矩阵损失下一般Gauss-Markov模型线性预测的可容许性

本文研究了一般Gauss-Markov模型中线性可预测变量的线性预测的可容许性.在给出线性预测可容许性定义的基础上,通过构造一个特殊的常量矩阵D0,分别得到了齐次和非齐次线性预测类中可容许的充要条件.     

基于加权损失函数下广义指数预报因子模型的汇率预测

本文提出在加权损失函数下构建汇率预测的广义指数预报因子模型。该方法首先选取有限个不同滑动参数构造指数预报因子,同时基于绝对值损失和平方损失的提出加权损失函数作为变量筛选的准则,然后在该准则下将指数预报因子进行线性组合,建立汇率预报的广义指数预报因子模型。本文最后用英镑/美元单周汇率数据与文献中的一些已有方法做比较,实证分析表明本文提出的方法在汇率预测效果上有较大改进。     

非对称损失下的预测区间

本文在回顾经典的点预测理论和区间预测理论的基础上给出了求最优预测区间的准则,该准则不仅考虑了预测区间的可信程度,而且将损失函数纳入进了求预测区间的框架.在该框架下,研究了损失函数满足某些特定条件时的预测区间,结果发现与经典预测理论中的等尾取法和对称取法得到的预测区间是一致的.     

平衡指数损失函数下的信度保费

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.在平衡指数损失函数下,研究了多合同的信度保费模型.利用正交投影方法,得到了未来保费的信度估计.最后对估计进行了数值模拟.     

一般矩条件下随机变量的收敛性

本文在一般矩条件下研究了同分布的NA随机变量序列和独立同分布的随机变量序列的收敛性,得到了推广形式的Baum-Katz定理和强大数律,这些结果推广了已知的一些文献中相应的结果.     

多损失条件风险值的多层规划模型

对于多个损失函数,在给定的置信水平下,首先定义了不超过给定损失值的最小风险值(即Va R值)和基于权值的累积期望损失值(即CVa R损失值)概念,然后建立了一个多损失条件风险值的多层规划模型.该模型的目标是求各层多损失CVa R值达最小的最优策略,并证明了它等价于另一个较容易求解的多层规划模型.最后,给出了三级供应链中多产品的定价与订购的条件风险值模型(三层线性规划模型).     

平方损失下的最近邻预测理论

§1.引言 设在R~d×R~1(d≥1)取值的变量(x,θ),(x_i,θ_i),i=1,…,n相互独立,此处(X_i,θ_i)是已知样本,X之值已观测,而要依据它们去预测θ之值。引进平方损失(θ—a)~2,即用a去预测θ时,所蒙受的损失。 若知道了(x,θ)的联合分布,则风险最小的预测,即Bayes预测 δ(x)=E(θ|X=x),可无需求助于样本(X_i,θ_i),i=1,…,n而定出。当X=x时,此预测之后验风险     

不完全信息下损失风险的研究

在获得损失分布不完全信息情况下,提出用方差和熵共同度量损失风险的方法.在不完全信息条件下,通过最大熵原理在最不确定的情况下得到最大熵损失分布,并获得了损失分布的熵函数值.用熵值度量损失分布对于均匀分布的离散程度,从而度量概率波动带来的风险;用方差度量损失对于均值的离散程度,从而度量状态波动带来的风险.由于熵是与损失变量更高阶矩信息相联系的,所以新方法是从更全面的角度对损失风险的预测.通过算例,进一步看出在获得高阶矩信息下,熵参与风险度量的必要性.     

K-近邻预测后验风险的指数限

设(X,θ),(X_i,θ_i),i=1,…,n,为iid随机向量,取值于R~d×R~1.要根据X,借助于样本Z~n={(X_i,θ_i),i=1,…,n},去预测θ之值,Cover在[1]中把k近邻方法用于这个问题。其法如下:在R~d上引进距离‖x-y‖,把X_1,…,X_n按其与X的距离重排为(当等号出现时,可采用“足标小的排前”的原则),取定自然数k,     

对称熵损失下的一类指数族刻度参数估计

In this paper we investigate the estimator for the rth power of the scale parameter in a class of exponential family under symmetric entropy loss L（θ, δ） = v（θ/δ ＋ δ/θ - 2）. An exact form of the minimum risk equivariant estimator under symmetric entropy loss is given, and the minimaxity of the minimum risk equivariant estimator is proved. The results with regard to admissibility and inadmissibility of a class of linear estimators of the form cT（X） ＋ d are given, where T（X） Gamma（v, θ）.     

矩阵损失下线性预测的可容许性

在矩阵损失下研究了任意秩有限总体中线性预测的可容许性,得到了线性预测Lys(Lys α) 是可容许线性预测的充要条件.     

矩阵损失下一般Gauss-Markov模型中回归系数的线性MINIMAX估计

设Y是具有均值Xβ和协方差阵σ2V的n维随机向量，Sβ是线性可估函数，这里X，S和V0是已知矩阵，β∈Rp和σ2＞0是未知参数．本文在矩阵损失下研究了线性估计的Minimax性．在适当的假设下，得到了Sβ的唯一线性Minimax估计（有关唯一性在几乎处处意义下理解）．     

平衡指数损失函数下具有通货膨胀因子的信度估计

在经典的信度保费模型中,得到的信度保费估计均是考虑的是纯保费,然而在保险实务中,保险公司收取的保费不可能是纯保费,必须具有正的安全负荷.在平衡指数损失函数下给出了具有通货膨胀因子的信度估计.结果表明,在考虑历史索赔数据的样本函数的情况下,当选取一个合适的权重,便可以得到下一期的最优信度保费估计.结论推广了仅在平方损失函数下得到的信度保费.     

图的Augmented Zagreb 指数的界

Let G =(V, E) be a simple connected graph with n(n ≥ 3) vertices and m edges,with vertex degree sequence {d₁, d₂,..., d_n}. The augmented Zagreb index is defined as AZI =AZI(G)=∑ij∈E(didj/di+dj-2)³. Using the properties of inequality, we investigate the bounds of AZI for connected graphs, in particular unicyclic graphs in this paper, some useful conclusions are obtained.     

加权平衡指数损失函数下的广义信度保费估计

在非寿险中,在索赔经历虽然相互独立,但有时会服从不同的分布.通过考虑保费的目标估计来对风险保费进行了研究,并采用正交投影的方法得到了目标问题的最优解,从而得到了加权平衡指数损失函数下的信度估计.此外,给出了结构参数的无偏估计,并给出了模拟.结果表明,在考虑目标保费的情况下,当选取一个合适的权重,可以得到未来保费的最优估计.     

中心对称本原矩阵的k点指数集

Let G = (V, E) be a primitive digraph. The vertex exponent of G at a vertex v ∈ V, denoted by expG(v), is the least integer p such that there is a v → u walk of length p for each u ∈ V. We choose to order the vertices of G in the k-point exponent of G and is denoted by expG(k), 1 ≤ k ≤ n. We define the k-point exponent set E(n, k) := {expG(k)| G = G(A) with A ∈ CSP(n)}, where CSP(n) is the set of all n × n central symmetric primitive matrices and G(A) is the associated graph of the matrix A. In this paper, we describe E(n,k) for all n, k with 1 ≤ k ≤ n except n ≡ 1(mod 2) and 1 ≤ k ≤ n - 4. We also characterize the extremal graphs when k = 1.     

二次损失下线性预测的可容许性

本文在二次损失下研究了任意秩有限总体中线性预测的可容性，得到了线性预测Lys(Lys a)是可容许线性预测的充要条件．     

基于藤Copula方法的巨灾风险条件VaR预测

为准确预测巨灾风险的条件VaR,应用藤Copula方法刻画巨灾损失变量间的相关结构,进而得到损失变量间的联合分布和条件分布函数,最终实现对条件VaR的估计.对全球洪水的损失数据进行实证分析,利用核密度估计检验法从常用多元Copula中选出最优的Copula作为比较对象,回测检验结果表明:准确刻画相关结构是精确估计条件VaR的关键,藤Copula方法对巨灾风险条件VaR的预测能力要优于常用多元Copula方法.     

考虑死亡风险下权益指数年金的定价

权益指数年金(Equity Indexed Annuities)是欧美市场近十年发展起来的一类新型年金产品,有最小收益保证,在最小保证基础上与预先设定好的某类股指收益相关联．本文在考虑死亡风险情况下,对简单点对点和年度重设两种指数计算方法下权益指数年金的定价问题作了研究,给出了定价公式并对参与率作了敏感性分析．