一类新的位置不变极值指数估计北大核心CSCD

重尾分布可以很好地解释资产价格,收入分配,水文地质,社交媒体等经济,自然与社会现象,准确估计极值指数成为重尾分布应用的关键技术,1975年Hill估计的提出开辟了极值指数估计的先河,直到今天极值指数的估计仍是重尾建模的重点.为克服已有估计中存在的位置变化和渐近性的不足,借用统计量M_n^((α))(k_0,k)的渐近展式提出了一类新的位置不变极值指数估计(NLIE),在二阶正则变化条件下研究了其渐近展式以及阈值的最优选取,通过Monte-Carlo对NLIE与Fraga Alves所提的经典位置不变估计量γ_n^H(k_0,k)进行了模拟比较.结果表明,NLIE的效果更好.     

一类新的极值指数估计

本文提出一类新的极值指数的估计,在一阶与二阶条件下,证明所提出估计具有相合性与渐近正态性.尽管新的估计与Lp估计具有相同的渐近行为,但是新的估计构造相当简单,而且在有限样本下,同一水平进行比较,新的估计表现好于Lp估计.同时,利用Monte-Carlo模拟,在最优水平下,与矩估计和混合矩估计进行比较,新的估计具有一定的...     

一类新的极值指数估计（英文）

本文提出一类新的极值指数的估计,在一阶与二阶条件下,证明所提出估计具有相合性与渐近正态性.尽管新的估计与L_p估计具有相同的渐近行为,但是新的估计构造相当简单,而且在有限样本下,同一水平进行比较,新的估计表现好于L_p估计.同时,利用Monte-Carlo模拟,在最优水平下,与矩估计和混合矩估计进行比较,新的估计具有一定的优势.     

一类新的位置不变矩估计及其渐近正态性

The moment estimator has been widely used in extreme value theory in order to estimate the extreme value index, however it is not location invariant. In this paper, based on the moment-type estimator, we propose a new location invariant moment-type estimator,and discuss its asymptotic normality under the second order regular variation. Finally, a simulation is presented to compare this new estimator with another location invariant momenttype estimator γ_n~M(k_0, k) proposed by Ling, which indicates that the new estimator has good performances.     

一类新的酉不变度量

<正>1引言和预备知识本文使用下了符号:Cmxn表示mxn复矩阵的集合.Crmxn表示Cmxn中秩为r的复矩阵的集合.     

适度删失时的极值指数估计

讨论在实际中常常会碰到的删失数据情形下的极值指数估计问题.限于极值数据本来就不多,将删失限定为适度删失.构造了适度右删失时Pareto型分布的一个子族—Hall族的极值指数的估计量.借助于估计量的信息,巧妙地构造了加权二乘估计的权数.从理论上说明了加权二乘估计的可行性,并利用MC方法,对Burr(1,1,1)、Burr(1,0.5,2)、Fréchet(1)、Fréchet(2)、学生-t1、学生-t4等几种常见的极值分布进行模拟,说明了加权二乘估计方法对门限值的选取并不敏感,具有很好的稳健性.同时,将利用Burr(1,1,1)、Burr(1,0.5,2)、Fréchet(1)分布模拟所得结果与Beirlant等人(2001)利用指数回归模型所得结果进行比较,说明了新方法比指数回归模型更为理想.     

金融市场中极值指标的位移尺度不变估计

在极值统计理论中,极值指标决定着分布的类型.特别是当极值指标大于零时,Hill估计一直得到较为广泛的应用.然而,位移不变性没有在Hill估计中体现,这也是应用Hill估计的限制.应用一个改进的Hill估计,这个估计具有位移尺度不变性.通过对几种模型的模拟比较和对金融市场中极值指标的实证分析,研究了改进的Hill估计的可行性.     

一类位置不变的Pickands型估计量

当极值指标大于0时, 本文提出了一种位置不变的Pickands型估计量,证明了该估计量的强弱相合性, 给出了其渐近展式和强收敛速度,并对$k_2$的最优选择进行了讨论,最后利用自适应性方法对该估计量和其它Pickands型估计量进行随机模拟分析,比较该估计量的优越性.     

基于指数回归模型的极值指数估计的门限选择

在本文中,我们基于指数回归模型,在渐近最小均方误差的准则下,给出了矩估计的门限值和样本点分割的选取原理和方法。利用MC方法,对Burr(1,1,1)、Burr(1,0.5,2)、Fréchet(1)、Fréchet(2)、学生-t4、学生-t6等几种常见的极值分布进行模拟,得到了理想的结果。并运用S&P500指数和Danish火灾数据进行了实证分析。     

一类新的曲率不变量与运动学公式

<正> 本文研究欧氏空间中浸入子流形的一类新的曲率不变量,并导出关于这类不变量的一个运动学公式,它可作为[1]中公式(81)的推广.设 x:M→E~(m+N)是 m 维定向紧致无边流形 M 到欧氏空间 E~(m+N)中的浸入.在 M 的任意点的邻域内选标架场 x,e_1,…,e_m,e_(m+1),…,e_(m+N),使 e_1,…,e_m∈T_x(M),e_(m+1),…,e_(m+N)∈T_x~⊥(M).因 x 限制在 M 上,所以dx=ω~ie_i,1≤i,j≤m,ω~α=0,m+1≤α≤m+N,0=dω~α=ω~iΛω_i~α.由 Cartan 引理,     

一类平稳序列谱函数估计的不变原理

设 {x_n,n=0,±1,…}是实线性过程,即对每个整数n,x_n可表成:x_n=e_n+b_1e_(n-1)+…,其中{e_n}是独立同分布,零均值,方差σ~2的随机变量序列,{b_i}是满足sum from i=1 to ∞(|b_i|~2<∞)的实数列.若记F(λ)为{x_n}的谱函数,f(λ)为其谱密度,人们很早就     

极值分布指数的Pickands估计的渐近正态性

本文中，我们在很弱的条件下证明了极值分布形状参数的Ｒｉｃｋａｎｄｓ估计的渐近正态性．改进了Ｄｅｋｋｅｒｓ和ＤｅＨａａｎ在１９８９年给出的结果．另外，我们得到了几个关于正规变化函数的结果．     

一种新的求总极值的水平值估计算法

提出了一种求解总极值问题的新水平值估计算法. 为此, 引入一类变差函数并研究它的性质; 给出基于变差函数的全局最优性条件, 并构造出一种求总极值的水平值估计算法. 为了实现这种算法, 采用了基于重点样本技术的Monte-Carlo方法来计算变差,并利用相对熵算法的主要思想更新取样密度.初步的数值实验说明了算法的有效性.     

一类新的半参数回归模型中的相合估计

对一类新的半参数回归模型本文综合最小二乘和权函数估计方法，定义了β，ｇ的估计量β＿（ｍ，ｎ）和ｇ＿（ｍ，ｎ）（ｘ），在简洁合理的条件下，证明了它们具有强相合性与ｒ（＞２）阶平均相合性。     

线性模型中一类新的随机限制s-K估计

研究带随机先验信息的线性回归模型的参数估计问题.为了克服复共线性的影响,通过融合s-K估计和普通混合估计,提出一类新的随机限制s-K估计.给出了新估计在均方误差阵意义下分别优于普通混合估计和s-K估计的充要条件以及调节参数的选择方法.最后,通过Monte Carlo模拟研究了新估计的表现.     

L空间中的一类极值

对于L可积的周期函数f(t),以T表示它的周期,并记 ||f||=1/T integral from n=0 to T |f(x)|dt。本文对于无线电计量中遇到的一个实际问题作了一个方面的回答,得到     

一类高阶波动方程的整体解及指数衰减估计

研究了一类具有强耗散项的非线性高阶波动方程的初边值问题.通过在Sobolev空间中定义稳定集证明了此问题整体解的存在性,并给出了解的指数衰减估计.同时得到了初始能量为正时,解在不稳定集内发生爆破.     

一类GARCH-M模型的拟极大指数似然估计

由于可以用来刻画金融市场波动与收益之间的关系,GARCH-M模型自提出之后,就受到了广泛的研究.关于GARCH-M模型,传统的估计方法大多是基于拟极大似然估计.然而这类方法通常对矩条件的要求比较高,而实际数据未必能够满足这些条件.因此研究如何在较弱的矩条件下来估计GARCH-M模型就有一定的实际意义.本文研究了一类特殊的GARCHM模型.与传统GARCH-M模型不同的地方在于该类模型的条件方差决定于可观测的序列.通过拟极大指数似然估计的方法给出了模型参数的局部估计.在较弱的矩条件下给出了估计的渐近正态性证明.文章给出的模拟和实证研究表明该估计方法表现很好,有一定的应用价值.     

一类新的非线性离散Bihari型不等式解的估计

本文建立了一类新的具有m项非线性离散Bihaxi型不等式解的估计,所得结果推广了过去关于非线性离散Bihari型不等式的相关结果,并用实例给出了解的估计.     

一类截断模型位置参数的同变渐近有效估计

一、引言一些作者讨论了渐近中位无偏估计及渐近有效估计问题(见[1]、[2]).对于截尾正态分布,即 X 有密度函数 f(x-θ),其中