一种基于Bhattacharyya核的SVM

包括图像识别在内的很多应用领域里,把单个样本表示成向量的集合的形式是很自然的想法,利用一个合适的核函数我们可以把这些向量映射到一个更高维的Hilbert空间,在这个高维空间里用Kernel PCA方法找到样本的高斯分布族,这样就可以把样本上的核函数定义成它们所服从的高斯分布密度函数的Bhattacharrya仿射.这样得到的核函数具有比较好的性质,比如说在各种变换下有稳定性表现,从而也说明了即使还有别的表示样本的方法,用向量集合的形式来表示单个的样本也是具有合理性的.     

增长曲线模型中回归系数的广义根方估计

本文对增长曲线模型中的回归系数B提出了一种新的估计形式－广义根方估计的B（K），其中K＝diag(k1,k2,…，kp）并证明了通过广义根方偏参数ki(i=1,2,…，p）的适当选取可使得该估计在均方误差矩阵的意义下优于已有的LS估计和根方估计，及广义根方估计是可容许估计，本文还给出了选取广义根方偏参数的两种方法，算法及一个应用实例。     

资产组合的CVaR风险的敏感度分析

基于CVaR风险计量技术，分别给出了正态和t分布情形下资产组合的CVaR值，对一般情形下风险资产组合的CVaR风险关于头寸的敏感度进行了分析，研究了其经济意义。     

线性模型参数估计的一种新的相对效率

本文对线性模型的最小二乘估计（ＬＳＥ）与最佳线性无偏估计（ＢＬＵＥ）提出了一种新的相对效率并给出了新的相对效率的上、下界,最后还讨论了新的相对效率与已有的几种相对效率的关系。     

不同步交易的滑动平均模型及其回报分析

不同步交易乃金融中高频数据处理的重要课题之一。本文对文[1]和[2]给出的金融证券的不同步交易模型进行了推广，并对推广的模型考察了可观察回报的有关统计特性，最后给出了模型的参数估计。     

不同步交易模型及其回报分析

不同步交易乃金融中高频数据处理的重要课题之一。该文对文［1 ］和［2］给出的金融证券的不同步交易模型中关于证券回报率序列是独立同分布(i.i. d.) 的假设推广为一个平稳自回归滑动平均模型。并对推广的模型考虑了可观察回报的有关统计特性，从而说明了原来i.i.d.假设下得到的关于可观察回报有负的自相关的结论不再成立 。这显然与实际更吻合。最后给出了模型的参数估计。     

变上限定积分在区间端点附近的变化性态

本文对不同的被积函数外ｇ（ｘ），讨论了变上限定积分以Ｇ（ｘ）＝∫￣ｘ＿ａ（ｘ）ｄｘ在ａ点附近的变化性态。     

混合系数线性模型参数的Stein估计

在连续测量数据情况下,对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计,并证明了在均方误差意义下,Ｓｔｅｉｎ估计要优于ＬＳ估计,最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法     

不同步交易模型的参数估计

对金融证券中高频数据的不同步交易模型,讨论了参数的矩估计,极大似然估计及估计的有关性质.     

金融资产的CVaR风险的区间估计及假设检验

基于CVaR风险计量技术,论述了正态分布下风险资产的CVaR假设检验方法及置信区间求法,最后用中信指数对我国股市风险情况作了区间估计及显著性检验的实证分析。