基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

长记忆模型的Bayes估计及其在汇率波动中的应用

本文介绍了长记忆模型及其检验方法,根据Bayes原理,提出了记忆参数的一种新的估计方法.在运用Teverovsky/Taqqu(1997)年提出的一种基于样本方差的直观方法的初步检验基础上,运用新的检验方法,以美元对人民币汇率为研究对象,说明了我国汇率波动的长记忆性.然后,将经典的GPH-估计与新方法所得出的Bayes-估计相比较,可以看出这种新的估计方法较之经典的GPH-估计要稳定.     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

企业诚信度的贝叶斯估计研究

本文利用贝叶斯分析方法建立了评估企业诚信度的概率估计模型，并选取了一些有代表性的企业进行实证分析。与现有的同类问题研究相比，本模型的特点是将决策者个人经验和主观判断作为先验信息与样本信息相结合、将财务数据与诚信表现相结合，从而提高了估计的可靠性和准确性。     

企业诚信度的贝叶斯估计磷究

本文利用贝叶斯分析方法建立了评估企业诚信度的概率估计模型，并选取了一些有代表性的企业进行实证分析。与现有的同类问题研究相比，本模型的特点是将决策者个人经验和主观判断作为先验信息与样本信息相结合、将财务数据与诚信表现相结合，从而提高了估计的可靠性和准确性。     

多项式平滑的误差分析及带模型噪声下的多项式平滑

本文对二阶多项式平滑中引进的模型误差进行误差分析,给出允许记忆长度的估计公式,当平滑记忆长度大于允许值,从而必须考虑模型误差的影响时,常用的多项式平滑不再是线性最小方差估计,此时应采用带模型噪声下的多项式平滑,它将给出这种情形下的线性最小方差估计,本文后半段介绍这一平滑方法,并给出模拟计算结果以作比较。     

非参数克莱因计量经济联立模型

将非参数回归模型的局部线性估计方法与传统联立方程模型估计方法相结合 ,首次提出了非参数计量经济联立模型的局部线性两阶段最小二乘估计并应用于著名的克莱因计量经济联立模型且与其线性联立模型进行了比较 .结果表明 ,线性克莱因计量经济联立模型是非参数克莱因计量经济联立模型的一个较好近似 .     

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。     

我国宏观经济非参数联立模型的局部线性工具变量变窗宽估计

联立方程模型在经济政策制定、经济结构分析和预测方面起重要作用，目前关于非参数计量经济模型的研究主要停留在单方程模型上，而联立方程模型的研究在国际上刚刚起步，本将非参数回归模型的局部线性估计方法与传统联立方程模型估计方法相结合，首次提出了非参数计量经济联立模型的局部线性工具变量变窗宽估计并应用于我国宏观经济非参数联立模型，结果表明：我国宏观经济非参数联立模型优于线性联立模型且线性模型将造成不必要的人为设定误差；对于非参数联立模型，局部线性工具变量变窗宽估计优于局部线性估计。     

基于FIDC模型变点检测的美国次贷危机传染分析

现有文献主要讨论单个市场收益的长记忆性质或者市场间收益的相依性,但都没有将上述两个问题联系起来进行研究.与以往研究不同,文章将研究多个国家的股票市场收益与美国股票市场收益之间尾部相依性的长记忆问题.这不仅能检验市场的有效性,还有助于刻画国际市场间的相依结构,观察危机传染的特征并做出预警.为了刻画市场间尾部相依长记忆性的动态变化结构,文章对现有模型加以改进,提出了长记忆性的变点检测方法.从变点的角度实证分析了中国、日本、德国和法国股市与美国股市之间尾部相依的长记忆性,进而研究了次贷危机的传染现象.实证结果表明,文章提出的模型在分析金融传染方面是有效的,在不同的股市之间的实证结果具有相似性.第一变点和第二变点的时刻分别与次贷危机的结束和开始时间相对应,基于两个变点将数据分为三段对估计结果进行分析发现,下尾相依系数在危机传染期间明显变大,而且相依性的长记忆性也明显增强,说明次贷危机对所分析的国家具有传染效应.     

状态概率的E-Bayes估计与多层Bayes估计

在文献[1]中提出了参数估计的一种方法--E-Bayes估计并给出了状态概率的E-Bayes估计的定义、E-Bayes估计公式、预测模型及其在证券投资中应用,本文在此基础上将给出状态概率的多层Bayes估计、状态概率的E-Bayes估计的性质--E-Bayes估计,多层Bayes估计的关系.最后,给出模拟算例.     

Estimation with Missing Data

This paper reviews estimation problems with missing, or hidden data. We formulate this problem in the context of Markov models and consider two interrelated issues, namely, the estimation of a state given measured data and model parameters, and the estimation of model parameters given the measured data alone. We also consider situations where the measured data is, itself, incomplete in some sense. We deal with various combinations of discrete and continuous states and observations.     

Asymptotics of estimators for nonparametric multivariate regression models with long memory

In this paper, a nonparametric multivariate regression model with long memory covariates and long memory errors is considered. We approximate the nonparametric multivariate regression function by the weighted additive one-dimensional functions. The local linear smoothing and least squares method are proposed for the one-dimensional regression estimation and the weight parameters estimation, respectively. The asymptotic behaviors of the proposed estimators are investigated.     

响应变量随机缺失下的广义变系数模型的估计

在响应变量随机缺失时,利用拟似然方法给出了广义变系数模型中非参数函数系数的估计.研究了所得到的估计的渐近性质,求出了估计的渐近偏差与渐近方差,并进行模拟比较.     

生长曲线模型的惩罚最小二乘估计

主要考虑了生长曲线模型中的参数矩阵的估计.首先基于Potthoff-Roy变换后的生长曲线模型,采用不同的惩罚函数:Hard Thresholding函数,LASSO,ENET,改进LASSO,SACD给出了参数矩阵的惩罚最小二乘估计.接着对不做变换的生长曲线模型,直接定义其惩罚最小二乘估计,基于Nelder-Mead法给出了估计的数值解算法.最后对提出的参数估计方法进行了数据模拟.结果表明自适应LASSO在估计方面效果比较好.     

Specifying measurement errors for required lifetime estimation performance

Lifetime estimation based on the measured health monitoring data has long been investigated and applied in reliability and operational management communities and practices, such as planning maintenance schedules, logistic supports, and production planning. It is known that measurement error (ME) is a source of uncertainty in the measured data considerably affecting the performance of data driven lifetime estimation. While the effect of ME on the performance of data driven lifetime estimation models has been studied recently, a reversed problem—“the specification of the ME range to achieve a desirable lifetime estimation performance” has not been addressed. This problem is related to the usability of the measured health monitoring data for estimating the lifetime. In this paper, we deal with this problem and develop guidelines regarding the formulation of specification limits to the distribution-related ME characteristics. By referring to one widely applied Wiener process-based degradation model, permissible values for the ME bias and standard deviation can be given under a specified lifetime estimation requirement. If the performance of ME does not satisfy the permissible values, the desirable performance for lifetime estimation cannot be ensured by the measured health monitoring data. We further analyze the effect of ME on an age based replacement decision, which is one of the most common and popular maintenance policies in maintenance scheduling. Numerical examples and a case study are provided to illustrate the implementation procedure and usefulness of theoretical results.     

双限制Tobit自回归GARCH模型和价格限制下股票日收益率模型估计

本文提出了一个在价格限制即涨跌停板制度存在的情况下，股票日收益率可能遵循的时间序列模型一双限制Tobit自回归GARCH模型，建立了此模型的最大似然估计法(MLE)，用Monte Carlo实验研究了最大似然估计量性质．作为此模型应用，我们对一个上海股市的股票日收益率模型参数进行了估计。     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质,对其参数进行了极大似然估计,给出了一些正则条件.基于所提出的正则条件,证明了模型参数极大似然估计的相合性与渐近正态性.