Empirical likelihood analysis of longitudinal data involving within-subject correlation

In this paper we use profile empirical likelihood to construct confidence regions for regression coefficients in partially linear model with longitudinal data. The main contribution is that the within-subject correlation is considered to improve estimation efficiency. We suppose a semi-parametric structure for the covariances of observation errors in each subject and employ both the first order and the second order moment conditions of the observation errors to construct the estimating equations. Although there are nonparametric estimators, the empirical log-likelihood ratio statistic still tends to a standard ?? _p ² variable in distribution after the nuisance parameters are profiled away. A data simulation is also conducted.     

开放式基金投资组合风险实证—基于copula的分析

利用多元阿基米德Copula捕捉多个金融资产间的相关结构，并利用非参数核密度估计描述单个金融资产的边缘分布，建立Copula-Kernel模型。利用该模型和VaR风险测度，结合Mente Carlo模拟技术，对我国股票型开放式基金-华夏成长基金的投资组合进行风险分析。     

基于Haar小波特征的恒星光谱物理参量自动估计

恒星大气物理参数的自动测量是大型巡天计划中海量光谱数据自动处理中的一个重要内容。首先使用多尺度Harr小波对恒星光谱数据进行特征分解,然后选用相应的小波系数作为光谱的特征向量,最后采用非参数回归算法对光谱的物理参数进行估计。研究表明,只需对光谱进行四层小波分解,并选择第四层小波系数作为光谱的特征向量,即可获得重力加速度和表面有效温度的较好估计。对于化学丰度的估计,选择第一层小波系数作为光谱特征向量可取得较好效果。选用文献相关研究中常用的恒星大气模拟模型合成光谱库ELODIE中光谱数据测试了该方法的有效性。结果表明,基于Harr小波分解的光谱特征提取方法对恒星表面温度、表面重力和化学丰度等物理参数的估计具有较高的精度和鲁棒性。     

扩散模型中扩散系数的非参数组合估计

为了提高扩散系数估计的准确度, 我们利用动态组合时间域与状态域信息提出一个新的组合估计量. 我们发现所提组合估计量能有效估计扩散模型的扩散系数, 正如在本文中模拟所示. 在一定的条件下, 建立了估计量的渐进正态性, 并证明了时间域估计量与状态域估计量是渐进独立的. 大量的模拟展示了所提组合估计量优于单域估计量, 也优于本文所提估计量.     

关于扩散方程漂移系数估计方法的改进

本文提出了一种新的基于扩散过程轨道构造漂移系数样本的方法一对数增量法，通过理论及模拟分析说明了在适当条件下，特别是对于大多数金融数据，基于对数增量法获得的漂移系数估计量的收敛速度及有限样本性质均比基于传统的“直接增量法”所得到的结果要好。     

基于局部多项式展开的多元非参数模型贝叶斯带宽选择

在多元非参数模型中带宽和阶的选择对局部多项式估计量的表现十分重要。本文基于交叉验证准则提出一个自适应贝叶斯带宽选择方法。在给定的误差密度函数下,该方法可推导出对应的似然函数,并构造带宽参数的后验密度函数。随后,通过带宽的后验期望可同时获得阶和带宽的估计。数值模拟的结果表明,该方法不仅比大拇指准则方法精确,且比交叉验证方法耗时更少。与此同时,与Nadaraya-Watson估计相比,所提带宽选择方法对多元非参数模型的适应性要更好。最后,本文通过一组实际数据说明有限样本下所提贝叶斯带宽选择的表现很好。     

部分线性模型中估计的收敛速度

考虑回归模型（Ⅰ）：其中（ｘ＿ｉ，ｔ＿ｉ）是固定非随机设计点列，ｘ＿ｉ＝（ｘ＿（ｉｌ），…，ｘ＿（ｉｐ））＇β＝（β＿１，…，β＿ｐ）＇（ｐ＞１），ｇ是定义在［０，１］上的未知函数，β是未知待估参数，０＜ｔ＿ｉ＜１，ｅ＿ｉ是ｉ．ｉ．ｄ．随机误差，且Ｅｅ＿ｉ＝０，Ｅｅ＝σ￣２＜∞。基于ｇ的估计取一类非参数权估计（包括常见的核估计和近邻估计），我们讨论了β的最小二乘估计及ｇ的估计的最优强弱收敛速度。     

半参数ACD模型及其在中国股票市场中的应用研究

本文提出了半参数ACD模型并基于模拟样本与调整后的中国股票市场的价格时间间隔样本对模型进行实证分析.半参数ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论.这一点在我们的实证分析中可以得到证实.与非参数ACD模型相比,半参数ACD模型能够估计出参数,这增加了模型的解释能力.半参数ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用.     

广义风险过程中渐近方差的非参数估计

本文对广义风险过程中的渐近方差作了非参数估计,得出并证明了两个定理,为广义风险过程中破产概率的区间估计作了理论准备．     

不允许买空时的均值-下方风险投资组合选择——基于非参数估计方法

本文分别利用下半方差和下半偏差度量下方风险(Downside Risk),采用非参数估计方法研究了不允许买空时的均值-下方风险投资组合选择问题。首先,我们利用组合收益率密度函数的非参数核(kernel)估计得到了下方风险的计算公式,并把它们嵌入到均值-下方风险投资决策模型中。然后得到了模型最优解存在的充要条件,并给出了求解最优投资策略的Zoutendijk可行方向算法。最后,基于中国股票市场真实数据给出了一个数值算例,并比较了在两种不同下方风险度量下模型的差别。