无限维无限时区LQ问题的近似解

研讨一种求无限时区上无限维LQ问题的近似解的计算方法, 此方法基于适当的有限时区上有限维LQ问题族之解, 证明了当其时区长度与状态空间维数都趋于无穷时, 它们的二重强极限存在且就是原无限时区无限维问题的解.     

扩充的一维Ising模型的严格解

将一维Jsing模型扩充到自旋的取向除上、下外,还包括左、右的情形。求出了它的严格解并作了讨论。     

具有无限时滞的中立型高维周期微分系统的周期解

本文考虑中立型高维周期微分系统d/dt(x(t)+cx(t-r))=A(t,x(t-r(t)))x(t)+ ∫t-∞C(t,s)x(s)ds+f(t,xt)+b(t)的T-周期解的存在性问题,利用线性系统的指数型 二分性和Krasnoselskii不动点定理,建立了保证系统存在T-周期解的充分条件.     

一类病毒自身发生变异的传染病模型的近似解

针对一类病毒变异前后传染病患者具有不同传染率的情形,利用同伦映射方法,得到其相应分阶段传播的动力学生态模型的渐近解.     

高维混料模型的LASSO变量选择

变量选择是统计建模中重要的问题。当试验数据维数很高时,传统变量选择方法的应用受到了很多制约。本文以高维混料试验为基础,比较了AIC准则和LASSO在变量选择问题上的优良性。通过实例验证,LASSO可以快速且准确地对高维混料模型中的变量进行筛选,从而得出最优模型,达到降低成本、提高利益的目的。     

SU(2)×SU(2)准自旋模型和自洽解的对称性恢复方法——Ⅰ.严格解和HF近似

本文提出了一个含有两类相互作用的准自旋模型,讨论了模型Hamilton量在SU(2)×SU(2)基中的严格解、基态相变和波函数的K结构,并用此模型探讨了HF近似的有效性。     

高维欧式期权定价模型的奇摄动解

讨论了一类欧式期权定价问题的随机波动率模型,其随机波动率采用快速均值回归的随机波动率模型.通过采用奇摄动方法,得到了多风险资产欧式期权价格的形式渐近展开式,得到该合成展开式的一致有效误差估计.     

关于具有不确定性凸半无限规划的近似解（英文）

在本文中,我们考虑约束函数带有不确定信息的凸半无限优化问题的近似解(也称为ε-解),并建立了凸半无限规划的鲁棒对等问题,同时给出了其近似解.进一步地,提出了鲁棒对偶问题的必要条件和充分条件.在锥约束条件下,基于鲁棒优化方法,证明了近似解意义下的拉格朗日对偶性质.     

高维平滑转换因子模型的一致估计

本文设定高维因子模型的因子载荷服从平滑区制转换结构,模型参数的一致估计可通过两阶段估计方法给出。在第一阶段,通过主成分方法估计因子变量;在第二阶段,估计的因子变量视为已知变量,通过非线性最小二乘法估计因子载荷和平滑转换参数。理论研究和随机模拟表明本文提出的两阶段估计方法具有良好的大样本性质和有限样本表现。在实证部分,基于高维平滑转换因子模型研究了美国股票收益率数据的共变特征和非对称效应,结果表明平滑转换因子模型可以较好地刻画美国股票收益率的共变特征和区制转换行为。     

高维稀疏对角GARCH模型的估计及应用

高维数据背景下,数据维度和噪声的影响使得传统的GARCH模型不再适用.针对对角GARCH(goGARCH)模型的不足,将高维稀疏建模法应用到其估计过程中,提出了高维稀疏对角GARCH(HDS-goGARCH)模型.HDS-goGARCH模型通过引入惩罚函数,将一些不重要变量的回归系数压缩为零,来精简模型,达到降维的目的.通过模拟和实证研究发现:较传统的goGARCH模型而言,HDS-goGARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时:在收益一定的情况下,由HDS-goGARCH模型所构造的投资组合的风险更小.     

高维线性模型中的经验似然

研究高维线性模型中的经验似然推断．当协变量的维数随样本量增加时,常规的经验似然推断失效．在适当的正则条件下,对修正的经验似然比统计量给出了渐近分布理论．     

高维非线性系统边值问题的奇摄动

利用渐近方法和对角化技巧研究了伴有边界摄动的高维非线性系统边值问题的奇摄动，在适当的假设下，证得摄动问题解的存在并导出其解关于ε的高阶近似．     

高维时变投资组合模型的构造及估计

在大数据背景下,高维资产组合的构造以及选择是金融领域研究的热点和难点问题.文章构造了基于SCGARCH模型的含有范数约束的高维时变最小方差投资组合模型,将其记为NC-MVP-SCGARCH.该组合的优势主要体现在两方面:首先采用SCGARCH模型来估计和预测组合的重要输入变量——资产间的协方差阵,该模型将改进的乔列斯基分解法和卡尔曼滤波估计方法相结合,在解决了高维数据所面临的维数诅咒的同时,考虑了过去市场信息对协方差阵估计的影响;其次,基于范数约束的最小方差投资组合(NC-MVP)将l₁和l₂范数有机结合,更加适用于高维资产.研究发现:文章构造的NC-MVP-SCGARCH组合效果更优.     

高维回归模型的Fiducial变量选择

本文提出一种基于Fiducial推断的模型不确定度量,给出基于Fiducial边际似然的高维线性回归变量选择方法改进ε-容许集(ε-admissible set, EAS)方法.在传统的稀疏性假设下,本文证明该方法所选择的最优模型具有相合性.此外,本文还建议使用一种快速的算法来挑选阈值参数.本文通过模拟研究验证了所提出方法的优越性,并使用所提出的方法分析了一个真实数据案例.     

基于改进ICA模型的高维波动率估计

本文对IC-GARCH模型进行改进,放宽了ICA关于独立成分是IID的假设,考虑独立成分为ARMA模型的平稳过程,提出了基于自相关结构的IC-GARCH估计方法,并给出了估计量的理论性质和计算效率较高的迭代估计算法。最后,对改进方法进行了模拟和实证分析,结果表明本文提出的模型能够使多元GARCH模型应用于高维金融数据,并大大提高了金融资产收益波动率的估计精度。     

高维部分线性模型的变量选择和估计

考虑高维部分线性模型,提出了同时进行变量选择和估计兴趣参数的变量选择方法.将Dantzig变量选择应用到线性部分及非参数部分的各阶导数,从而获得参数和非参数部分的估计,且参数部分的估计具有稀疏性,证明了估计的非渐近理论界.最后,模拟研究了有限样本的性质.     

高维线性模型的稀疏半参有效估计

高维线性回归估计是一个被大量学者研究的重要统计学问题.在误差分布未知的情况下,如何将有效性纳入高维估计仍是一个尚未解决且具有挑战性的问题.最小二乘估计在非Gauss误差密度下会损失估计的效率,而极大似然估计由于误差密度未知,无法直接被应用.基于惩罚估计方程,本文提出一种新的稀疏半参有效估计方法应用于高维线性回归的估计.本文证明了在误差密度未知的超高维回归下,新的估计渐近地与具有神谕性的极大似然估计一样有效,因此对于非Gauss误差密度,它比传统的惩罚最小二乘估计更有效.此外,本文证明了几种常用的高维回归估计是本文方法的特例.模拟和实际数据的结果验证了本文所提出方法的有效性.     

高维线性回归模型稳健变量选择方法综述

随着大数据时代的到来,在经济学、金融学和生物医学等众多研究领域中频繁收集到高维数据.高维数据的特征之一是变量维数p随着样本量n的增加而变大且通常会超过样本量,同时,异常值也容易出现在高维数据中.因此,如何克服异常值给高维统计推断带来的影响,从而得到更精确的模型,是目前统计学研究的热点问题之一.本文是对高维线性模型下的稳健变量选择方法进行综述.具体地,首先介绍评估稳健性的三个指标:影响函数、崩溃点和最大偏差.其次着重介绍了稳健变量选择方法,包括响应变量含有异常值,响应变量和协变量都含有异常值,高崩溃点且高效的变量选择方法.紧接着介绍相关算法,通过模拟和实例比较不同变量选择方法.最后,简要探讨了高维稳健有效变量选择方法存在的问题及未来的可能发展方向.     

无限维Hillbert空间中单调变分不等式解的近似迭代算法

在无穷维Hillbert空间中研究了一类单调型变分不等式，把求单调型变分不等式解的问题转化为求强单调变分不等式的解，建立了一种新的迭代算法，并证明了由算法生成的迭代序列强收敛于单调变分不等式的解，从而推广了所列文献中的许多重要结果．     

变精度覆盖粗糙集模型近似算子的性质

变精度覆盖粗糙集模型是在放宽了覆盖标准的前提下给出的,因而导致近似算子发生了变化。在介绍覆盖粗糙集模型和变精度覆盖粗糙集模型的概念的基础上,给出并证明变精度覆盖粗糙集模型的近似算子的几个性质。