带有相依重尾冲击的Poisson噪音过程尾的一致渐近性质

本文考虑了带有某种相依重尾冲击的Poisson噪音过程尾的一致渐近性质.当冲击是二元上尾渐近独立的非负随机变量具有长尾和控制变化尾分布且噪音函数具有正的上下界时,得到了过程尾概率的一致渐近公式.进而,当冲击具有连续的一致变化尾分布时,去除了噪音函数具有正的下界的限制.对于噪音函数不一定具有正的上界的情形,当冲击具有两两负象限相依结构时,也得到了一致渐近性结果.     

基于多任务深度学习的自适应软参数共享方法

在软参数共享模型的基础上,通过任务之间的相似度与参数之间的关系,设置自适应正则项系数λ^*,自适应参数衰减比例0.文章提出了基于多任务深度学习的自适应软参数共享方法.在基于均值约束的L₂范数基础上,通过自适应地去除损失函数中正则项中的项数,去除任务间相似度不高的信息.文章的方法将软参数多任务学习动态地转化为软参数多任务与单任务联合学习,相对于软参数多任务学习方法,该方法减少了负迁移现象带来的影响.相对于单任务学习方法,该方法可以极大地降低局部最小解的风险.模拟研究和案例分析都验证了该方法的有效性,该方法的预测精度优于传统的多任务学习和单任务学习.     

考虑Vasicek利率和相依风险的最优投资与再保险

本文研究了利率由Vasicek过程描述,两类保险业务具有相依风险的最优投资和再保险模型.盈余过程由扩散近似模型刻画,保险人的目标是在给定期望终端财富的情况下,寻找使得终端财富的方差最小的投资和再保险策略.通过使用随机线性二次最优控制理论,建立Hamilton-Jacobi-Bellman(HJB)方程,我们获得了值函数的精确表达式以及最优投资和再保险策略.另外,我们给出了有效策略和有效前沿.最后,通过数值例子说明了模型参数对最优投资和再保险策略的影响.     

协变量缺失情形下的逆概率加权众数回归估计

数据缺失在实际应用中普遍存在,数据缺失会降低研究效率,导致参数估计有偏.在协变量随机缺失(MAR)的假定下,本文基于众数回归和逆概率加权估计方法对线性模型进行参数估计.该方法结合参数Logistic回归和非参数Nadaraya-Watson估计两种倾向得分估计方法,分别构建IPWM-L估计量和IPWM-NW估计量.模拟研究和实例分析表明,众数回归模型比均值回归模型更具稳健性,逆概率加权众数(IPWM)估计方法在缺失数据下表现出了更好的拟合效果,与IPWM-L估计量相比, IPWM-NW估计量更稳健.     

我国城乡居民CPI的影响因素与预测研究

基于“中国统计年鉴”公布的最新数据,研究我国城乡居民消费价格指数(CPI)与各类CPI的相关性,利用MLR和GM(1,N)模型,对我国城乡居民CPI与各类CPI进行数据拟合,对比分析两模型的实效性和差异性.同时利用高斯模型建立城乡CPI的时间序列预测模型.结果表明:1) MLR和GM(1,N)模型都具有很高的预测精度;2)城乡CPI关于时间的高斯预测模型也具有很好的拟合优度决定系数.最后在模型结果分析基础上给出相关政策及建议.     

带跳单指标模型的半参数跳点检测估计

单指标模型是统计学中常用的维数约减模型.在实际应用中,连接函数可能有奇异点,包括某些未知位置上有跳点和某些相关过程的结构变点.检测这些奇异点对于系数估计和了解结构改变非常重要.本文基于精细最小平均条件方差估计和函数二阶导数的零穿越性质,提出一个跳点检测方法,然后利用检测出的跳点给出参数向量和连接函数的半参数跳点检测估计量,并讨论程序参数的选择.在较弱的假设条件下,本文建立跳点检测程序和所提估计量的大样本性质.数值模拟和实例分析验证了所提方法在有限样本下的表现.