保险行业：稳健为上，国际财务报告准则第9号对保险公司金融资产重分类影响与预测 本报告对保险行业的国际财务报告准则第9号（IFRS9）的影响进行了分析和预测。IFRS9的实施将对保险公司的财务报告和投资策略产生重要影响。 一、新会计准则推出的历史背景与变更 1.1 历史背景： 国际会计准则理事会（IASB）于2014年7月发布了IFRS9，以取代原有的国际会计准则第39号（IAS39）。IFRS9的实施旨在提高金融机构的风险管理和透明度，改进金融资产的分类和计量。 1.2 新旧准则的差异： IFRS9与原有的IAS39相比，主要变动在于金融资产分类由四分类变为三分类，不再以持有目的进行分类，而是通过业务模式和合同现金流测试进行分类。同时，减值会计处理由“已发生损失法”修改为“预期损失法”，使得减值计提更加及时和充足。 二、IFRS9对保险公司的影响： IFRS9的实施将对保险公司的财务报告和投资策略产生重要影响。由于金融资产的分类和计量方式的变化，将使得保险公司的利润随市场波动变得更加剧烈。在风险控制的前提下，保险公司需要重新规划资产配置，预计会加大长期股权投资，股票投资倾向分红稳定的蓝筹股，债券投资更青睐高评级债券。 三、上市险企资产重分类测算： 我们以平安的数据为基础，测算新华保险和中国太保资产重分类情况。可供出售金融资产项目的重分类，预计新华有一半重分类至FVTPL，而太保的AFS归入FVOCI资产较多；各类金融资产占比情况方面，预计新华FVTPL类资产占比高于太保和平安，权益资产变动引起的利润波动敏感性可能更高。 四、保险公司如何应对： 保险公司为适应新的会计政策，需要提供更详细的金融工具分类信息，在重分类时谨慎使用计量选择权，并提供金融资产计量及信息披露操作指引。在公司内部，还需建立规范制度、推进部门协作，结合偿二代等多因素做好资产配置计划，减少波动。 IFRS9的实施将对保险公司的财务报告和投资策略产生重要影响。保险公司需要积极应对新的会计政策，重新规划资产配置，采取适当的风险管理策略，以维持稳定的盈利能力。

此函数以快速且稳健的方式计算曲线自相交的位置。 曲线可以用 NaN 断开或具有垂直线段。 还提供了涉及每个自交点的曲线段。 使用示例： N=201； th=linspace(-3*pi,4*pi,N); R=1； x=R*cos(th)+linspace(0,6,N); y=R*sin(th)+linspace(0,1,N); t0=时钟； [x0,y0,segments]=selfintersect(x,y) 时间（时钟，t0） 情节(x,y,'b',x0,y0,'.r'); 轴（'相等'）； 网格

BRMM 类实现了用于模拟和估计有限混合模型参数的算法。 混合模型通常用于聚类分析，即将数据分组。 该模型专为包含异常值和/或缺失值的数据而设计。 BRMM 对象将每个原型建模为具有特定组件参数的重尾分布。 根据贝叶斯范式，参数配备了共轭先验分布。 该模型还包含表示数据中缺失值和数据质量的隐藏变量。 参数和隐藏变量的后验分布通过近似变分推理算法进行估计。 此提交包括一个测试函数，该函数生成一组合成数据并从这些数据中学习模型。 测试函数还绘制根据模型聚类的数据，以及每次迭代后数据的边际对数似然的变分下界。 如果您发现此提交对您的研究/工作有用，请引用我的 MathWorks 社区资料。 如果您有任何技术或应用相关问题，请随时直接与我联系。 指示： 下载此提交后，在您的 MatLab 工作目录中提取压缩文件并运行测试函数 (brmmtest.m) 进行演示。

提出了一种在互耦条件下基于酉张量分解的多输入多输出（MIMO）雷达非圆目标稳健的角度估计算法。所提算法首先在张量域利用互耦系数矩阵的带状对称Toeplitz结构来消除未知互耦的影响，然后通过构造一个特殊的增广张量捕获非圆信号的非圆特性与其固有的多维结构特性，并利用增广张量的 centro-Hermitian 特性通过酉变换转化为实值张量，最后利用高阶奇异值分解（HOSVD）获得信号子空间，结合实值子空间技术获得目标的离开方向（DoD）和到达方向（DoA）估计。由于同时利用信号的非圆结构与多维结构特性，所提算法具有比现有的子空间算法更准确的角度估计性能，同时所提算法只需要实值运算，具有较低的运算复杂度。仿真结果表明，所提算法具有有效性与优越性。

这是对空间曲线的曲率、扭转和 Frenet 框架的稳健估计。 即使数据点很嘈杂，它也能很好地工作。 它使用曲率的几何定义作为接触曲线的密切圆的倒数半径。 扭转由密切平面的旋转确定。 用户可以通过设置非零权重来选择扭转正则化的级别。 演示脚本提供了几个示例，包括带有拐点的曲线，其中 Frenet 框架定义不明确。

天津市第一中心医院根据自身情况，并参考国内外同行经验，找到了一条稳步发展的信息化之路，为天津市第一中心医院的医疗技术创新，患者服务满意度的提升，发挥了不可替代的作用。目前，包括HIS系统，以及服务器和网络存储，来自联想的千台商用电脑，正在医院的日常业务及服务中，发挥着越来越重要的作用。

'example.m' 脚本显示了如何使用该算法。 文件“sunwrap.m”包含实际的算法。 该代码可在此处获得： GitHub: https://github.com/fmaier/MRM-2014-PhaseUnwrapping MATLAB 中心： https : //www.mathworks.com/matlabcentral/fileexchange/46664 如果您使用此算法，请引用以下出版物： Florian Maier、David Fuentes、Jeffrey S. Weinberg、John D. Hazle 和 R. Jason Stafford 使用幅度排序列表、多聚类算法的 MR 温度成像的稳健相位展开医学中的磁共振，73（4）：1662-1668，2015 年。 DOI：10.1002/mrm.25279 http://onlinelibra

基于最差性能最优的稳健波束形成算法可以等价转换成加载样本矩阵求逆(LSMI)算法。提出了一种新的求解方法,准确地计算出Lagrange乘数,给出了LSMI算法中的最优加载量,解决了对角加载技术中加载量估计难题。理论分析和计算机仿真表明,具有最优负加载的LSMI波束形成算法具有最优的性能改善,模约束参数选取得越大,性能改善越接近于最优。

为了提高异构网络的能量效率和参数摄动抑制能力，减小跨层干扰，提出了一种基于能量效率最大的异构非正交多址接入网络稳健资源分配算法。首先，考虑宏用户干扰功率约束、小蜂窝基站功率约束、资源块分配约束及小蜂窝用户服务质量约束，将资源优化问题建模为混合整数非线性分式规划问题。其次，考虑椭球有界信道不确定模型，利用凸松弛法、Dinkelbach法和连续凸近似法，将原问题转化为等价的凸优化形式，并利用拉格朗日对偶方法获得解析解。仿真结果表明，与完美CSI算法相比，所提算法具有较好的能效和稳健性。

维基百科：“在统计学中，medcouple 是一个强大的统计数据，可以衡量单变量分布的偏度[1]。 它被定义为一个缩放分布的左半部分和右半部分的中值差。 它的稳健性使其适用于识别调整后的异常值箱线图[2][3]。” 1 = G. 布赖斯； 休伯特先生； A. Struyf（2004 年 11 月）。 “一个强有力的措施偏度”。计算和图形统计杂志。13 (4)：996-1017。 2 = M. 休伯特； E. Vandervieren (2008)。 “一个调整后的偏斜箱线图分布”。计算统计和数据分析。52（12）： 5186-5201。 doi：10.1016 / j.csda.2007.11.008。 3 = 皮尔逊，罗恩（2011 年 2 月 6 日）。 “箱线图及其他——第二部分： 不对称”。exploringdata.blogspot.ca。2015 年 4 月 6 日检索。