GARCH模型估计方法选择及对上证指数的应用

本文介绍了对ARCH/GARCH模型的两种估计方法:准极大似然估计和极小绝对偏差估计,并提出了一种基于自助法(Bootstrap)对估计方法的选择。在厚尾程度不同的情况下进行了模拟分析,表明对于一个具体的数据,该选择法能够自动选择较优的估计方法。并用该方法对上海证券交易所A股和B股的股价指数进行了分析,印证了上海股市B股收益率的尾部厚于A股收益率尾部。     

基于参数估计线性回归模型选择的研究

关于线性回归模型选择 ,[1 ]中介绍了许多方法 ,他们均基于残差平方和下建立的选择准则 .本文试基于参数估计的理论给出一种方法 ,从参数估计的优良性质上来说 ,我们认为是合理的 .同时给出了计算方法及应用实例 .     

���ڱ���ѡ��;�����������׶��췽��ģ�͹���

The heteroscedasticity is inevitable for the panel data modeling in economics. The two-stage estimation method is a better means to study the heteroscedasticity, in which the basis is to select only one independent variable for samples grouping, it can cause the information used is incomplete. In this paper, we propose to select several variables for grouping using variable selection method, then k-mean algorithm is used to cluster, so the samples classification can be achieved and the heteroscedasticity estimation can be obtained. The results of real example analysis show that the method presented in this paper has obvious advantages in effectiveness and feasibility.     

��������ѡ���Isingģ�͵ķǰ��ͷ�����

In this paper, we put non-concave penalty on the local conditional likelihood. We obtain the oracle property and asymptotic normal distribution property of the parameters in Ising model. With a union band, we obtain the sign consistence for the estimator of parameter matrix, and the convergence speed under the matrix $L_1$ norm. The results of the simulation studies and a real data analysis show that the non-concave penalized estimator has larger sensitivity.     

聚类抽样情形下基于广义线性模型的风险比估计

Liu等人在聚类抽样的情形下基于贝塔二项分布模型讨论了风险比的区间估计问题.本文以他们的研究为背景,建立了一类聚类抽样样本的广义线性模型,并采用拟似然方法导出相应的广义估计方程,从而获得风险比的直接估计.这种方法不需要假定分布的具体形式,因而比Liu等人的方法具有更好的适用性.最后在一定正则条件下证明了估计的相合性和渐近正态性质.     

纵向数据下线性EV模型的变量选择

本文考虑了纵向数据线性EV模型的变量选择.基于二次推断函数方法和压缩方法的思想提出了一种新的偏差校正的变量选择方法.在选择适当的调整参数下,我们证明了所得到的估计量的相合性和渐近正态性.最后通过模拟研究验证了所提出的变量选择方法的有限样本性质.     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数　Ｍ　估计的强相合性，　给出一些较弱的充分条件．　与陈希孺和赵林城的专著［１］中相应的结论比较，　这里给出的条件对矩的要求有较大的实质性改进．     

线性回归模型参数的泛BC估计

本在献[1]的基础上，提出了线性回归模型参数的泛BC估计，把有偏压缩估计类的压缩系数由一维推广到多维，即由常数推广到矩阵向量，从而推出其一些优良性质。     

带协变量的负二项回归模型中离散参数估计的研究

针对带协变量的负二项回归模型中离散参数估计问题,推广了极大似然估计和Bootstrap极大似然估计方法,并在绝对偏差的意义下,通过模拟研究和实际数据分析研究了估计的优良性.研究结果表明协变量和样本量均对离散参数估计有影响.     

线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．     

带线性约束的线性模型中回归系数的平衡LS估计

基于平衡损失的思想和最小二乘统一理论,对带线性约束的一般线性模型提出了一种全面度量估计优良性的标准．给出了此标准下模型中回归系数线性函数的约束广义平衡LS估计,并得到了约束广义平衡LS估计唯一性的一个充分条件．     

Weighted Profile Least Squares Estimation for a Panel Data Varying-Coefficient Partially Linear Model

This paper is concerned with inference of panel data varying-coefficient partially linear models with a one-way error structure. The model is a natural extension of the well-known panel data linear model （due to Baltagi 1995） to the setting of semiparametric regressions. The authors propose a weighted profile least squares estimator （WPLSE） and a weighted local polynomial estimator （WLPE） for the parametric and nonparametric components, respectively. It is shown that the WPLSE is asymptotically more efficient than the usual profile least squares estimator （PLSE）, and that the WLPE is also asymptotically more efficient than the usual local polynomial estimator （LPE）. The latter is an interesting result. According to Ruckstuhl, Welsh and Carroll （2000） and Lin and Carroll （2000）, ignoring the correlation structure entirely and ＂pretending＂ that the data are really independent will result in more efficient estimators when estimating nonparametric regression with longitudinal or panel data. The result in this paper shows that this is not true when the design points of the nonparametric component have a closeness property within groups. The asymptotic properties of the proposed weighted estimators are derived. In addition, a block bootstrap test is proposed for the goodness of fit of models, which can accommodate the correlations within groups illustrate the finite sample performances of the Some simulation studies are conducted to proposed procedures.     

删失回归模型中的变量选择

在一个删失回归模型("Tobit"模型)中,我们常常要研究如何选择重要的预报变量.本文提出了基于信息理论准则的两种变量选择程序,并建立了它们的相合性.     

线性模型中回归系数和误差方差的同时Bayes估计的优良性

在线性模型中回归系数与误差方差具有正态-逆Gamma先验时,导出了回归系数与误差方差的同时Bayes估计.在均方误差矩阵准则和Bayes Pitman closeness准则下,研究了回归系数的Bayes估计相对于最小二乘(LS)估计的优良性,还讨论了误差方差的Bayes估计在均方误差准则下相对于LS估计的优良性.     

P^-混合样本线性模型M估计的强相合性

研究了P^-混合样本线性模型中的M估计，在较弱的矩条件下，获得了M估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

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。     

协变量区间删失时线性模型的参数估计

本文研究了当协变量为区间数据时的线性模型，通过构造区间数据变量的条件均值，得到了回归参数的估计，当协变量的分布已知时，证明了估计的无偏性与强相合性．时协变量的分布未知的情形也作了讨论．文中还作了若干模拟计算，从模拟的结果不难发现，利用本文提出的方法所获得的估计简便且具有较高的精度．     

广义线性模型在汽车延保风险保费测算中的应用

基于保险公司2010年1月—2019年3月的实际保单数据样本,分别运用广义线性模型中的泊松模型和伽玛模型测算出险频率和案均赔款,构建风险保费测算模型,对影响风险保费的因素进行定量研究及分析.结果表明:该方法能够构建多个变量与风险保费的数值关系,减少了信息的损失,得到的费率表可作为实际应用的参考.最后,通过该方法测算结果与市场定价的实例比较对方法的合理性与优越性进行了说明.     

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.     

多元线性模型参数的部分压缩估计

考虑多元线性回归模型Y=XB ε,其中E(Vec(ε))=0,Cov(Vec(ε))=∑In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计,为此,提出了一种部分压缩估计,并分析了其性质.