一种概率分布的极值分位数的最优估计

在本文中, 我们构造了一种新的极值分位数估计, 给出了估计量的极限性质. 同时, 在渐近二阶矩最小的准则下, 利用子样本自助法给出了计算所构造的极值分位数估计时的样本点分割方法, 从理论上证明了这一极限结果, 说明了这种分割在渐近二阶矩最小的准则下是渐近最优分割, 同时提出了自适应的样本点分割的自助算法.     

基于神经元网络的条件分位数估计的收敛速度

本文我们给出了基于神经元网络的随机过程的条件分位数的均方收敛速度．无论是在独立同分布情况下还是在平稳混合(α-混合β-混合)的情况下，我们都给出了相应的结果．结果与基于神经元网络的回归估计的收敛速度相同．采用的技术同Zhang(1998)一致．     

厚尾分布的极值分位数估计与极值风险测度研究

金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.     

基于样本次序统计量的总体分位数的非参数统计推断

随机总体分位数的统计推断理论与方法一直是统计学研究的重要课题.其主要原因是分位数的应用涉及众多领域,且在各领域的研究中起到举足轻重的作用.本文系统地论述了基于样本次序统计量的总体分位数的非参数统计推断的理论和方法;给出了基于样本次序统计量的总体分位数的估计方法,总体两个分位数之差的置信区间,总体容许区间的求解方法及符号检验.希望有助于读者的科研与应用.     

条件t-分位数核估计的逼近速度

该文研究了条件狋 分位数核估计的逼近速度问题．在适当的条件下,给出了核估计的强收敛速度、正态逼近速度和Ｂｏｏｔｓｔｒａｐ逼近速度．     

含际加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附另信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差。     

含附加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附加信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差．     

条件分位数和条件密度的经验似然置信区间

本文首次把经验似然引入非参数回归模型,分别得到了条件分位数和条件密度的经验似然置信区间。     

核分位数估计及其应用

分位数估计在不同领域有大量的运用,例如水利研究中百年一遇的洪水、金融分析中的VaR.不过在实际应用中大多使用的是基于正态假设下的分位数估计,使得该方法在应用时存在模型设定错误的风险.为此介绍了稳健统计中非参数分位数估计方法,并介绍了核密度估计的步骤;然后以此为基础给出了核分位数估计,同时还通过重复抽样的方法比较了三种分位数估计效果和积累了使用经验;最后给出了一个金融数据的实例,并对核分位数估计结果和常用的正态假设下的分位数结果进行了比较,结果显示核分位数估计结果更加稳健.文中最后给出使用该方法的一些建议.     

条件分位数的经验似然置信区间

本文利用经验似然思想分别讨论了不含附加信息和含附加信息时条件分位数的置信区间的构造,并考虑了一类检验问题,证明了检验的渐近功效随信息量的增加而非降.     

条件分位数的经验似然置信区间

本文利用经验似然思想分别讨论了不含附加信息和含附加信息时条件分位数的置信区间的构造,并考虑了一类检验问题,证明了检验的渐近功效随信息量的增加而非降．     

估计极端行为模型:分位数回归方法及其实现与应用

在许多社会和管理研究中,研究者通常很感兴趣不同于期望或平均的极端行为的理论解释。这些特殊个案所包含的信息往往是研究的创新点和解决某些问题的突破口,但传统的最小平方法与最小一乘法并不适宜于这类研究问题的解决。本文讨论一种估计极端行为的理想模型:分位数回归。本文在对分位数回归的国内外研究现状进行综述后,介绍了分位数回归的模型和实现方法,并将它与最小平方法、最小一乘法进行了比较。最后探讨它在我国管理研究领域的应用方式和有关条件。     

φ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计，并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差。     

删失指标随机缺失下条件分位数的加权核估计

在右删失数据下,当删失指标随机缺失时,对条件分布函数分别构造了校准加权核估计,插值加权核估计以及逆概率加权核估计;然后由这些估计分别导出了条件分位数的核估计,并建立了这些估计的渐近正态性;最后,在有限样本下,对这些估计进行了数值模拟,分析了各估计的优缺点.     

ψ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

响应变量缺失时条件分位数的经验似然置信区间

本文利用经验似然的思想,分别构造在响应变量满足随机缺失(MAR)机制的条件下,不含附加信息和含附加信息时条件分位数的置信区间,并说明检验的渐近功效随信息量的增加而非降,推广了现有文献中的相应结果.     

光滑分布函数分位数估计的注记

文中通过光滑经验分布函数构造了分位数估计，建立该估计的Ｂａｈａｄｕ－强弱表示定理，并由Ｂａｈａｄｕｒ表示定理证明了该分估计估的重对数律和渐近正态性等深刻结果。     

基于神经网络分位数回归的多期CVaR风险测度

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。     

-混合样本下含附加信息时条件分位数估计的渐近性质(英文)

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

线性模型中回归分位数估计的强相合性

考虑线性系统模型 y=x＇β_0 x＇r_0e, (1)其中x为P维已知向量,β_0是未知的P维回归系数,e是1维不可观察的误差随机变量。 y在x下的条件u分位数可以写成: