实际的金融市场并不具备完全性，只要对Black-Scholes模型稍作修正，就偏离完全性。因此研究不完全市场的金融资产套期保值方法具有重要的理论意义与实际意义。
在不完全市场下，标的资产的价格可能会出现不连续的不频繁的跳跃情况。这些跳跃情况的发生可认为是由经济中的某些突发事件引起的。为了更好地更好的拟合“真实世界”的金融市场，可以将布朗运动和Poisson跳结合起来考虑价格的变化，即假设资产的价格过程服从Lévy跳扩散过程。布朗运动描述了价格连续正常的变化情况，Poisson跳则描述了价格变化过程中的异常情况，所以Lévy跳扩散过程可以较准确地刻画了资产的价格变化情况。
不完全市场的金融资产套期保值方法中，局部风险最小套期保值方法不受自我融资性约束，可以用于含期间现金流的金融衍生品的套期保值。相关文献显示，局部风险最小方法在某些方面显著地优于其他套期保值方法。因此局部风险最小套期保值方法受到广泛的关注，在一些投资连结保险产品和具有违约风险的金融衍生品也得到广泛的应用。目前，局部风险最小套期保值方法的理论研究已趋于成熟，但在应用上的研究，基本上还是处于发展阶段。因此，我们将局部风险最小套期保值方法应用于商业银行风险管理问题上，不仅对局部风险最小套期保值方法应用方面有重要价值，而且对于商业银行本身的风险管理与防范也有研究意义。
我们应用(局部)风险最小方法来解决银行存款提取的风险管理问题。风险最小套期保值方法由F·llmer和Sondermann(1986)引入。F·llmer和Sondermann(1986)介绍了一般未定权的风险最小套期保值的相关概念。主要研究的是假定风险资产贴现价格过程是鞅的条件下，证明了其风险最小交易策略的存在且唯一，这里的风险资产是一维的平方可积的。F·llmer和Sondermann(1986)的风险最小是利用由条件均方差过程度量的风险来比较交易策略。交易策略不受自我融资性约束的限制，但要求交易策略的期末价值等于金融衍生品的支付。当价格过程是鞅时，F·llmer和Sondermann证明了存在唯一的风险最小策略，并给出了确定风险最小套期保值策略的方法。
由于(局部)风险最小套期保值方法有灵活性、易于实现的特点，在许多金融衍生品的套期保值问题上得到了广泛的应用。我们主要考虑在市场模型是Lévy跳扩散过程驱动下，存款合约风险源是与金融市场独立的泊松过程时的(局部)风险最小套期保值策略。
2 模型描述
要考察银行，最有效的途径莫过于研究银行的资产负债表，任何实体(个人、企业或政府机构)的资产负债表都是某一给定时点的资产、负债以及净值的列表。银行资产是指银行所拥有的，或者说是对外部实体(个人、企业、政府以及其他银行)的索取权，银行负债是指银行所欠的，或者说是外部实体对银行的要求权。银行净值是指总资产减去总负债后得到的剩余项目，根据银行业术语，净值就是资本账户或资本金，资本账户是银行所有者对银行资产的剩余索取权，也就是说，银行资本是银行业主持有的银行股份。银行总资产就是银行总负债与净值或者说银行资本的总和。一个基本的简单会计方程式如下：
资产-负债=净值(或资本)，
或者：
资产=负债+净值(或资本)。
由此，我们可以用模型简化地描述t时刻银行的资产负债表等式为：
其中，Λ：贷款，B：国债，S：准备金，Δ：存款，Kt：银行资本。在巴塞尔协议Ⅱ的框架下，这里的银行资本包含一级资本(银行股本加上留存收益)、二级资本和三级资本(次级债和贷款损失准备)。
在这个等式下的框架下，我们展开对银行准备金和存款合约的建模。
给定一个描述不确定性的概率空间(Ω，F，F，P)和右连续完备化σ———域流F=(Ft)0≤t≤T，其中T为一固定值，标记合约到期日，Ft表示t时刻已知的所有可用的信息。概率空间(Ω，F，F，P)是组合空间，可表示为两个独立概率空间的积，即(Ω，F，F，P)=(Ω1×Ω2，G×H，G×H，P1×P2)，其中概率空间(Ω1，G，G，P1)描述Lévy过程驱动下的金融市场(见Chan(1999))，概率空间(Ω2，H，H，P2)描述存款提取(见Moller(1999))。
2．1国债和准备金
国债是政府以国家信用为基础，向社会筹集资金的工具。主要分为四类，即短期国债、中期国债、长期国债和储蓄国债等。国债在二级市场频繁交易，具有非常强的流动性。由于国债是以国家信用为担保，国债利率r(t)可视为无风险利率。国债的价格过程的动态关系可描述为：
准备金由银行实际持有的现金(库存现金)和按比例存放在中央银行的存款组成。准备金在银行所有资产中最具有流动性，不被贷放出去，用来满足客户提取银行存款的需要。由于所有的客户同时提取他们全部存款的情况是十分少见的，所以准备金只需不低于银行活期存款总量的某一特定比例。银行用准备金以外的存款来盈利，发放贷款或者投资于证券。银行贷款和证券可以获得利息，具有盈利性。持有准备金的机会成本是利息收入。在理性人假设的约束下，其机会成本通过国家对准备金支付利息等途径来进行弥补，相当于政府对其进行补贴。因此，银行的准备金存在正的收益。准备金的价格过程的动态关系可描述为：
其中b为准备金的确定性(正)收益率函数，f为存款提取中消耗的准备金的部分，σ为准备金水平的波动率。Lt为Lévy跳扩散过程。
2．2存款合约
存款合约是存款人将货币资金存入银行、银行按其规定支付本金和利息的协议。存款合约规定了银行发生和持有存款以及存款人提取存款的条件。它还指明了到期本利总额的支付方式。定义存款持有时间是指存款发生开始到存款人提取存款结束的时间。我们假设各个存款持有时间是相互独立同分布的。在这个假设下，我们可以选定持有存款合约同一时间x的群体。我们用N表示这些存款合约的数目。N个存款合约的剩余持有时间由非负独立同分布随机变量序列T1，L，TN描述。假设Ti的分布是绝对连续的，则存款生存函数为：
其中μx+t为提取率函数。简单地说，对于T时刻上的存款提取，P2(T>t+x|T>x)提供了在时刻银行发生的存款Ti时刻仍被银行持有的概率信息。
假设存款提取可能会在任意时间u∈[0，T]发生，但是对其的支付服从于存款合约的期限。这样，未定权g(u，Su)是依赖于时间的函数。根据风险中性定价，未定权的无套利价格函数F(t，ST，U)为：
存款提取的数目NI表示为，
补偿泊松过程为MtI=Nti-∫0tλudu,
λ等于提取率函数μx+t和t时刻之前存款群体的剩余数目的乘积。
3 存款提取的风险最小套期保值策略
下来，命题一给出无套利贴现价格Bt-1F(t，St，u)的Kunita-Watanabe分解。
命题一令vtQ=∫Rx2 vtQ(dx)，ktQ=c2+vtQ，t∈[0，T]，定义可料过程：
定义连续项和非连续项分别为：
则T-1(t)F(t，Rt，u)的Kunita-Watanabe分解为
其中K(t，u)=∫0tζ(1)(s，u)dWsQ+∫0t∫Rζ(2)(s，y，u)MQ(ds，dy)与S*强正交。
由于准备金市场和存款提取的相互独立，我们可以把整个存款合约组合的内在价值Vt*表示为：
命题二给出组合的内在价值Vt*的Kunita-Watanabe分解。
命题二设ξ、ζ(1)、ζ(2)和Vt*分别由式(1)(2)(3)表示。对于t∈[0，T]，内在价值过程V*的Kunita-Watanabe分解为：Vt*=V0*+∫0tlsxξsdSs+KtH,
最后，我们给出以未定权形式出现的存款合约的风险最小套期保值策略。
t时刻到期的存款合约在T时刻的支付为g(Ti，STi)BTi-1B(T)，则银行对该群体的给付现值为：
命题三在测度Q下，存在唯一的存款合约的风险最小套期保值策略φ=(ξ，η)，由下式给出：
其中ξ为准备金的数量, η为国债的数量。
剩余风险过程为:
参考文献
[1]F·llmer, H.and D.Sondermann, Hedging of non-redundant con-tingent claims, In W.Hildenbrand and A.Mas-Colell, editors, Contributions to Mathematical Economics in Honor of Grard De-breu, North Holland, Amsterdam, 1986:205-223.
[2]Gideon F, Mukuddem-Petersen J, Petersen MA, Minimizing bank-ing risk in a Levy process setting, Journal of Applied Mathemat-ics, 2007.
VB实现窗口最小化小任务栏 第5篇
1:按下最小化按钮,窗体不可见
2:最小化后,最小化窗体的图标必须出现在任务栏的通知区域中
3:当双击通知区域中的图标时,窗体又显示出来,同时通知区域中的图标消失.要满足上面的条件:
1:首先屏蔽窗体中系统自带的最小化图标,即Form.MinButton=False
2:声明1个API函数:
Public Declare Function Shell_NotifyIcon Lib “shell32.dll” Alias “ Shell_NotifyIconA”(ByVal dwMessage As Long, lpData As NOTIFYICONDATA)As Long
注意:上面这个API函数在XP中没有别名,将别名去掉后为:
Public Declare Function Shell_NotifyIcon Lib “shell32.dll”(ByVal dwMessage As Long, lpData As NOTIFYICONDATA)As Long
3:声明7个常数:
Public Const NIM_ADD = &H0
Public Const NIM_DELETE = &H2
Public Const NIF_ICON = &H2
Public Const NIF_MESSAGE = &H1
Public Const NIF_TIP = &H4
Public Const WM_MOUSEMOVE = &H200
Public Const WM_LBUTTONDBLCLK = &H203
4:定义1个NOTIFYICONDATA类型
Public Type NOTIFYICONDATA
cbSize as Long
hWnd as Long
uId as Long
uFlags as Long
uCallBackMessage as Long
hIcon as Long
szTip as String
End Type
5:声明一个nid的类型
Public nid as NOTIFYICONDATA
思路清晰后,开始编写代码
1:在窗体中画1个Command,它的Caption属性为:“最小化”
2:将窗体Form的MinButton的属性设为:“False”
3:在窗体中添加1个模块,模块中的代码为:
Public Declare Function Shell_NotifyIcon Lib “shell32.dll”(ByVal dwMessage As Long, lpData As NOTIFYICONDATA)As Long
Public Const NIM_ADD = &H0
Public Const NIM_DELETE = &H2
Public Const NIF_ICON = &H2
Public Const NIF_MESSAGE = &H1
Public Const NIF_TIP = &H4
Public Const WM_MOUSEMOVE = &H200
Public Const WM_LBUTTONDBLCLK = &H203
Public Type NOTIFYICONDATA
cbSize as Long
hWnd as Long
uId as Long
uFlags as Long
uCallBackMessage as Long
hIcon as Long
szTip as String
End Type
Public nid as NOTIFYICONDATA
4:编写Command的单击事件:
Private Sub Command1_Click()
nid.cbSize = Len(nid)
nid.uId = vbNull
nid.hWnd = Me.hWnd
nid.uFlags = NIF_TIP Or NIF_MESSAGE Or NIF_ICON
nid.uCallBackMessage = WM_MOUSEMOVE
nid.hIcon = Me.Icon
nid.szTip = “窗体最小化”
Shell_NotifyIcon NIM_ADD, nid
Me.Hide
End Sub
5:编写窗体的MouseMove事件:
Private Sub Form_MouseMove(Button As Integer, Shift As Integer, X As Single, Y As Single)Dim msg As Long
msg = X / 15
If msg = WM_LBUTTONDBLCLK Then
Me.Show
Shell_NotifyIcon NIM_DELETE, nid
End If
End Sub
荷包最小化 购物最大化 第6篇
商场购物派(美术编辑Lena)：正常的价格让我理智消费，实实
在在的挑选让我放心购买
大多数女孩应该都是会选择去商场购物，实实在在的产品和公开透明的价格，让人不用在这方面担心。在商场买护肤品或者是彩妆，最重要的是抓好时机，在适当的时候出手，实惠也是多多的。
商场派精明计一：选择时不仅仅是考虑商场规模的大小，最主要的是看美容产品的区域大小。一般来说，如果某个商场的美容产品柜台比较集中，那么打折和做各种促销活动的机会就会比其他同类商场要多。
商场派精明计二：挑选产品也有讲究。例如，今天想挑选一款睫毛膏，在你进入商场的时候就可以先去柜台试用再接着逛街。几层楼逛下来，时间也过去了不少，你对这支睫毛膏的效果也能有个七八成的把握了。如果是选择护肤产品，保湿产品是能比较快看出效果的。同样的顺序，在容易干燥的部位试用产品，一圈下来对比的效果还是能让你做出选择的。
商场派精明计三：在国内，成为商场的会员或者是在专柜注册会员，都会在第一时间里通知你最新最优惠的打折信息。我经常和好朋友一起购买产品，然后按各自的需要再拆分。这样做不但可以选择那些优惠套装，还可以得到很多赠品，非常划算。
Lena的购物宝盒：M.A.C精采持色粉底液SPF15∕320元，专业级的彩妆品牌，这款粉底液属于哑光质地，遮盖力也不错，重点部位比如T区可以多涂一到两层，加强一下遮盖效果。
网络购物派(网络高手静静)：足不出户，也可以用最经济的价格和最少的时间，买到称心的商品
可能是因为接触网购的时间比较早，现在我生活中很多东西都依赖于网络购物了。发达的网络能满足我各方面要求，哪怕是远在国外的新商品也可以购买到。
网购派精明计一：找到值得信赖的卖家，最直观的是看卖家等级，等级高好评多的比较值得信赖。看好评时不要只看好评率，因为不一定是真实的。应该通过成交宝贝的好评内容来进行观察。有必要的话，可以挑个与你现在需要购买的宝贝相似的成交买家，咨询一下买家的意见。再有就是看卖家商品的数量，达到一定商品数量的可以说明货源的充足和实力。但这其中不乏为了不积压商品减少垫付资金，等你购买以后才会进货或是直接让批发商寄给你的卖家。在和店主沟通中可以询问货品什么时间能够收到等实际问题来判断是否是代理卖家。
网购派精明计二：掌握价格真实性。通常搜索商品时，可以利用网站提供的价格排序功能。让价格由小向大排序，这样一下就可以看出同类同质商品的最低售价与最高售价。就大部分商品来说，一般网购的价格是正常销售的6～7折，太便宜的一般都是有问题的商品或者是假货。
网购派精明计三：争取其他优惠，对于那些国外代购的卖家，他们去进货时都会得到很多小样，如果你提出想试用什么护肤品或彩妆，一些负责任的卖家进货时也会尽力向批发商索取。
风险最小化 第7篇
20世纪70年代伴随布雷顿森林体系解体,世界经济形势发生剧烈变化,西方各国汇率、利率频繁波动、股票市场大幅下跌,投资者急需一种能够规避市场风险、实现资产保值的有力工具,在此背景下金融期货应运而生。1972年芝加哥商业交易所(CME)推出外汇期货,标志着金融期货交易开始;1975年芝加哥期货交易所(CBOT)推出政府国民抵押协会债券期货,利率期货由此产生;1982年堪萨斯期货交易所(KCBT)推出价值线指数期货,股指期货(stock index futures)正式诞生。股指期货虽然出现的时间相对较晚,却是金融创新过程中最重要、最成功的产品之一,国际清算银行(BIS)统计显示全球股指期货交易规模和增长速度都十分惊人,它已成为资本市场中最具活力的风险管理工具。
股指期货交易的目的主要是对资产头寸面临的系统性风险进行规避与化解,即利用指数期货合约对风险暴露资产进行套期保值(hedging,又译作“对冲交易”或“海琴”)[1],用期货头寸暂时替代未来的现货头寸或构筑期货头寸以抵消因持有现货头寸而产生的潜在风险。
套期保值功能的有效运用一直是学术界与实务界关注的重点。套期保值比率(hedge ratio,HR)的计算是整个问题的关键,它是指为了达到理想的保值效果,投资者在建立交易头寸时所确定的期货合约总价值与所保值的现货总价值之间的比率关系[2],即套期保值比率=期货合约总价值/现货总价值。因此,在不同前提假设及目标函数下,能否准确计算最优套期保值比率(optimal hedge ratio,OHR)直接决定着保值效果的好坏。
2 股指期货套期保值理论
在股指期货套期保值理论架构上大多数研究专注于对最优套期保值比率的探讨。Ederington(1979)根据理论的演进,将其分为简单套期保值、选择性套期保值与投资组合套期保值[3]。
Keynes(1930)、Hicks(1946)提出商品期货“简单套期保值”,随后被推广到股指期货。该理论假设股票现货与指数期货价格变动方向相同且波动幅度完全一致,为完全消除风险,以1为最优套期保值比率。但是该假设与现实差距较大:虽然现货与期货价格变动高度相关,可是波动幅度并不完全一致;同时过于强调风险规避的目标,忽略了投资者的收益需求。
Working(1953)提出“选择性套期保值”,他认为套期保值者包含风险规避与投机双重动机,其目标是追求利润极大化,而非风险最小。在此前提下投资者关注的是基差(现货与期货价格之差)的变动。当预期基差变化时,以1为最优套期保值比率采取策略,否则以0为最优套期保值比率而不采取任何策略。Johson(1960)批评这实质是一种套利,最优套期保值比率非1即0也就失去了套期保值的本意[4]。
Johnson(1960)、Stein(1961)在Markowitz(1952)均值-方差框架基础上提出现代“投资组合套期保值”,强调把股票现货与指数期货视为投资组合,将风险最小与利润最大同时作为考虑的因素。依据目标不同,先后发展出最小风险、最大效用、风险报酬抵换三种模型。最大效用与报酬风险抵换模型都需对投资者效用函数进行刻画,但是效用函数主观、差异性大,难于用数学方法精确表示,因此最小风险套期保值模型更具备实际价值。
3 最小风险套期保值模型
Ederington(1979)、Figlewski(1984)在“投资组合套期保值”理论上展开进一步研究,指出套期保值目标是实现资产组合收益方差最小,使得方差最小的套期保值比率即为最小风险套期保值比率。其公式推导如下:
设期初t0至期末t1期间套期保值者在股票现货市场上的收益率:
N为买入的期货合约份数,h为套期保值比率。则Rh的方差:Var(Rh)=Var(Rs)+h2Var(Rf)-2hCov(Rs,Rf)。Cov表示协方差,当Var(Rh)为最小时,套期保值效率最高。对h分别求一阶、二阶偏导:
4 最小风险套期保值比率计算方法
对于最小风险套期保值比率的计算,在成熟市场中历史数据方法被广泛采用, 主要包括: 普通最小二乘回归(ordinary least square,OLS)、 最小二乘回归误差修正模型(OLS-CI)、 双变量向量自回归模型(bivariate-VAR,B-VAR)、误差修正模型(error correction model,ECM)、广义自回归条件异方差模型(generalized ARCH,GARCH)、误差修正GARCH模型(ECM-GARCH)等。
①普通最小二乘回归(OLS)。由Johnson(1960)最早提出,其思想是将现货与期货价格差分进行线性回归以达到最小平方拟合[4]。OLS方法简单、直观、易操作,其方程为:ΔlnSt=α+βΔlnFt+εt.ΔlnSt、ΔlnFt分别表示t时刻现货与期货价格收益率,α为截距项,εt为随机误差项,斜率β即为最优套期保值比率:
②最小二乘回归误差修正模型(OLS-CI)。现货与期货价格序列进行差分后,可能导致潜在长期讯息的丢失,因此在OLS中加入误差修正项:Zt=lnSt-λlnFt,以期将丢失的讯息调整回来,即成为OLS-CI模型:ΔlnSt=α+βΔlnFt+ωZt-1+εt.ω为误差修正项系数,斜率β即为最优套期保值比率。
③双变量向量自回归模型(B-VAR)。Herbst、Kate、Marshall(1993)[5],Myers、Thompson(1989)[6]认为用OLS计算所得结果会受残差序列自相关的影响,于是有学者提出B-VAR模型:
Cs、Cf为截距项,αsi、αfi、βsi、βfi为回归系数,εst、εft为服从独立同分布的随机误差项,l为能消除残差自相关的最佳滞后值。令Var(εft)=σff,Cov(εst,εft)=σsf,则最优套期保值比率为:
④误差修正模型(ECM)。Granger(1987)等发现B-VAR方法忽略了现货与期货价格之间协整[7],Ghosh(1993)根据Granger、Engle(1987)的协整理论,综合考虑序列的非平稳、长期均衡与短期动态关系,提出ECM模型[8]:
ωs和ωf为误差修正项系数。其最优套期保值比率为:
⑤广义自回归条件异方差模型(GARCH)。上述模型均假定序列残差项相互独立且服从正态分布,但是金融时间序列往往存在异方差、自相关性,这些方法估算的结果可能是有偏的。大量实证表明Bollerslev(1986)提出的GARCH模型[9]能成功刻画金融时间序列的波动特征,可以用GARCH(p,q)模型来估计最优套期保值比率:ΔlnSt=α+βΔlnFt+εt,残差项:εt|Ωt-1:N(0,σ
⑥误差修正GARCH模型(ECM-GARCH)。Kroner和Sultan(1993)认为GARCH模型忽略了序列之间可能存在的协整关系,因此将ECM与GARCH模型结合起来,发展成ECM-GARCH模型[10]:ΔlnSt=α+ωZt-1+βΔlnFt+εt,残差项:εt|Ωt-1:N(0,σ
5 最小风险套期保值比率实证分析
目前我国国内尚未推出股指期货,证券市场还不完善,因此本文试图构造香港市场上的一个股票投资组合,并选择恒生指数期货(HIS)进行套期保值。研究过程采用Eviews 5.0统计软件,分别对上述六种模型进行实证研究,以检验不同方法在香港市场中的应用效果。
5.1 数据样本及描述性统计
本文主要对恒生指数期货与股票现货组合日数据进行分析,样本区间为2007年11月1日至2008年6月30日,共161对数据。以2007年11月1日至2008年5月30日141对为样本内数据,估计最优套期保值比率h*;其余2008年6月2日至2008年6月30日20对为样本外数据,评价h*未来的表现。期货与现货价格序列均取对数,并对序列进行一阶逐期差分形成收益率序列。恒生指数期货数据来源于文华财经,价格序列取当月合约每日收盘价。由于合约到期日要交割,所以进入交割月第一天直接转入下一最临近的合约,以构造连续的价格序列。股票现货数据来源于乾隆行情分析系统,从恒生指数工商、金融、地产及公用事业四个分类行业中分别筛选出2007年11月1日市值最大的一支成份股,以其各自累计市值的为现货投资金额构建组合头寸。具体配置比例:中国移动占45.09%(工商业)、汇丰控股占23.12%(金融行业)、新鸿基地产占20.91%(地产行业)、中电控股占10.88%(公用事业行业)。
从表1可知,恒生指数期货与股票组合收益率标准差相近,说明两者收益风险比较接近。两组序列分布均表现出正偏,具有明显的高峰、厚尾特征。Jarque-Bera统计量表明两组序列都不服从正态分布。对序列自回归残差进行LM检验发现残差序列均存在高阶ARCH即GARCH效应。相关系数显示指数期货与股票组合收益率之间存在较大的相关性。
5.2 单位根及协整检验
根据协整理论,当两个序列是同阶单整时才可能存在协整关系。因此先用ADF方法对序列及其一阶差分序列进行单整检验。
注: 置信度为10 %的临界值是-2.576422,置信度为5%的临界值是-2.879494,置信度为1%的临界值 是-3.471454。* *表示在置信度为1%时是显著的。
从表2可见, 两组序列的ADF检验中, ADF值都大于10%的临界值, 不能拒绝单位根的零假设, 两组序列都是非平稳的。进行一阶差分后序列的AEF检验中,ADF值都小于1%的临界值, 单位根的零假设被拒绝, 因此两组序列符合I(1)过程,满足协整检验的前提。接着进行简单的协整回归,对回归后的残差做单位根检验。由于ADF统计量为-15.91547,小于置信度为1 %的临界值-3.471454,因此认为协整回归后的残差为平稳序列,这表明St与Ft之间存在协整关系。
5.3 计算结果及结论
上述检验结果表明样本数据满足模型所需的自相关、异方差、协整等前提条件。下面就样本内数据分别采用六种模型计算h*,将样本外数据测试h*.选用Ederington(1979)定义的套期保值绩效指标[3]:
对表3中的结果进行分析,可得出以下结论:
①各种方法计算得出的h*总体上相差不多,均小于简单套期保值中恒为1的结果, 即期货合约买卖的价值低于股票现货, 说明这些方法较简单套期保值而言成本更低。其中ECM计算得出的h*最小,其次是OLS-CI,OLS和B-VAR估计出的h*相当, GARCH求出的h*最大。 加入误差修正项的OLS-CI、ECM、ECM-GARCH分别比OLS、B-VAR、GARCH估算出的h*要小,说明不考虑协整所得的h*被高估。
②套期保值后样本内、外方差σ2in、σ2out远小于不进行套期保值时的方差,表明套期保值能够有效降低投资组合的风险。其中用OLS估计出的h*进行套期保值σ2in最小,用ECM求得的h*进行套期保值σ2out最小,用GARCH计算得出的h*进行套期保值σ2in、σ
③套期保值绩效指标Heout都明显优于Hein.这是因为临近合约到期时,期货与现货价格逐渐趋于一致,此时风险最小,套期保值效果也更好。OLS、OLS-CI得出的Hein优于其他方法,ECM求出的Heout最好,而GARCH、ECM-GARCH计算得出的Heout差一些。相对而言,忽略序列间的协整关系而得到的Hein、Heout都较差。
④从样本内外的套期保值绩效指标之比
摘要：股指期货作为资本市场中重要的风险管理工具,其功能的发挥取决于套期保值比率的确定。本文在系统分析投资组合最小风险套期保值模型基础上,研究了最小风险套期保值比率各种主要计算方法,并针对香港恒生指数期货套期保值进行深入的实证分析,检验了不同方法在香港市场上的应用效果。
关键词：股指期货,套期保值比率,风险
参考文献
[1]吴冲锋,钱宏伟,吴文锋.期货套期保值理论与实证研究[J].系统工程理论方法应用,1998,21(4):94~96.
[2]杜国春.股票指数期货交易套期保值与套利策略[M].北京:经济管理出版社,2002.
[3]Ederington L H.The hedging performance of thenew futures markets[J].Journal of Finance,1979,(34):157~170.
[4]Johnson L.The theory of hedging and speculation incommodity futures[J].Review of Economic Studies,1960,27:139~151.
[5]Herbst A F,Kare D,Marshall J F.A time varying,convergence adjusted,minimum risk futures hedgeratio[J].A Dvances in Futures and OptionsResearch,1993,(6).
[6]Myers R J,et al.Generalized optimal hedge ratioestimation[J].American Journal of Agricul TuralEconomics,1989,(71).
[7]Engle R F,Granger C W.Cointegration and errorcorrection:representation,estimation and testing[J].Econometrica,1987(55):251~276.
[8]Ghosh A.Hedging with stock index futures:estimation and forecasting with error correctionmodel[J].Journal of Futures Markets,1993,(13):743~752.
[9]Bollerslev T.Generalized autoregressive conditionalheteroscedasticity[J].Journal of Econometrics,1986,31:307~327.
基于仿真的能量最小化探索 第8篇
文章介绍如何运用仿真的方法来自定义硬件平台以使系统的能量消耗达到优化。文章使用GSM编解码器软件来作为一个例子, 并将使用一个由几个ARM处理器内核、专用和共享内存以及通过AMBA总线互连所组成的多处理器系统。文章将详细介绍所使用的硬件平台和设计方案, 并给出实验比较结果。
1 多处理器ARM平台介绍
多处理器片上系统 (MPSo C) 是使用多个CPU及其他硬件子系统来实现的系统。文中所使用的硬件平台的架构是一个分布式多处理器片上系统 (MPSo C) 的通用模板。如图1所示, 该平台包含多个计算内核、一个AMBA AHB兼容的通信总线、专用内存 (每个处理器有一个) 和处理器间通信的共享内存。
2 基于仿真的优化探索
仿真平台的优点在于它可以在设计流程的早期发挥作用。传统模式上, 最终的验证是在设计流程结束时进行, 这时第一个产品原型已经产生了。所以为了获得正确的而有效的产品, 系统模型必须是非常准确的。如果在早期设计阶段就可以对目标硬件平台进行一个周期的精确仿真, 系统模型可能因这次仿真而被修改甚至于舍弃。使用这种方式, 我们就可以使用速度较慢的仿真来获得的准确性。
3 能量最小化
我们的目标是优化一个GSM编解码器的应用程序。应用程序将在一个具有ARM7处理器的MPARM平台上运行。参数高速缓存的大小、高速缓存相关性和处理器的频率是可变的。
处理器的频率是一个关键参数, 它影响应用程序的速度和功率消耗。功耗与频率及电源电压的平方成正比[2]:P=CV2f
在大多数系统中, 选择一个较低的频率意味着使用较低的电源电压。这样处理器所消耗的功率就会以立方进行减少。其实, 对于电池供电的系统, 大家对能量消耗更有兴趣。能量的公式定义如下:
这里, t为每秒的运行时间, NC为时钟周期数来表示的运行时间。从这个公式中我们看出, 如果我们只是减少频率而使电压保持不变, 虽然功耗呈线性减少, 但是能量的消耗是不变的。
4 实验结果分析
第一步, 我们设置的缓存类型是指令缓存, 关联性是直接映射的。然后我们来改变缓存的大小, 能量如下表:
第二步, 我们设置的缓存类型是指令缓存, 关联性是K-路组关联。然后我们来改变缓存的大小, 能量如下表:
第三步, 我们设置的缓存类型是数据缓存, 关联性是直接映射的。然后我们来改变缓存的大小, 能量如下表。
第四步, 我们设置的缓存类型是数据缓存, 关联性是K-路组关联。然后我们来改变缓存的大小, 能量如下表。
根据上面的实验数据, 我们把指令缓存和数据缓存的最小能耗结合起来。
总能量为:29591216.93[p J]typ
第五步, 我们改变频率f的值:
所以最佳设置是:
5 结束语
文章通过上面的实验展示了使用仿真来对芯片进行优化的方法。按照相同的思路, 还可对其它性能进行优化。
摘要：文章介绍了用仿真来优化系统的方法。以对芯片的能量消耗最小化为实例, 并使用实验步骤和实验结果来说明使用仿真来优化系统的方法。
关键词：MPSoC,仿真,能耗最小化
参考文献
[1]Wolf, W.Georgia Inst.of Technol., Atlanta, GA;Jerraya, A.A.artin, G.Multiprocessor System-on-Chip (MPSoC) Technology.Computer-Aided Design of Integrated Circuits and Systems, IEEE Transactions on (Volume:27 Issue:10) .
善待学生错误,让负面影响最小化 第9篇
是非鲜明,态度和蔼
对待学生的错误,老师必须是非分明,对就是对,错就是错,不能含糊、漠视、模棱两可。记得在一次朋友聚会上,一位朋友对我说:“当着你的面,我也不怕你生气,其实我挺狠老师的。”我惊讶地睁大眼睛问:“老师哪里得罪你了,都快二十年了,你还怀恨在心。”后来据他所述,原来,在上小学四年级语文课时,他被抽到朗读课文,由于当时比较紧张,把文中的“种”读成了“豆”,引来了同学的哄堂大笑,而当时老师面对这种情况并没有发表任何意见。我同学认为,语文老师这是默许了同学的态度,使他的自尊心受到了伤害,也是至今让他无法释怀的原因。没有想到,教师眼中的一件小事,却带给学生心灵上这么大的创伤。学生的心是敏感的,我们做老师的,也应有一颗敏感的心。面对学生的时候,自己对任何一个学生或任何一件事情都要有一个正确的态度,学生的事没有小事,或赞扬支持高兴喜欢,或默认默许,或不介意不计较,该是什么态度就做出什么反应,切不可不做出反应或无动于衷。当然,教师处理犯错误学生的教育态度也要和蔼。老师如果态度和蔼,就为师生之间的沟通和学生接受教育创造了有利条件。
循循善诱,引人自省
学生犯错误,需要学生自己认识到错了,并下决心改正,老师的责任是帮助学生认识并改正错误。我教过的班中有几个这样的学生,时常做些“调皮”事:用喝完的矿泉水瓶做成水枪喷同学,抢来同学的东西扔来扔去等等。作为班主任,每次叫来他们,他们总能说出一串“理由”。几分钟之内,我几乎都没有说话的机会。因为一般事情都是发生在课间,为了节省时间,提高“教育效率”,我常常是严肃地告诉他们:“我问什么,你答什么,不许打断老师的话!”这样,解决问题的时间是缩短了,但结果却是学生“屡教不改”。很明显,我的教育是失败的,究其原因,我在解决问题时,没有让学生说他们自己想说的话,而是让他们说我想听的话。这种不真实的谈话、交流,怎么会产生良好的教育效果呢?怎么会触及心灵呢?其实,学生做任何事情都有自己认定的“理由”。在这个“理由”没有改变之前,他不可能在行动上改变其做法,即使改变,也是在教师的“强行命令”下的暂时现象。为了防止类似事件再次发生,我改变了以往的做法。一次,有学生说他的钢笔让同桌扔在了地上。我找到了这个“调皮”学生,和气地对他说:“你能说说自己的理由嘛?”这时,我发现这位同学没有像以前那样不断争辩,而是思考了一下,然后说:“因为他写字时碰到了我的胳膊。”我轻声问:“还有吗?”“……”我听他把所有的话说完后,又问:“他碰了你的胳膊就该扔他的钢笔吗?”他脸红了,摇了摇头,马上说自己不该那样做。这件事情说明,引发学生内心的变化,问题才能真正得到解决。
谁错说谁,错哪说哪
“小李最近又开始偷懒了,昨天留的作业他说忘带了,也不知是真是假。”语文老师着急地对我说。我一听火就上来了,不管是没带还是没写都是不对的,这我在班上已经说了多次。我怒气冲冲地来到班上,经过再三询问,他终于承认了是没做。我心想:这个问题严重了,不仅不按时完成作业还说谎,况且,这么多同学都看着呢,要是不严肃处理有人再犯同样错误怎么办?于是,我在自己的数学课上,进行了全班的思想总动员。从不完成作业的危害讲到了说谎的危害,从负责任的态度讲到勇于改错、持之以恒的精神,最后有对小李说:“放学前必须把作业补上,如果今后再出现这种情况就要请家长”。一看十分钟过去了,赶紧上课,但后面的三十分钟里,看着小李的萎靡不振,这堂课在沉闷中结束了。课后我想,如果没有完成作业的是一名品学兼优的学生,我定会先询问原因。即便他也是偷懒没写,为了维护他的自尊心,我也不会在全班大张旗鼓地批评,而很有可能单独批评教育。难道在老师心目中品学兼优的学生有自尊心,常犯错误的学生就没有自尊心了吗?任何学生都有自尊,我们无权以牺牲一个人的自尊来教育其他学生。谁的错误就批评谁,是错误就说错误,这本是常理。但是,在现实教育实践中,像我这样的错误常常发生,即,一个学生犯了错误,全班同学跟着听批评,老师借题发挥,影射或指责家长,甚至在家长会议上给犯错误的学生家长难堪,如此等等,其结果,虽然学生、家长不说什么,但心里都不会高兴,并可能产生不满情绪或对立情绪,不利于犯错误的学生改正错误。
错中求对,鞭策激励
记得那是开学不久的一次小测验,尽管我再三强调和提出复习要求,小斌仍然毫不在乎地交了白卷。起初我很生气,但想到他平时的表现,即使给他“0”分,即使在全班同学面前批评他,他也未必在乎。试卷分析课上,我在表扬了一些同学之后,说:“最后,我还要夸夸得0分的这位同学”。话音刚落,全班同学都瞪大了惊奇的眼睛,就连平时似乎什么都听不进去的小斌也竖起了耳朵。我故意停顿了一下之后说:“小斌同学虽然得了0分,但我从中看到了小斌同学诚实的品格,他没有因为不会而去作弊,这一点就值得大家学习。”说到这我发现:小斌的那张似乎对什么都“不在乎”的脸慢慢变红,神情也逐渐认真起来。这时,我的目光从全班同学的身上集中到小斌那里,我对他说:“小斌这次之所以得了0分,一定是忘记复习了。老师相信你,下次如果认真复习,一定会取得好成绩”。此时,上课时身子从未坐正过的他端端正正坐了一节课,居然还做笔记了。从那以后,他像变了一个人,不仅能听讲了,还能即时交作业了,虽然成绩还不是很理想,但比起以前,学习态度有了明显的改善。生活中处处有教育,这件事使我认识到:教师应该允许学生犯错误,学生犯了错误,老师应该设身处地地从学生的角度出发去冷静地思考,仔细分析,从中找到积极的因素,抓住这些积极的因素进行鞭策鼓励,有利于克服其消极因素,从而达到帮组学生改正错误的目的。在实际工作中,一些老师往往抓住学生的错误不放,一批到底,其实这是最简单的做法,谈不上教育的智慧、教育的艺术。作为成熟的教育工作者是不会这样做的,而应该尽可能地去理解、尊重、发现和赏识学生。把学生的每一次错误都变成他一个进步的起点,哪怕只是一个微小的进步也好。
批评有据,处罚有度
老师对学生任何一次的批评都要做到事实清楚,是非明白,做到批评有据,否则不能服人。在处理上太轻不足以教育本人,太重又会使学生不满、丧失信心、破罐破摔,还会派生出其他问题。现实教育实践中批评、处罚过重是常有的事,因此在批评、处罚学生问题上需十分慎重,力争做到恰到好处。例如,每位班主任可能都会遇到学生迟到。每当有学生迟到,他们总会找一些理由来辩解。我遇到过这样一位学生,当天刚刚是我下班管理午自修,迟到的小聪被我撞了个正着,问其原因,说自行车坏了。话音还落,班上的同学马上有人回应说,老师你不要相信他,他每天迟到都说自己的车坏了!到底是他真的车子坏了,还是他在说谎?为了维持班级次序,我把他叫出了教室,询问真的是车子坏了吗?他点点头,我继续问:“那你现在怎么来的?”他说:“我车推过来的。”“那好,我们现在去看看你的车!”我接着说。我正准备拉着他往停车的地方去时,他拉住了我的手说:“老师,我车子没有坏,我说谎了!”为什么他要说谎呢?后来从他口中了解到,他们班主任规定只要有人迟到,就要到操场罚跑十圈。学生如此费尽心机地编造谎言,只是为了躲避老师的处罚。为了掩盖“迟到”所造成的错误,又犯下了欺骗的错误。很明显,老师对学生“迟到”行为的处罚,有意无意地在学生心理上造成了伤害,以至于他不顾一切地犯下第二个错误。如果老师对学生所犯错误的处罚,是导致学生一错再错的诱因,那么,处罚就值得商榷了。
引而不发,善于等待
记得有一次数学考试,最后15分钟铃声刚刚响过,教室里便躁动不安起来。有时学生着急地拿起笔在草稿纸上画着,有时学生动来动去。这时,我发现我们班的小雨正四处张望,神情慌张地把一张纸条压在卷子下面,然后,用余光看看四周,接着她小心翼翼抄着……小雨在作弊。我恨这种不诚实的行为,岂能容她如此胆大妄为,于是,我悄悄地来到她的背后,打算来个“人赃并获”,并准备当众没收她的卷子。但我出其不意地把手按在她卷子上面时,我看到一张因极度恐慌而扭曲变形的脸。小雨身体颤抖着,双手紧紧地握住手中的笔,用近乎哀求的目光望着我。霎那间,我灵机一动,将卷子和纸条一起拿起来,装作看看她答得如何的样子,并迅速将纸条撤走。然后意味深长地说:“好好检查,不能有丝毫的侥幸心理,也许让你懊悔不已的正是那些微乎其微的细节。”只见小雨慢慢地低下头。第二天,我收到一张卡片,上面有一行清秀的字迹:“老师,真正让我难以忘记您的不是您的循循善诱,也不是您的诲人不倦,而是您的宽容。你的宽容是一份厚爱,让我感激不尽……”老师对犯错误学生直接批评是常有的事,也无可非议。但犯错误的学生也应得到尊重,必须看到学生认识错误和改正错误有一个过程,这个过程需要时间,因此,要善于等待。如果老师不是直接批评,而是提出问题让学生思考,使学生自己觉悟到自己错了,其效果会更好,当然,这更需要等待,以给学生“内因起作用”的时间。
此外,凡表扬某个学生应尽量公开,以利于激励被表扬者,弘扬正气;而批评某个学生则尽量个别进行,以保护学生的自尊心,有利于学生改正错误。切记,讽刺挖苦、奚落嘲笑不是恰当的批评,会产生相反的效果。所以,对学生还是要坚持多表扬、鼓励、激励、鞭策,这对学生包括犯错误学生的成长是十分重要的。
企业人才流失与损失最小化分析 第10篇
一、人才流失给企业造成的损失归纳
1. 直接损失
(1) 招聘成本
人才流失就会有职位空缺, 为了填补职位空缺而招入新员工需要花费一定的招聘费用, 包括发布招聘信息的媒体、场所使用费, 广告图片、文字等信息制作费, 付给猎头公司的中介费, 负责招聘的员工加班费, 因招聘而产生的通讯费、饭费、交通费等管理费用, 各类面试人员的工时损失等等, 可想而知, 对于人才频繁流动的企业而言, 花在招聘新员工身上的费用将是一笔不小的成本支出。
(2) 培训与实习成本
对于新员工的另一项投资就是培训和上岗实习。为了保证新员工能很快的投入到岗位工作上, 企业需要对员工进行必要的岗位知识、技能和人际关系的培训。在培训实习期间, 企业付给其工资, 但他对企业却不会产生或只能产生很少的效益。反之, 如果老员工得以保留, 这笔培训费用就可以节省或者投入到在职员工的福利中, 改善在职员工的福利水平。
(3) 企业无形资产的流失
人才流失, 尤其是高层管理人员、关键技术人员和销售人员流失, 不可避免地会带走原企业的商业经验、技术机密、客户关系等, 当这些关键人员流向同行业的其他企业时, 企业的核心技术和关键资源也同时流向了其他企业, 这使得竞争对手只须花费少量财力物力, 在一夜之间就能拥有原来企业花了大量时间精力财力研究成功的技术工艺和建立起来的客户网络, 对原企业而言, 无疑会造成灾难性的损失, 甚至是致命的打击。
2. 隐性损失
(1) 工作效率、质量受到影响
由于人员的更替, 企业需要花时间搜寻、招募、挑选合适人员, 在此期间, 原有的工作只能暂时先分配给其他相关人员兼顾, 这样一来, 不仅接手人员接手该工作需要一定的时间, 而且直接影响了该人员的本职工作, 从而使得工作效率直线下降;另外, 新任员工上任后, 对企业、对工作必然要有一段适应和磨合的过程, 该工作的效率和质量必然会在一段时间之内遭受影响, 至于这个“一段时间”的长短, 则取决于企业招募回来的新员工的素质高低了。
(2) 员工心理受到冲击
人才流失会向其他员工提示还有其他的选择机会存在, 特别是看到流走的人员得到了更好的发展机遇或因流出而获得更多收益时, 留在岗位上的人就会心动, 工作积极性便会受到影响。也许从未考虑过寻找新工作的员工也会开始准备寻找新的工作和企业。目前, 国内企业流失的人才很多是企业内部的技术精英、管理骨干或精神支柱, 他们的离去很可能给留下的员工蒙上心理阴影, 导致企业人心不稳, 精神不振, 削弱和影响企业凝聚力, 严重的甚至会出现一个人出走影响和带动一批人出走的现象, 给企业带来无法估量的危害和损失。
(3) 企业形象受损
企业人才流失, 尤其是频繁的人才流失, 对外, 会使上到供应商、下到终端客户都会对企业的管理能力和企业文化产生怀疑, 从而对企业的经营状况和未来不免担忧, 削弱继续合作的信心;对内, 部分员工有可能出现浮躁情绪, 甚至会有少数员工对企业的发展前景感到悲观, 企业在员工心中的形象和地位遭到动摇。
二、将人才流失的损失降到最小
企业对于员工忠诚的理解应该随时代而改变了。现在员工更多的忠诚于职业, 而非企业, 而且越是优秀的员工, 对于职业的忠诚度就越远高于他们对于企业的忠诚度。当今社会, 人才流失是不可避免的, 笔者认为, 企业可以通过做好以下几方面的工作使人才流失的损失降到最小:
1. 用法律手段约束核心技术和商业机密
为保护企业的核心技术秘密和商业机密, 企业事前与参与或知晓核心技术、商业机密的员工签订保密协议, 用法律条文明确企业内部的技术秘密范围、级别、种类、重要程度及其对外发布使用的范围、次数, 明确员工必须保守企业的商业秘密, 不得向非公司允许范围内的任何人及组织泄露, 履行对企业的忠诚义务, 否则, 违约员工须承担协议规定的违约责任。法律手段可以有效地防止企业核心技术和商业机密泄露, 为企业的核心竞争力筑起一道坚实的钢铁长城。
2. 确保客户资源、岗位相关知识信息的传承与共享
核心的技术及商业秘密需要运用法律手段来保护, 而一些客户关系和非核心的技术信息资源则需要企业在平时做好信息储存和收集工作。企业可以通过让在岗员工提交岗位的任职知识和技术说明书、岗位工作流程图、客户关系资料明细等来收集该岗位的绝大部分信息, 将个人掌握的资源变为企业的资源储备, 以降低企业对于个人的依赖。
3. 建立人才储备机制, 培养后备队伍, 做好继任计划
人才储备, 尤其是关键职位的人才储备, 是减少人才流失带来的损失有效的办法。比如, 企业可以针对某些层级或一些关键技术岗位有计划地培养2~3个接班人, 这些接班人作为下属参与该岗位的工作, 在同一起跑线上竞争, 企业不仅继任计划的目的得以实现, 还能从中发现新的千里马。如果该岗位上的员工离开了, 新的千里马在第一时间就可以接任工作, 这样, 企业便省去了人才重置费用, 节约了时间成本, 还能降低人员任用的风险。
4. 担保
当职业介绍机构、猎头公司或推荐人向用人企业推荐关键岗位员工时, 企业应让其承诺对所推荐员工在应聘、工作、离职过程中的弄虚作假、失误或违约等行为负间接责任, 其实质是保证人承诺对被保证人的行为不忠、违约或失误负间接责任。当然, 为了取得这种承诺, 员工要付出一定代价, 如向担保人支付一定的担保费。这样企业就把由于员工离职或行为不确定带来的风险损失转移到了保证人, 即职业介绍机构、猎头公司、推荐人甚至是员工本人身上。
5. 温情离职, 做好旧雇员关系
员工产生离职的想法, 多少都是因为对企业某些方面存在不满的情绪, 充满人情味地处理好员工离职, 可以使离职人员怨气减少, 甚至成为企业发展的延伸力量。即使已经不是本企业的员工, 将来还可能是客户、合作伙伴, 离职人员对曾经工作过的企业还是有感情的, 让他在走时多一份眷恋, 少一点埋怨, 企业或许在将来会收到一份惊喜的。那些“人走茶凉”的做法只会进一步损坏企业在员工心目中的形象, 无形中多为企业树立了一个敌人。许多跨国公司的人力资源部出现了一个新的职位——“旧雇员关系主管”, 专门负责保持与前雇员的联系和交流工作。通过交流与沟通, 这些离职员工不仅可以为原公司继续传递市场信息、提供合作机会, 同时也可以结合现供职岗位的实际工作经验和感受, 对原公司的内部管理和运作方式提出宝贵的改进意见。
摘要：在国外企业纷纷抢滩中国的今天, 国内企业首先要面对的, 不是土地、物资的竞争, 而是人才的竞争, 而大多数国内企业对人才流失造成的损失却认识不足, 本文就人才流失对企业造成的损失进行了归纳分析, 并提出了减少损失的系列办法, 希望能对国内企业减少人才流失的危害有所帮助。
关键词：人才流失,损失,对策
参考文献
[1]杨付怀等编著:《人力资源经理案头工作手册》.人民邮电出版社, 2008年01月
[2]李胜杰著:《员工心态管理的6堂课》.机械工业出版社, 2008年01月
华迪云计算的最大化与最小化 第11篇
自“云计算”这个概念提出以来，国内外众多IT企业、政府机构纷纷开始建设云计算中心，对云服务展开探索，并已推出微软云计算、IBM云计算、谷歌云计算等等。作为国家级信息领导企业之一，航天信息股份有限公司也率先加入了云服务的探索者行列。目前，航天信息旗下子公司华迪计算机集团有限公司推出的云计算管理解决方案，已成功应用于中国电信、中国移动等多个分公司的云计算IDC平台项目，为其带来丰富企业价值，实现资源共享和空间利用效率的最大化，以及运维成本和风险的最小化。
华迪推出的云计算管理解决方案，通过对企业现有的基础架构进行整合，以虚拟化技术和自动化技术，帮助企业实现硬件资源的统一管理、统一分配和统一部署，打破了应用对IT资源的独占，从而帮助企业提高了IT资源的管理和利用效率，降低了IT基础设施的投入成本和运维成本。
在整个华迪云计算平台架构中，华迪设立了包含业务运营子系统、基础架构管理子系统、统一系统管理三个部分的子系统。并且通过使用强大计算能力的硬件计算资源，虚拟化技术和灵活的资源供给和管理，最终为用户打造了一套先进可靠的云计算平台。拥有标准的管理流程和先进的IT管理模式的华迪云计算平台，不仅可以快速响应企业对IT资源的需求，能够帮助用户实现IT基础设施的统一管理和有效掌控，使终端用户可以便捷的申请使用IT服务，将IT资源的利用效率达到最大化，运维风险和运维成本降到最低，还保证了服务的快速交付和资源通过自动化部署后的一致性和高效性。
半结构化数据的最小化模式发现 第12篇
随着Web数据的大量增长和异构数据集成的应用, 导致了大量半结构化的数据产生。半结构化数据是界于严格结构化的数据 (如关系数据库中的数据) 和完全无结构数据 (如声音、图像文件) 之间的数据形式, 它具有如下一些特点[1,2,3,4,5,6]: (1) 隐含的模式信息。半结构化数据具有一定的结构, 但其结构与数据混在一起没有显式的模式定义, 且模式经常处于动态变化之中, 如HTML文件、XML文件等。 (2) 不规则的结构。一个数据集合可能由异构的元素组成, 例如学生集合中某些学生有电子邮件地址, 而另一些学生则没有;同样的信息可能由不同类型的数据表示, 例如某些雇员的生日是字符串类型, 而另一些则是由year、month和day组成的复合类型。 (3) 没有严格的类型约束, 直接通过数据来表达。由于半结构化数据没有显式的模式, 这给这类数据存储、快速查询及优化带来很大的困难, 因此导致查询、浏览和集成Web 数据效率很低。
目前国内外关于半结构数据的研究主要集中在新的数据模型、查询模式、存储技术以及优化技术等方面[1,2,3,4,5,6,7,8,9]。其中, 对半结构化数据结构的研究是一个非常重要的方向。模式研究的一个重要方面就是如何从半结构化数据中得到模式, 即模式的抽取。目前模式描述形式有基于逻辑的描述形式和基于图的描述形式[1,2]。文献[1,2,3,4,5,6]对基于图形描述的半结构数据模式提取进行了讨论。这些文献中模式提取方法能够对半结构的数据进行模式提取, 但是模式提取算法运算量大, 而且抽取模式的规模较大, 甚至比半结构数据的原始规模还要大。为了克服以前算法的不足, 本文提出了最小模式抽取算法。
1基本概念
1.1对象交换模型 (OEM)
OEM[1,2,3,4,5,6]模型是一种自描述的对象模型, 专为表示半结构化数据而设计的。该模型由表示数据对象的结点及带标签的有向边构成。每个数据对象由对象的标识 (Oid) 及值 (value) 组成。对象的Oid唯一确定一个数据对象, 而对象的value为原子类型或复合类型。原子值可能是Integers、Strings、Real等不可再分的类型数据;一个复合的OEM值是一组子对象引用的集合, 用一组<label, Oid>组对的集合表示, 其中Oid是通过label引用子对象的Oid。本文借用文献[4,5]中的OEM示例数据库来说明文中的概念及算法, OEM示例数据库如图1所示。
实际上, OEM模型数据库就是一个带根的有向图G (r, V, E) , 其中r为图的根结点, V为顶点的集合, E为有向边的集合, 边上的标签表示对象间的引用关系, 边记作〈oi, ln, oj>, 它表示对象oi通过标签ln引用对象oj。如果在图G中存在着〈o1, l1, o2>, <o2, l2, o3>, …, <on, ln, o1>, 则称OEM图中存在着环路。如图1中存在一个环:<1, player, 14>, <14, formerClub, 24>, <24, player, 28>, <28, Formerclub, 1>。
1.2与OEM图及模式抽取算法相关的术语、定理
定义1 在基于OEM模型的数据库G中, 以圆点“.”分隔的若干个标签序列l1.l2.….ln称为标签路径 (label path) , 记作lp=l1.l2.….ln, 其中n为lp的长度。如Club.player.name是长度为3的标签路径。
定义2 在基于OEM模型的数据库G中, 数据路径dp (data path) 是以逗号“, ”分隔开的对象Oid和标签交替出现的序列, 记作dp=O0, l1, O1, l2, …, ln, On, 其中n (0≤i≤n) 是dp的长度。称dp=O0, l1, O1, l2, …, ln, On为标签路径lp=l1.l2.….ln的一个实例 (instance) 。
例如:dp1=0, Club, 1, Name, 2, Official, 3是长度为3的数据路径, 它是标签路径Club.Name.Official的一个实例。对于同一标签路径可能存在多个路数据径实例。如图1中标签路径lp=Club.Name有3条数据路径实例。
定义3 在基于OEM模型的数据库G中, 设标签路径lp=l1.l2.….ln, lp的目标集t定义为lp所有数据路径的最后一个对象Oid的集合, 记为, t={O|O0, l, O1, l2, …, ln, O, 其中O0, l1, O1, l2, , ln, O为lp一个实例}。我们也写为t=T (lp) 。
如标签路径Club.name的目标集为{2, 21, 25}, 通过标签路径Club.name可以遍历标签目标集中的每一个对象。
定义4 设标签路径lp=l1.l2.….ln, 标签路径lp的数据路径实例的数目称为标签路径lp支持度, 记作Sup (lp) 。如标签路径lp=Club.Name的支持度为3, 记作sup (Club.Name) =3。
为了剪掉低频的标签路径表达式, 须事先设定一个最小支持度阈值, 记作minsup。当一个标签路径的支持度大于等于minsup, 则称此标签路径是频繁的, 否则是非频繁的。
关于标签路径的目标集及支持度的计算, 可以证明有以下两个定理成立。
定理1 在基于OEM模型的数据库G中, 设O1, O2是某标签路径lp的目标集中任意两个对象, 即∀O1, O2∈T (lp) , 存在从O1, O2分别出发的两条有向边<O1, l, Oi>、<O2, l, Oj>, 则对象Oi, Oj是属于同一个标签路径的目标集中两个对象。
证明 设O1, O2是标签路径lp=l1.l2.….lk的目标集中两个对象, 对应的数据路径分别设为dp1=x0, l1, x1, l2, x2, …, lk, O1;dp2=x0, l1, y1, l2, y2, …, lk, O2;令:dp′1=x0, l1, x1, l2, x2, …, lk, O1, l, Oi;dp′2=x0, l1, y1, l2, y2, …, lk, O2, l, Oj。显然, dp′1, dp′2是标签路径l1.l2.….lk.l的两个数据路径实例, 因此Oi, Oj是标签路径l1.l2.….lk.l目标集中的两个对象, 即Oi, Oj属于同一个目标集。证毕。
定理2 在基于OEM模型的数据库G中, 设标签路径lpn=l1.l2.….ln , T (l1.l2.….ln-1) ={Oi1, Oi2, …, Oik}, 则标签路径lpn的支持度等于从{Oi1, Oi2, …Oik}中各对象出发的以ln为标签的有向边条数, 也即标签ln对应的目标集元素的数目 (重复元素记重数) 。
证明 根据标签支持度的定义, 标签路径lpn=l1.l2.….ln支持度为标签路径lpn对应数据路径实例的数目。令sup (lpn) =s, 即有且仅有s条标签路径l1.l2.….ln的实例, 不妨设为dpi=xi0, l1, xi1, l2, xi2, …, ln-1, xin-1, ln, xn其中i=1, 2, …, s。因此以集合{x0n-1, x1n-1, x2n-1, xsn-1} (可能有元素重复) 出发的标签ln有s条。而{x0n-1, x1n-1, x2n-1, xsn-1}是T (l1.l2.….ln-1) 子集, 因此从T (l1.l2.….ln-1) 即{Oi1, Oi2, …, Oik}为始点且以ln为标签有向边至少有s条, 但sup (lpn) =s, 因此{Oi1, Oi2, …, Oik}为始点且以ln为标签有向边只能有s条, 因此标签ln的目标集有s个元素 (可能有重复元素, 重复元素按重数记) 。证毕。
例如在图1中, 标签路径lp=club.player.nationality, 它的标签路径实例有3条, 它们分别是:dp1=0, club, 1, player, 5, nationality, 12;dp2=0, club, 1, player, 14, nationality, 19;dp3=0, club, 20, player, 22, nationality, 19;显然标签路径lp的支持度为3。而club.player的目标集为{5, 14, 22, 28}, 以{5, 14, 22, 28}中元素为始点且以nationality为标签的有向边有3条, 它们分别是5, nationality, 12、14, nationality, 19、22, nationality, 19。因此nationality的目标集为{12, 19}, 19的重数为2。
利用上面的两个定理, 可以从OEM模式图的根结点出发, 采用标签路径逐渐增长向下延伸的方法求出所有标签路径的目标集及支持度。
1.3基于OEM模型的半结构化数据的存储
任何算法的实现都离不开数据存储结构, 算法的优劣与数据存储结构有很大的关系。为了设计出快速计算标签路径的目标集、标签路径的支持度, 本文对基于OEM模型的数据库G (r, V, E) 采用有向图变形的邻接链表存储法, 对于从同一始点同一标签出发的结点存在同一数据组中, 便于快速计算统计。由于篇幅有限, 对有向图的变形邻接链表的存储结点类型不再说明, 通过存储示例一目了然。链表头结点及链表结点结构如图2所示。图1OEM示例数据库的存储结构如图3所示。
由于链表的头结点存储在一个线性表中, 这样可以随机地访问任何一个结点及其子结点。这样可以快速计算任何标签的目标集以及从目标集出发的标签集。
2模式抽取
所谓模式抽取, 就是从半结构化数据中得到内在的模式图, 也即从半结构化数据中找出所有最长且为频繁的标签路径的集合。为了准确地描述OEM数据模式, 我们创建一个模式表schema_table, 表中的结点结构 (father, label, T_objs, child) , 其中father, child都是模式结点Oid, 从father到child有一条带label标签的有向边连接, T_objs为label在原数据库中的目标集。
为了解决目标集中包含原子类型的元素的问题, 我们引入了‘⊥’符号, 表示标签路径下可能包含一个原子类型对象。
2.1模式抽取的思路
模式抽取的思路:将基于OEM模型半结构化数据库G的根结点, 映射为模式的根结点。然后从半结构数据的根开始, 按照宽度优先的遍历方式, 求出从根结点出发的每一条有向边对应标签的目标集以及含此标签的标签路径的支持度。当支持度小于事先指定的最小支持度阈值时, 该标签将从标签路径中提前剪出。当标签的支持度大于或等于minsup时, 生成与此标签相关的复合结点node_x (father, label, T_objs, sup) , 存入一个临时temp数组中。接着对从同一个目标集出发的标签相应的Temp数组元素按照支持度降序排序, 再依次检查每一个temp元素的T_objs域是否是模式表中某结点T_objs域的子集, 若是, 则通过标签指向那个目标集对应的模式结点, 否则生成新的模式结点, 然后对应的temp的元素进入队列 (Q) 中。当队列非空时, 队首元素出队, 按前述方法, 继续计算出站元素的T_objs结点集合的标签集、支持度及标签的目标集, 重复前述过程, 直到队列空为止。
2.2模式抽取的算法实现
算法1 最小化模式抽取算法
算法2 求从一个目标集中结点出发的所有标签的集合
算法3 求从objs 出发的标签 ln的目标集及到 ln为止标签路径的支持度
2.3模式抽取的实例分析
将上面的算法应用于图1 OEM 示例数据库, 得到支持度为1的模式表如表1所示。对于支持度为2时, 只需删除sup 为1 对应的行及此行目标集对应的标签行即可。对于支持度sup=n 的情形, 依此类推。
从表1可以看出, player 标签的目标集为{5, 14, 22, 28}, 而caption目标集{5}是player 目标集{5, 14, 22, 28}的子集, 根据算法只需通过captain指向模式结点2即可, 这和图1里情形是一致的;而文献[4,5]抽取的模式比本文算法得到的模式多出了captain 分枝, 由于player 与captain的结构是一样的, 显然重复是没有必要的。同理还有formerclub的目标集也是club 目标集的子集, 只需用具有formerclub标签的有向边指向模式结点①即可, 这里解决了环路问题。
说明:从上面的算法可知, 模式表只有father 、label、 T_objs、child列 , 其中child 为模式结点序号。若T_objs中包含‘⊥’, 则在生成模式结点时添加符号‘⊥’, 表示标签路径下可以包含原子类型对象。为了更清楚地显示标签支持度, 本文将T_obj 中的重复元素也写了出来, 实际上是不需要重复的。在模式表中添加一列S_objs , 表示标签从其中元素出发, 和T_objs列相同, 在模式表中是可以略去。对应图1支持度分别是1、2模式图如图4 、图5所示。
3结束语
在对半结构化数据的模式抽取问题中, 本文提出了基于变形邻接链表存储的最小化模式抽取算法, 采用了标签路径逐步增长的方法, 将求标签路径的目标集转化求每一个标签的目标集问题, 支持度即为最后一个标签的目标集元素的数目, 不需要单独计算, 并按标签支持度由大到小的顺序将其目标集映射到模式结点, 使得对同样的OEM数据库实例本文算法抽取的模式规模比文献[4,5]模式小得多, 而算法执行时间缩短了30%以上。
在半结构化数据的研究上还有许多问题有待探讨, 如半结构化数据的模式及半结构化实体化视图等动态维护, 如何将模式应用于半结构化查询界面设计、查询、优化、存储等问题都需作深入研究。
参考文献
[1]王静, 孟小峰.半结构化数据的模式研究综述[J].计算机科学, 2001 (2) :6-10.
[2]孟小峰.Web数据管理研究综述[J].计算机研究与发展, 2001 (4) :385-395.
[3]吕橙, 等.基于OEM模型的半结构化数据的模式发现[J].计算机工程与应用, 2006 (34) :162-165.
[4]蒙德龙, 叶飞跃, 李旭华.半结构化数据的模式抽取[J].计算机工程与应用, 2006 (27) :162-165, 181.
[5]刘芳, 胡和平, 路松峰.半结构化、层次数据的模式发现[J].小型微型计算机系统, 2001 (1) :84-88.
[6]Goldman R, W idom J.DataGuide:Enabling query formulation and op-timization in semistructured databases In:Proc of the international Confof the Very Large Data Bases (VlDB) [C].Athens, Greece, 1997.
[7]Jason McHugh, Jennifer Widom.Loor:A Database Management Systemfor Semistructured data[C].SIGMOD Record, 1997 (3) :54-66.
[8]吴共庆, 陈恩红.一种基于xml的半结构化数据存储方法[J].计算机工程, 2005 (10) :57-59.
【风险最小化】相关文章：
建筑业财务风险最小化论文04-17
建筑业财务风险最小化论文提纲09-17
建筑业财务风险最小化论文参考文献09-05
最小负荷06-20
最小诊断07-25
最小动作电流06-08
最小和算法06-10
最小费用论文07-08
最小最大准则07-11
损耗最小控制08-03