基于非参数贝叶斯方法的随机波动建模与应用

本文利用非参数贝叶斯方法进行随机波动建模。通常的参数随机波动模型适用于证券市场中的综合指数数据,而对个股数据和小范围指数数据的拟合效果较差,主要原因是其收益率数据的变化规律更为复杂、具有更厚的尾部行为,而非参数贝叶斯方法的随机波动模型无需进行分布假设,具有很强的灵活性。本文利用SV-DPM模型对IBM的股票价格数据和上证50指数数据进行建模,研究发现非参数随机波动模型能拟合参数随机波动模型难以扑捉到的数据特征,实证表明有充分的依据支持非参数贝叶斯随机波动模型。论文的研究有助于捕捉金融资产的时变波动性质,能更好的揭示金融市场的运行规律,为期权定价和金融风险管理提供依据,对于防范与控制金融风险有着重要意义。     

基于线性样条的门限随机波动率模型及其实证研究

为了刻画金融领域中资产收益的条件均值和波动率的双重非对称性特征,本文基于线性样条的方法提出一种新的门限随机波动率模型(LPTSV),它可以根据到达市场消息的大小和方向来同时描述这两种非对称性情况,可以很好地对资产收益及其波动率进行建模。利用R2WinBUGS软件包对LPTSV模型进行了贝叶斯参数估计。模拟实验说明贝叶斯分析在LPTSV模型的参数估计方面是有效的。最后利用LPTSV模型为上证综合指数和深证成份指数日收益率数据进行了实证分析。描述性统计分析和参数估计的结果均表明:利用LPTSV模型对以上两组数据进行建模是合理的。本文为资产收益和波动率之间的实证关系研究提供了一定的启示。     

截断指数威布尔-帕累托组合模型

使用组合模型模拟单峰厚尾型保险损失数据是非常有效的方法.鉴于在非寿险合约中一般都具有免赔条款的特征,构建一类截断指数威布尔-帕累托组合模型,讨论模型的相关统计性质,然后利用R语言对仿真数据进行参数估计及模型检验.最后,使用丹麦火险数据进行分布拟合,实证结果表明,截断指数威布尔-帕累托组合模型具有更优的拟合效果.     

资产组合非等间隔日内在险价值研究

当前对资产组合在险价值(VaR)的研究仅限于等间隔抽样数据的建模。本文提出资产组合的非等间隔日内在险价值(Irregularly Spaced Intraday Value at Risk,ISIVaR)研究方法,克服资产组合逐笔交易数据非等间隔且不同步问题,利用逐笔交易数据所包含的丰富市场微观结构信息对VaR进行估计。该方法基于更新时间方法将非同步的资产组合标值序列同步化;运用Copula理论建立资产组合的非等间隔日内波动率模型,并捕捉资产组合中各资产在截面上的相关关系;最后利用这种截面相关关系,使用蒙特卡洛模拟技术估计出资产组合的ISIVaR。实证部分利用真实的逐笔交易数据验证了上述方法的有效性。     

部分线性单指标模型的M-估计

单指标模型是一类非常重要的半参数回归模型,不仅可以降低数据维数,克服多元数据中的"维数祸根"问题,而且能抓住高维数据的主要特征.文章研究部分线性单指标模型的M-估计,利用B-样条近似技术逼近非参数函数,提出了获得模型中未知参数M-估计的方法,在一些正则条件下,研究了回归函数以及回归系数的M-估计的渐近性质.随机模拟结果表明了文中M-估计具有稳健性.     

基于支持向量机的非侵入式负荷印记识别模型

基于非侵入式电力负荷检测与分解技术近年来得到广泛推广.选取14个稳态指标作为负荷特征,建立基于支持向量机(SVM)的非侵入式负荷印记识别模型,利用多分类支持向量机(multi-class SVM)的成对分类算法,对负荷印记进行了识别,随机抽取数据进行测试,结果表明方法能够更准确地识别负荷印记,说明所提出的模型和方法具有较高的有效性和正确性.     

非概率样本的模型推断

非概率抽样在大数据时代有广阔的应用空间,但其统计推断问题仍有待研究和发展.针对这一问题,提出利用基于模型的推断方法结合配额抽样实现非概率样本的统计推断,其思路是先设定线性回归形式的超总体模型,再利用配额样本观测数据拟合模型估计未知参数,进而利用模型对非观测单元进行预测,案例分析结果显示基于超总体模型的推断方法是解决非概率样本统计推断的有力途径,具有较大的深入研究价值.     

SolvencyⅡ框架下非寿险一年期准备金风险的度量

在欧盟以风险为核心的Solvency II监管框架下,非寿险准备金传统评估问题正向准备金风险管理新问题转化,准备金风险的识别、度量与控制已成为非寿险精算理论和实务重点关注的前沿问题。本文系统讨论非寿险一年期准备金风险的概念及其度量模型与方法。首先,通过实例直观阐述一年期准备金风险与索赔进展结果(CDR)的内涵;其次,基于贝叶斯对数正态模型,利用MCMC方法和R软件,随机模拟CDR的预测分布,并用CDR预测分布的统计特征来度量非寿险一年期准备金风险;最后,将欧洲保险公司实际索赔数据代入以上模型和步骤进行实证分析。研究表明,基于MCMC随机模拟方法获得的CDR预测分布,能够更加稳健和有效地度量非寿险一年期准备金风险。     

元数据的物元模型及其应用

元数据是在图书馆与计算机信息处理领域广泛应用的概念 ,其基本含义是“关于数据的数据”,也就是出于某种需要 ,用一段简单的和格式化的数据代替复杂、非数字化的目标数据进行分析、处理、传递等操作 .物元模型在信息描述的概念上与元数据理论有着相似的特征 ,而在解决矛盾问题、信息扩展等方面有着自己的优势 .本文试用物元模型的思想对元数据理论进行分析 ,取长补短 .例如 ,用物元变换的方法实现异构数据集之间的数据交换 ;利用物元的可拓性质改进基于元数据的检索和搜索过程等等 .     

广西GDP的统计预测模型及其应用

本文利用SPSS统计软件及非参数统计方法(卡方检验和K-S检验法)对广西1950年至2006年共57年的GDP数据进行实证分析.在最佳准则(即AIC准则)下建立了ARIMA(1,2,1)时间序列模型,并利用非参数统计方法对此模型进行了适应性检验,然后利用2001年至2006年的实际值与该模型的预测值进行了比较.最后,本文利用该模型对广西未来五年的GDP进行了预测.     

带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

基于组合模型的上市公司高送转预测

本文基于中国市场3465家上市公司7年的数据,首先利用随机森林算法提取出43个因子,再利用Lasso方法进行特征选取,最后选出11个重要因子,然后分别采用logistic回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型.实证结果表明,基于组合模型的预测准确率相比单一模型提高了1.39%.     

M-Copula模型在金融时间序列分析中的研究与应用

研究了M-Copula模型的建模方法及应用.运用EM算法估计模型的参数,得到相应的统计结果.并利用M-Copula对上证综指和深证成指做了相关分析.通过分析两样本数据的特征,均建立了GARCH-t的边缘分布模型;根据两个对数收益率序列之间的相关特性,选取M-Copula模型对其相关结构进行建模分析,因M-Copula综合了不同Copula的特点,所以分布形式更加灵活,描述数据的厚尾和相关性特征的能力更突出,效果比单一的Copula更好.     

区域经济系统的ARX参数模型估计

利用系统辨识的方法,对非线性系统进行输入、输出分析,利用模糊评判的输入、输出数据,从多个非线性模型中,确定出一个能够反映区域经济系统特征的模型,从而形成了一种建构在模糊评判基础上系统辨识新思路.     

带有不可忽略缺失数据的广义部分线性模型的贝叶斯分析

广义部分线性模型是广义线性模型和部分线性模型的推广,是一种应用广泛的半参数模型.本文讨论的是该模型在线性协变量和响应变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题,在分析过程中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

香港银行间同业拆借利率的非参数统计分析

首次利用短期利率模型,分析香港银行同业拆借利率(Hibor),揭示了最近十年内香港银行同业拆借利率的基本特征.初步分析表明,Hibor数据的平稳性不能保证,因此采用了非参数统计方法.利用bandi文章中的方法,给出了函数的漂移项和扩散项的非参数估计,同时还得到了过程的局部时估计.通过实证分析,发现香港银行间同业拆借利率在2006至2015年间,以2009年为界,前后两个时间段的数据表现出不同的特征,样本数据的局部时函数也表现为双峰分布.     

缺失数据下线性模型的半参数估计

通过比较参数方法和非参数方法对选择概率建模的优缺点,基于充分降维的思想提出了一种利用单指标模型对选择概率建模的半参数方法.基于逆概率加权方法和半参数方法,研究了缺失数据下线性模型的统计推断问题.建立的逆概率加权估计方程可以处理不同的数据缺失情形,给出了线性模型中兴趣参数的估计,并证明了它的渐近正态性.最后通过模拟研究说明提出的方法具有较好的有限样本性质.     

利用文本挖掘数据检测观念意识重大转变的非参方法研究

通过文本挖掘获得的词频数据对观念意识转变进行测度,利用认知行为特征对观念更新序列进行建模.为了能检测观念意识发生重大转变,采用Monte Carlo实验对两个基于非参的转折点分析方法进行了比较分析.主要发现是:1)根据观念意识转变的认知行为特征所构造的模拟实验,基于CPM框架下的三种非参检验方法,Mann-Whitney检验在检测转变点的功效水平和精确度上要优于Cramer-vonMises和Kolmogorov-Smirnov检验.2)基于偏离测度的非参迭代方法E-Divisive对转变点的检测性能总体上要优于CPM框架下的三种非参方法,但后者可以对容量较小的样本数据进行检测.3)利用文本挖掘,可以将以前只能语言描述的观念意识演进特征进行量化,并用图形分析进行直观呈现,成为一个有价值的实证分析工具.最后对文本挖掘数据作为一种非随机抽样数据,如何保证统计有效性做了补充讨论.     

散度偏大计数数据回归模型的变量选择与模型比较

讨论了具有散度偏大特征计数数据的建模与拟合问题.针对导致数据散度偏大的原因和常用的几类候选模型的结构,分别给出了关于嵌套模型的模型与变量同时选择的Bayes方法和关于非嵌套模型的模型检验与比较方法,并在此基础上进一步完善,提出了较为系统完整的模型与变量选择方法.实际例子说明了方法的具体实现过程和有效性.     

混合分层结构Gibbs算法与时变因果关系检验及应用

传统的Granger因果检验方法受阻于非平稳数据与时变因果关系的存在,本文以无限状态的Markov过程为基础,设计混合分层结构Gibbs算法,实现区制时变VAR模型,用于非平稳数据的时变因果关系检验。实证分析我国经济环境中,需求拉动效应的时变特征。结果表明:国内需求逐渐成为更加重要的经济增长动力;经济增长降低了对投资和出口的依赖;在增长方式的转变过程中,内需效应易受外需变动的影响而波动,需要适时的货币政策调节和投资效应的推动以保证稳定的经济增长,以利于进一步升级产业结构。