上市公司信用风险分析模型中的变量选择

当前上市公司信用风险数据所呈现出的高维度以及高相关性的特点严重影响了信用风险模型的准确性。为此本文结合已有算法以及信用风险模型的特点设计了一种新的基于非参数的变量选择方法。通过该方法对上市公司用风险相关变量进行分析筛选可以消除数据集中包含的噪声变量以及线性相关变量。本文同时还针对该方法设计了高变量维度下最优解求解算法。文章以Logistic模型为例对上市公司信用风险做了实证分析,研究结果表明与以往的变量选择方法相比该方法可以有效的降低数据维度,消除变量间的相关性,并同时提高模型的可靠性和预测精度。     

基于变量选择的混合时空地理加权回归参数估计

混合时空地理加权回归模型作为一种有效处理空间数据全局平稳和局部非平稳的分析方法得到了广泛的应用.但其参数估计方法中假定固定系数变量已知且不存在时空效应,这一较强的前提使回归系数的估计值变得极不稳定.为探究当固定系数变量存在时空效应时的参数估计方法,本文提出一种变量选择(Variable Selection)方法来剔除指标间的交互效应,并给出相应的算法过程.通过乌鲁木齐市商品住宅真实价格数据对不同估计方法进行对比验证,结果表明,利用变量选择方法后得到的MGTWR模型性能和拟合效果得到提升,固定回归系数的估计更加稳定,原有参数估计方法得到改善.     

对应分析法的改进与应用

本文对国内外流行的对应分析法的不足,在尽可能多地保留变量信息的原则下,提出了改进的对应分析优化模型,论证了R型的因子分析模型L的因子双重信息图是对应分析优化模型的解,并结合应用实例给出了该模型的应用步骤。     

基于两种非凸惩罚函数的稀疏组变量选择

利用正则化方法来进行变量选择是近年来研究的热点.在实际应用中解释变量常常以组的形式存在,通常我们希望将重要的组和组内重要的协变量选择出来,即双重变量选择.基于两种非凸惩罚函数SCAD和MCP,分别提出了稀疏Group SCAD和稀疏Group MCP估计方法,通过分块坐标下降迭代算法,达到组内和组间变量同时稀疏的效果.数值模拟结果表明本文提出的两种方法在模型预测和变量选择能力上优于Group Lasso和稀疏Group Lasso算法.并将该算法有效地应用于实际的初生儿体重数据集分析中.     

协变量含误差下广义线性模型的SEE变量选择

利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质.     

再论线性模型自变元选择的BIC方法相容性条件

在许多情况下，对线性回归模型我们感兴趣于选择足够多的重要预测变量，本文指出了１中对著名的ＢＩＣ准则变量选择方法强相合性证明的错误，并重新给出了一组强相全性条件。在这组条件下，我们也证明了ＢＩＣ选择方法是强相合的，这组新的条件既容易验证又应用广泛。     

基于Adaboost和正则化ELM的混合金融时间序列预测模型及其应用

为提高金融时间序列的预测精度,本文提出了基于MODWT、MCP变量选择方法和RELM_Adaboost的混合预测模型。该模型由三步构成:第一步,收集特征变量,包括MODWT分解得到的特征变量以及常用的技术指标;第二步,利用MCP惩罚方法从上述特征变量中选取重要的作为输入变量;第三步,利用Mnet惩罚正则化ELM,将RELM视作弱预测器,然后用Adaboost算法生成强预测器进行预测。实证结果显示:第一,经过MCP方法的筛选,最终的输入变量中不仅包含常用技术指标,还有小波分解所得的变量。第二,混合预测模型RELM_Adaboost有良好的泛化误差表现。本文提出的模型在量化交易时代具有良好的应用前景。     

带有多重分类变量的潜变量模型的可识别性

潜变量模型是一种广泛应用于表征多个观察变量之间相关性的统计方法.在刻画多重分类数据关联性方面,这类模型通常假定每个分类变量都与一个潜在连续变量或向量相联系,通过潜变量或向量在窗口部分的观察值来确定分类变量的值,从而达到对类别界定.然而该方法存在一个弱点:观察似然或模型存在确定性问题.模型缺乏识别性必然会对估计构成影响....     

交通流非参数回归模型

交通流宏观参数流量、速度和占有率在交通工程和管理中具有非常重要的作用 ,对这三者关系的刻划反映了道路本身特性和交通流的规律。到目前为止 ,基本上采用线性或非线性的参数模型来描述 ,此类模型在应用中具有一定的局限性 ,并交通变量时间序列进行预测 ,数据拟合表明 ,选择适当的核函数或邻近数以及窗宽 ,可以达到比较满意的效果     

稳健L_q(0<q<1)正则化理论:解的渐近分布与变量选择一致性

本文提出稳健Lq(0q∞)正则化模型,证明该模型解的全局渐近分布定理.应用该定理可进一步证明当0q1时所提出的模型具有变量选择一致性,从而具有良好的变量选择能力.基于所获得的理论结果,提出一类求解该模型的无参量加权迭代算法,并给出相应的正则化参数选择策略.数值试验表明本文提出的模型与算法可行、有效,有广泛的应用价值.     

隐变量交互作用分析建模及其在SAS上的实现

探讨隐变量交互作用分析的建模方法及其在SA S软件上的实现;首先阐述隐变量交互作用分析建模的原理,通过拟合一个隐变量交互作用分析示例,对加入交互作用项的统计分析结果与无交互作用项的统计分析结果进行对比;示例中交互作用项引起的变异在结果变量的总变异中占到79.20%.在应用结构方程模型分析隐变量产生的效应时,有时候不进行隐变量交互作用的分析可能会产生偏倚.     

具有时变协变量的纵向资料的线性混合效应模型及算法

许多研究领域中都会涉及到纵向资料的分析处理.在纵向资料的分析中,常常遇到带有时变协变量的情况.传统的方差分析难以处理具有时变协变量的纵向资料.对线性混合效应模型应用于分析这类资料进行了方法学的探讨,并编制了模型拟合的SAS程序.通过实例应用,对线性混合效应模型分析纵向资料的方法和过程给出详细的介绍.     

多元空间因子模型的仿真、模型比较与应用

空间因子模型旨在揭示观测变量因公共因子的区域变化而产生的相关性。条件自回归模型被应用到因子分析模型。在贝叶斯框架内,马尔可夫链蒙特卡洛方法(MCMC)被用来进行后验分析。随机模拟结果揭示出方法的有效性,并对江苏省2005产业数据的进行了相关分析。     

中国人口预测的具有外生变量的半参数回归模型

本文提出建立中国人口预测的具有外生变量的半参数回归模型,基于线性回归理论选取的滞后显著性变量为线性部分,外生变量做为非参数部分,利用多项式样条估计得到了半参数回归方程,对中国1972-2000年人口进行拟合比较,并且对中国2001-2009年人口分三种情况进行了预测对比,结果表明基于中国1952-2005年人口建立的半参数模型拟合和预测的精度均较高,最后对中国2010-2015年的人口进行了预测。     

基于对角膨胀双变量Poisson模型的中超联赛赛事数据分析

随着我国足球博彩产业的发展,与足球赛事相关的数据分析和统计工作也越来越受重视.通过双变量Poisson模型及其拓展的几种对角膨胀模型来拟合2015赛季中超联赛各场比赛进球数据.结果表明只用双变量Poisson模型不能很好拟合比赛进球得分数据,用对角膨胀双变量Poisson模型能较好估计各支球队在整个赛季过程中主场和客场的进攻和防守实力,预测每场比赛进球数,提高模型拟合度,并且解决了以往模型在预测低比分或高比分平局时出现的偏差.因此,对角膨胀双变量Poisson回归模型适用性强,对预测足球等项目比赛的进球数是较好的模型.     

改进的强相关数据的变量选择方法

针对高维强相关数据的变量选择问题,本文提出了改进的变量选择方法.该方法先利用自适应弹性网方法(Aenet)在原始的强相关数据上建立模型,选出对响应变量起重要作用的群组变量和独立变量;再通过偏最小二乘方法(PLS)对选出的变量作模型估计;最后,将两种方法得到的估计系数做线性组合,并以此系数来建立回归模型.新模型具有精度高、解释性好的优点,数值实验验证了该方法的有效性.     

Logistic回归中的加权最小二乘估计

本文引入因变量是虚拟变量的回归模型 ,并通过logistic函数拟合这种模型 ,分析它在控制和预测方面的不足之处 .在此基础上提出用加权最小二乘估计回归方程 .模拟结果表明 ,此方法是可行的     

面板半参数空间自回归模型的变量选择——基于STIRPAT模型的碳排放影响因素分析

变量选择有助于简化模型,提高估计和预测的精度,但目前鲜有涉及面板半参数空间自回归模型变量选择的研究。本文在ALASSO的基础上提出了SSAR-ALASSO法,该法的核心在于惩罚函数的选择和目标函数的构建。SSAR-ALASSO在变量和参数的对应关系、惩罚函数的选择、特殊参数的取值区间以及适用模型等方面与ALASSO存在差异。模拟结果显示,SSAR-ALASSO法在变量选择的准确性和参数估计的精度两方面均表现良好,随着样本容量的增加表现效果更佳。本文在碳排放量影响因素实证中采用SSAR-ALASSO法对STIRPAT模型进行变量选择。研究结果表明人均财富、技术水平、产业结构、所有制结构和产业集聚显著影响碳排放量,城市化、对外开放、能源价格和环境政策对碳排放量无显著影响。     

免疫鹅血清中和抗体消长的数学模型

本文通过变量转换，对种母鹅注射小鹅瘟疫苗后血清中和抗体含量免疫后时间的变化建立了二次多项式回归模型，该模型的准确度Ｒ~２＝０．７６９０．应用该模型估计了血清中和抗体达到要求含量（滴度为１：１６或高于１：１６，即滴度倒数ｈ≥１６的免疫期间为第８天至第１９６天．并得出了整个产蛋期只需对种母鹅免疫注射一次的结论．     

高维混料模型的LASSO变量选择

变量选择是统计建模中重要的问题。当试验数据维数很高时,传统变量选择方法的应用受到了很多制约。本文以高维混料试验为基础,比较了AIC准则和LASSO在变量选择问题上的优良性。通过实例验证,LASSO可以快速且准确地对高维混料模型中的变量进行筛选,从而得出最优模型,达到降低成本、提高利益的目的。