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.     

关于股市重尾现象的实证研究

本在比较不同国家的金融市场的指数收益率的分布特征的基础上，就分布的重尾现象进行深入的研究。同时分析了收益率分布的两侧尾部：左侧尾和右侧尾(高损失和高回报)的情况。在验证重尾这个定性结论的基础上，具体量化重尾发生在分布中的位置。最后通过重尾情况比较了不同国家金融市场的金融风险。最后得出结论：中国股市的重尾现象发生在下分位点2．8％以前，所以在估计5％小概率下的高损失不宜采用重尾的参数方法。     

沪深股市大盘指数收益率分布尾部的实证研究

通过H ill估计的改进方法对上证综合指数和深圳成分指数的收益率分布的尾部指数进行了参数估计,用χ2检验验证了指数的稳定性及其置信区间.在此基础上提出用尾部指数估计尾概率,达到风险控制的目的.实证研究表明,沪深大盘指数收益率分布具有肥尾的特征,但并不服从无限方差分布.     

重尾分布下医疗保险保费合理性评估——基于上海市闵行区新农合的实证研究

重尾是医疗费用以及医疗保险损失分布的常见特征之一,本文构建了在重尾分布下,医疗保险经营者科学评估医疗保险保费合理性的模型和方法。当医疗费用面临二阶矩不存在的重尾性下,稳定分布理论中的广义中心极限定理可以取代古典的中心极限定理去评估医疗保险保费的合理性。本文最后用2008年上海市闵行区新型农村合作医疗的住院医疗费用数据进行了实证分析,全面探测了医疗费用的重尾性以及在尾部指标的基础上,估计了闵行区新农合筹资的合理性.     

一类新的位置不变极值指数估计

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.     

重尾随机变量加权和一致尾等价关系成立的条件

已有文献指出在次指数族重尾损失的情形下,独立同分布随机变量加权和的一致尾等价关系成立.文中主要在随机变量独立但不同分布的情况下,得到了上述尾等价关系一致成立时分布函数所应满足的一些条件.     

关于非负分布重尾程度的刻画

本文针对应用概率的研究需要，提出了重度重尾分布和轻度重尾分布的概念，给出了这两类分布的一些判别准则，讨论了与重度重尾分布有关的一系列问题，并且证明了D族的一些良好性质．     

Marshall-Olkin扩展重尾分布的刻画

利用Marshall-Olkin提出构造分布的方法,以重尾分布F作为基础,提出了Marshall-Olkin扩展重尾分布G,根据常见重尾分布子族的定义及其等价关系,分析了F与G的相关性质,对于重尾分布族,G具有封闭性,尾等价性,同时在连续型分布情形下,讨论了F与G的密度函数之间及风险率函数之间的关系.最后,将Marshall-Olkin扩展重尾分布应用于实际数据中,并在拟合数据方面与原分布进行比较,表明扩展分布要优于原分布.     

二维指数信号模型中参数Bootstrap估计的强相合性

本文主要研究了在统计信号处理当中具有广泛应用的二维带白噪声指数信号模型中参数估计的Bootstrap逼近, 借助于回归模型中Bootstrap逼近的构造方法, 给出了二维指数信号模型参数的自助估计, 并证明了自助估计具有强相合性. 最后采用了Monte-Carlo法对所提的方法进行随机模拟, 模拟的结果表明当噪声不服从正态分布时, Bootstrap方法的估计效果优于最小二乘估计.     

重尾序列均值变点的经验似然比检验

本文通过经验似然思想建立假设检验的方法,研究了重尾序列均值变点的检测问题.首先,基于重尾模型,在原假设和备择假设下得到经验似然函数.其次,基于经验似然函数构造似然比检验统计量,并给出在原假设成立时该似然比统计量的渐近分布.最后,进行Monte Carlo数值模拟验证该方法的有效性,模拟结果表明本方法对重尾序列均值变点的...     

双曲分布及其在VaR模型分析中的应用

传统的计算V aR的R iskM etrics方法不能对市场风险分布的“厚尾”现象给出较为满意的刻画和计算方法.本文引入双曲分布及其算法并将双曲分布应用到V aR模型的计算之中,事实上通过对股票市场的实证研究表明,股票市场数据呈厚尾现象,用双曲分布对数据的拟合要比R iskM etrics方法假定的正态分布更符合金融市场数据的实际情况,故本文的结论与方法对金融风险管理和其他金融建模是有价值的.     

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Elliptical Copula函数的相关性模型研究

针对沪深股指构建了两种基于Elliptical Copula函数的相关性模型,并利用参数估计的结果计算其相关性指标.结果表明,Elliptical Copula函数在金融相关性分析中比传统方法合理有效,其中学生氏t-copula函数在服从厚尾分布的相关性模型中比高斯Copula更具实际意义.     

在险风险值估计方法的比较研究

金融数据呈现的厚尾性已达成共识。本文首先基于指数回归模型提出了一种厚尾分布的极值分位数估计方法,得到了在险风险值的估计公式。然后得到了上海上证指数、国债指数和企业债券指数的在险风险值的估计值,比较了他们的极值风险.     

Nonparametric Estimation of Extreme Conditional Quantiles with Functional Covariate

Estimation of the extreme conditional quantiles with functional covariate is an important problem in quantile regression. The existing methods, however, are only applicable for heavy-tailed distributions with a positive conditional tail index. In this paper, we propose a new framework for estimating the extreme conditional quantiles with functional covariate that combines the nonparametric modeling techniques and extreme value theory systematically. Our proposed method is widely applicable, no matter whether the conditional distribution of a response variable Y given a vector of functional covariates X is short, light or heavy-tailed. It thus enriches the existing literature.     

基于汇率回报厚尾性的外汇期权定价模型

主要研究汇率回报呈厚尾分布的外汇期权定价问题。本文利用t-分布能捕获汇率回报序列厚尾特征的优势，推导出基于t-分布外汇期权定价模型的解析表达式，即对外汇期权定价模型——BSGK模型进行了修正，同时应用矩估计法估计出的t-分布的自由度用于该定价模型的计算，最后基于t-分布的外汇期权定价模型和BSGK外汇期权定价模型进行了比较分析。     

无穷方差厚尾过程中非参数函数的小波估计

研究无穷方差厚尾过程中含有变点的非参数函数的估计问题。通过小波方法给出变点位置的估计值并得到其收敛速度。在已知变点估计值的基础上,将截尾方法与小波压缩方法相结合得到非参数函数的估计值。模拟研究结果说明对于无穷方差厚尾过程中的函数估计问题小波方法是有效的。     

A Diagnostic Plot for Estimating the Tail Index of a Distribution

The problem of estimating the tail index in heavy-tailed distributions is very important in many applications. We propose a new graphical method that deals with this problem by selecting an appropriate number of upper order statistics. We also investigate the method's theoretical properties are investigated. Several real datasets are analyzed using this new procedure and a simulation study is carried out to examine its performance in small, moderate and large samples. The results suggest that the new procedure overcomes many of the shortcomings present in some of the most common techniques—for example, the Hill and Zipf plots—used in the estimation of the tail index, and it performs very competitively when compared with other adaptive threshold procedures based on the asymptotic mean squared error of the Hill estimator.     

On tail behavior of nonlinear autoregressive functional conditional heteroscedastic model with heavy-tailed innovations

We study the tail probability of the stationary distribution of nonparametric non- linear autoregressive functional conditional heteroscedastic (NARFCH) model with heavy- tailed innovations.Our result shows that the tail of the stationary marginal distribution of an NARFCH series is heavily dependent on its conditional variance.When the innovations are heavy-tailed,the tail of the stationary marginal distribution of the series will become heavier or thinner than that of its innovations.We give some specific formulas to show how the increment or decrement of tail heaviness depends on the assumption on the con- ditional variance function.Some examples are given.