基于贝叶斯分析的不完全维修条件下可修系统的参数估计

可靠性和维修性的参数估计在可修系统建模及维修决策中具有非常重要的地位.不完全维修条件下可修系统的故障时间既不相等也不服从独立分布,这使得可修系统维修模型的参数估计变得十分困难.针对此问题,对第一次故障服从威布尔分布,故障之后进行Kijima类型I的修复性维修和Kijima类型I的预防性维修的可修系统进行了研究,应用贝叶斯分析对威布尔分布的形状参数β、尺度参数η、修复性维修的不完全维修因子ar以及预防性维修的不完全维修因子ap进行估计.仿真算例表明,该方法可以较为准确的对可靠性和维修性参数进行估计.     

误差项为指数白噪声的平稳AR(1)过程的贝叶斯分析

本文研究了一类误差项为指数白噪声的平稳自回归模型的参数估计问题.利用贝叶斯方法,获得了参数的后验分布及在平方损失下的贝叶斯估计结果,推广了Turkman的结果.     

基于Gibbs抽样的贝叶斯稳健ARMA模型研究

针对ARMA模型建模过程中模型识别和参数估计易受观测值异常点影响问题,构建了同时考虑加性异常点和更新性异常点的ARMA模型．运用基于Gibbs抽样的Markov Chain Monte Carlo贝叶斯方法,估计稳健ARMA模型参数,同步确定观测值中异常点的位置,辨别异常点类型．并利用我国人口自然增长数据进行仿真分析,研究结果表明：贝叶斯方法能够有效地识别ARMA序列的异常点．     

Marshall-Olkin威布尔分布的贝叶斯分析（英文）

Kundu与Gupta~([1])提出用重要抽样法来计算Marshal-Olkin两元威布尔分布参数的贝叶斯估计,然而我们发现在样本量变大的情况下,重要抽样算法的参数估计效果却不理想.在这篇文章中,我们引入潜在变量来简化似然函数,并且提出利用MCMC算法实现对该模型未知参数的估计.为了评价我们提出方法的有效性,我们将提出的贝叶斯方法与极大似然估计数据模拟结果作对比,可以发现:即使在样本量很小的情况下,提出的贝叶斯方法的参数估计效果更理想.实例分析也说明了这一点.     

基于动态因子结构的贝叶斯分位面板协整研究

针对传统面板协整检验在建模过程中易受异常值影响以及其原假设设置的主观选择问题,本文利用动态公共因子刻画面板数据潜在的截面相关结构,提出基于动态因子的截面相关结构的贝叶斯分位面板协整检验,结合各个主要分位数水平下参数的条件后验分布,设计结合卡尔曼滤波的Gibbs抽样算法,进行贝叶斯分位面板协整检验;并进行Monte Carlo仿真实验验证贝叶斯分位面板协整检验的可行性与有效性。同时,采用中国各省金融发展和经济增长的面板数据进行实证研究,结果发现在各主要分位数水平下中国金融发展和经济增长之间具有协整关系。研究结果表明:贝叶斯分位面板协整检验方法避免了传统面板数据协整方法由于原假设设置不同而发生误判的问题,克服了异常值的影响,能够提供全面准确的模型参数估计和协整检验结果。     

贝叶斯LASSO正则加权复合分位回归及其应用（英文）

回归模型一般采取传统的最小二乘估计(LSE)方法,然而当数据包含非正态特征或异常值时该估计方法会导致不稳健的参数估计.与LSE方法相比,即使出现非正态误差或异常数据,复合分位回归(CQR)方法也能提供更稳健的估计结果.基于复合反对称拉普拉斯分布(CALD),本文提出了贝叶斯框架下的加权复合分量回归(WCQR)方法.正则化方法已经被验证可以有效处理高维稀疏回归模型,它可以同时进行变量选择和参数估计.本文结合贝叶斯LASSO正则化方法和WCQR方法来拟合线性回归模型,建立了 WCQR的贝叶斯LASSO正则化分层模型,并导出了所有参数的条件后验分布以进行统计推断.最后,通过蒙特卡罗模拟和实际数据分析演示了所提出方法.     

基于贝叶斯平滑转移模型的汇率非线性协整关系研究

针对平滑转移模型参数估计不确定性导致的协整检验方法相对复杂问题,提出基于平滑转移模型的贝叶斯非线性协整分析。通过模型的统计结构分析,选择参数先验分布,结合参数的后验条件分布特征设计Metropolis-Hasting-Gibbs混合抽样方案,据此估计平滑转移模型的参数,并对回归残差进行贝叶斯单位根检验,解决参数估计过程中遇到的参数估计不确定性及协整检验复杂的问题;利用人民币对美元汇率与中美两国的利率数据进行实证分析。研究结果表明:MH-Gibbs抽样方案能够有效估计平滑转移模型的参数,中美汇率波动和利差之间存在平滑转移协整关系。     

广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,II型区间删失数据的贝叶斯估计。假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数。通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性。最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析。     

基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究

考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.     

厚尾随机波动率模型的贝叶斯参数估计及实证研究

针对现有时间序列模型难以刻画参数渐变性的问题,对厚尾随机波动(SV)模型的参数估计方法进行了推广,采用基于贝叶斯的MCMC方法,选取2013年5月~2016年6月这一经历多轮震荡的上证指数作为实证分析对象,构造了基于Gibbs抽样的MCMC过程进行仿真分析.结果显示,以卡方分布作为厚尾参数的先验分布能够有效地描述数据波动的厚尾特征,并且能得到较高精度的参数估计结果.结果表明,厚尾SV模型能有效反映出我国股市尖峰厚尾和波动长期记忆性的特征.     

基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究

在经济领域中,时间序列具有序列相关和长记忆等特征,用考虑了时间序列短记忆性和长记忆的ARFIMA来模型分析研究经济时间序列有利于提高拟合及预测的精度。近几十年来对ARFIMA模型参数估计和分数差分算子阶数d的研究越来越多,该模型的应用也越来越广泛。基于贝叶斯方法在参数估计中的优越性,本文结合众多应用此方法的文献所得到的后验分布特点,提出了合理的先验分布,考虑到计算难度,采用MCMC方法对模型的参数进行估计,最后应用我国过去几十年的GDP数据进行实证分析,得到了ARFIMA模型参数的后验分布图、均值、方差及95%的置信区间。     

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。     

基于变分算法的贝叶斯分层收缩模型及其应用

贝叶斯统计推断通常会遇到后验分布中出现高维积分这一公认的计算难题。一种常用的解决方法是使用MCMC算法。然而,MCMC算法在处理高维大数据或复杂模型时计算效率很低,并且难以判断算法收敛性。针对自适应贝叶斯收缩模型、贝叶斯LASSO模型和扩展的贝叶斯LASSO模型,本文提出了一种更高效的变分贝叶斯(VB)算法来进行参数估计和变量选择。该算法源于理论物理中的平均场理论。它将复杂积分问题转化为最优化问题,使用假定分布族中最接近目标后验分布的分布来近似求解,并且易于判断算法收敛情况。数值模拟结果显示,VB算法不仅计算速度明显优于MCMC算法,而且其模型拟合和变量选择效果也与MCMC算法相当,可以作为MCMC算法的一种替代方法。最后,本文运用VB算法分析了俄罗斯房产售价的重要影响因素。     

基于经验似然贝叶斯计算方法在随机波动模型中的应用

基于经验似然的贝叶斯计算方法(Bayesian Computation with Empirical Likelihood,BCel)对两种随机波动模型SV-N、SV-T模型进行参数估计,数值实验验证了该方法的可行性和有效性,与传统的基于马尔科夫链蒙特卡罗方法进行了对比研究.最后将SV-T模型应用到上证指数上,利用BCel算法得出该模型的参数估计结果.     

Weibull小样本失效数据的贝叶斯可靠性分析

随着高性能复杂系统日益向“高质量、长寿命、小子样”等方向发展,在可靠性试验中经常出现小样本失效数据,传统的基于大样本的产品可靠性评估已不能满足试验要求.在两参数Weibull分布模型的基础上,对原始小样本数据采用灰色估计进行两参数估计,再利用蒙特卡洛方法进行随机抽样并将抽样结果纳入贝叶斯先验信息,通过贝叶斯公式得到后验分布,最终计算得到产品可靠度、失效概率、失效率等结果.最后经实例验证了该方法的有效性.     

ָ��-٤��ģ�������ռ�ֵ�����ı�Ҷ˹����

VaR风险度量在金融、保险中有重要的应用. 本文建立了贝叶斯模型, 在某种损失函数下研究了VaR风险度量的贝叶斯估计. 证明了指数-伽马分布下贝叶斯估计的强相合性和渐近正态性, 最后利用数值模拟的方法验证了不同样本容量下估计的收敛速度.     

实证因子模型的贝叶斯半参数分析和模型比较（英文）

为了解决多元数据的异质性,对因子分析模型建立了贝叶斯半参数程序.方法依赖于有限混合分布空间上先验分布的使用.分块吉布斯抽样器用以进行后验分析.L_v测度和贝叶斯因子给出模型比较.基于广义加权中国餐馆算法,给出了半参数模型下数据似然的计算.经验结果显示了方法的有效性.     

随机B-F准备金模型中事故年索赔均值的信度估计

在B-F准备金模型中,事故年均值的估计是一个非常关键的估计量,然而传统的做法是假定事故年均值存在某个先验估计,这个先验估计是根据以往的经验资料由精算师确定的,具有很大的主观性.若先验估计选择合适,则能得到准备金的准确估计,反之,若先验估计选取错误,则给准备金估计带来较大的误差.本文提出改进的随机B-F准备金模型,利用信度理论的思想给出事故年随机索赔均值的信度估计,进而利用经验贝叶斯的方法得到了先验分布中结构参数的估计,最后得到责任准备金的经验贝叶斯估计.我们利用数值模拟的方法验证了事故年均值的经验贝叶斯的均方误差.结论显示,这种随机B-F模型的经验贝叶斯估计是有效的.最后,给出保险公司的实际例子,将本文得到的准备金经验贝叶斯估计与传统的B-F估计和链梯法估计进行了比较.     

基于贝叶斯估计的中国人均GDP之时序模型

本文应用SAS软件对1952-2009年的中国人均GDP建立时间序列模型并对2010-2013年的中国人均GDP进行了预测;在此基础上建立了以时间序列模型得到的参数信息作为先验信息的两种贝叶斯修匀模型与算法。由此所得的参数贝叶斯估计及预测,能充分利用样本信息和参数的先验信息,因而具有更小的方差或平方误差,估计参数更科学。为了检验该方法对先验分布的灵敏性,我们做了基于两种先验分布的模拟预测。将预测结果与传统时间序列预测相比,发现单一正态观测值、方差已知的先验分布的贝叶斯模型得到的预测值更准确,而基于先验分布为指数分布的贝叶斯模型的预测误差较大,预测效果差。     

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵Wt的方法

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用,提供了一种估计模型误差方差矩阵的方法.