平稳过程条件密度的双重核估计

本文在样本序列为平稳、φ-混合情形下研究了赵林城和刘志军提出的条件密度f(y|x)的双重核估计fn(y|x)的逐点强相合性和渐近正态性。我们对混合系数φ的限制是很弱的。     

条件概率密度函数核估计的误差分析及其最优带宽的选择

本文在α-混合严平稳过程的假设下，研究了条件概率密度核估计的偏和均方误差．在此基础上给出了核估计的渐近最优带宽，并以S＆P500指数为例展示了本文的结果．     

条件密度近邻：核估计的强收敛速度

本文给出了条件密度近邻——核估计的强收敛速度。     

条件密度的近邻-核估计及其Bootstrap逼近

本文讨论了条件密度的近邻-核估计及其Bootstrap逼近的问题，证明了条件密度近邻-核估计的渐近正志性，Bootstrap逼近的相合性，讨论了有关的收敛速度．     

α-混合序列下期望损失ES的两步核估计

期望损失(Expected Shortfall,ES)是当今最流行的金融资产风险管理的工具之一,是一个理想的一致性风险度量.本文在α-混合序列具有幂衰减混合系数条件下,用两步核估计估算风险度量ES的值,第一步是在险价值(Value at Risk,VaR)的核估计,第二步是ES的核估计.得到ES的核估计量的Bahadur表示,以及均方误差和渐近正态性的收敛速度.     

一种改进的密度核估计算法

密度核估计是解决统计问题中样本分布密度函数拟合的一类非参数统计方法,在经济、金融等领域有着重要的应用价值.密度核估计重点在于研究它的算法,使其估计值相对精确.本文提出了一种密度核估计的迭代方法,并通过算例与原有的密度核估计方法进行统计模拟比较,得出迭代后的值具有较好的拟合程度,充分验证了迭代方法的可行性与优越性.     

条件密度近邻－核估计的逼近速度

本文首先研究了条件密度函数近邻－核估计的误差分布的正态逼近精度,然后利用随机加权法构造了近邻－核估计的随机加权统计量,获得了随机加权逼近精度。     

相依样本下条件密度的双重核估计

本文在样本序列为平稳φ-混合的情形下,研究了条件密度f(y|x)的通常的和递推形式的双重核估计的强相合性,并给出了它们的强收敛速度以及渐近分布.     

线性过程误差下概率密度函数核估计的均方相合性

设{Xt,t≥1}为一单边线性平稳过程序列,具有共同的未知密度函数f(x),本文定义通常的f(x)的核估计,在适当条件下,证明了其均方相合性.     

φ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计，并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差。     

条件密度近邻—核估计的渐近正态性

本文给出了条件密度近邻-核估计的渐近正态分布。     

条件密度近邻-核估计及其随机加权逼近的Edgeworth展开

Abstract. In this paper ,Edgeworth expansion for the nearest neighbor-kernel and random weighting approximation of conditional density are given and the consistency and convergence rate are proved     

混合系数线性模型的一类有偏估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出该模型的一类有偏估计,研究新估计的一些优良性质,在一定条件下证明这类估计优于s-K估计~([7]).     

条件中位数的核估计及其Bootstrap逼近的收敛速度

本文进一步讨论了条件中位数的核估计及其Bootstrap逼近的有关收敛速度.     

相依样本下条件密度双重核估计的强相合性

设（Ｘ１，Ｙ１），…，（Ｘｎ，Ｙｎ）是从取值于Ｒ＾ｐ×Ｒ＾ｑ的随机向量（Ｘ，Ｙ）中抽取的随机样本，在给定Ｘ＝ｘ的条件下Ｙ具有条件密度ｆ（ｙ│ｘ）。在本文中，我们考虑ｆ（ｙ│ｘ）的通常的和递归形式的双重核估计ｆｎ（ｙ│ｘ）＝ｎ∑ｉ＝１Ｋ１（Ｘｉ－ｘ／ａｎ）Ｋ２（Ｙｉ－６／ｂｎ）／〔ｂｎ＾ｑｎ∑ｊ＝１Ｋ１（Ｘｊ－ｘ／ａｎ）〕ｆｎ（ｙ│ｘ）＝ｎ∑ｉ－１Ｋ１（Ｘｉ－ｘ／ａｉ）Ｋ２（Ｙｉ－ｙ／ｂｉ）／ｎ∑ｊ     

基于神经元网络的条件分位数估计的收敛速度

本文我们给出了基于神经元网络的随机过程的条件分位数的均方收敛速度．无论是在独立同分布情况下还是在平稳混合(α-混合β-混合)的情况下，我们都给出了相应的结果．结果与基于神经元网络的回归估计的收敛速度相同．采用的技术同Zhang(1998)一致．     

混合系数线性模型参数的广义Liu估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类新的有偏估计一广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.     

α－混合序列和的强大数律及其应用

研究α－混合序列加权和的强大数律，并将这些结果应用于Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．（１９７２）提出的非参数回归函数加权核估计，获得较理想结论．     

ψ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

条件密度近邻—核估计的逼近速度

本文首先了条件密度函数近邻一核估计的误差分布的正态逼近精度,然后利用随机加权法构造了近邻－核估计的随机加权统计量,获得了随机加权逼近精度。