1) F-O model
F-O模型
1.
With the F-O model (Residual Income Pricing Model),this pa per empiri cally examines the value-relevance of accounting information,especially of resi dual income and net asserts.
本文运用F-O模型(剩余收益定价模型),考察了1999年以来中国上市银行股票市场定价与会计信息的价值相关性,主要研究了剩余收益和净资产两个变量对股价的解释能力,同时还研究了不良贷款率、资本充足率等在市场定价中的作用。
2.
In view of the real situation of stock market and real estate market in recent years,the paper measures bubble levels of stock market and real estate market,respectively by simplified F-O model and cost-plus pricing model,and obtains the monthly estimated bubble levels of these two markets from 1999 to 2007.
本文针对近年来中国股票市场泡沫问题和房地产市场的泡沫问题这两个市场的具体情况,分别采用简化的F-O模型测度中国股票市场的泡沫度和成本加成定价模型测度房地产市场的泡沫度,得出1999-2007年我国这两个市场近9年来的月度泡沫估计值;通过对两个市场的泡沫度的对比分析,我们发现股票市场的泡沫度比房地产市场的波动更大;房地产市场泡沫并不是导致股票市场泡沫的原因;而股票市场泡沫却是房地产市场泡沫产生的原因。
3) F-P model
F-P模型
4) P-F Model
P-F模型
1.
The Mechanism of P-F Model Process Reuse;
P-F模型的过程复用机制及工具
5) f-model
f-模型
1.
By employing function one-direction S-rough sets,the generation method and correlative concepts of f-model and f-t order one-direction dynamic model of R-function equivalence class ,and the generation method and the correlative concepts of F-model and F-one-direction dynamic model were proposed.
利用函数单向S-粗集,给出R-函数等价类[u(x)]的f-模型与f-t阶单向动态模型的生成及有关概念,给出F-模型与F-单向动态模型生成及有关概念,提出F-单向动态模型序关系定理及动态分离定理,F-模型的动态特征依赖于属性集α上的属性补充。
6) M-F model
M-F模型
1.
Its innovation lies in doing empirical analysis on the performance of RMB exchange rate policy using new model; adding exchange rate factor into revisory M-F model to get the policy coordination frame; building a lost function to get more detailed project.
文章得出的政策搭配方案:一是基于国际案例研究总结出经验结论和启示,即“灵活运用货币政策工具,不要低估经济实体的耐受能力作出过度反应”;二是由修正的M-F模型得出政策搭配框架,即“外部经济稳定时,可选择本币升值搭配扩张性财政政策、紧缩性货币政策或本币贬值搭配紧缩性财政政策、扩张性货币政策等方式;外部经济过热时,可选择本币升值搭配‘双紧\'的财政货币政策;外部经济过冷时,可选择本币贬值搭配‘双松\'的财政货币政策”;三是利用损失函数得出以利率和汇率水平划分的细化政策搭配方案。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条