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。     

分位数贝叶斯组变量选择及其在变点检测中应用

本文研究分位数回归的组变量选择问题。基于分位数回归和贝叶斯统计推断方法,通过引入系数的组“spike and slab”先验分布,提出了分位数回归的贝叶斯组变量选择方法,并给出易于实施的Gibbs后验抽样算法。进一步,本文还将所建立的贝叶斯组变量选择方法应用到变点检测中,变点的数量和位置的探测准确率较高。数值模拟和两个实例分析验证了所提方法的有效性。     

基于工具变量的变系数测量误差模型的分位数回归估计

文章考虑协变量含有测量误差的变系数模型,为了消除测量误差的影响,在估计过程中引入工具变量,利用工具变量对含有测量误差的协变量进行校正.为了获得稳健估计,利用分位数回归方法得到不同分位点上系数函数的估计.在一些正则条件下,证明了所提出的估计的渐近正态性.模拟研究比较了Naive估计,基于工具变量校正的分位数回归估计(IVQR)以及基于工具变量校正的最小二乘估计(IVLS),模拟结果表明文章提出的方法优于已有的方法.最后采用文章提出的方法对中国农村居民的金融资产余额的影响因素进行了分析,结果表明住户债务余额系数呈现U型变化,家庭收入系数呈现倒U型变化.     

基于Copula分位数回归原油期货市场套保模型及效率研究

伴随中国原油期货的上市,作为商品期货最大交易单品的原油期货,其套期保值功能必将成为新的研究热点。本文采用skew-t-GARCH(1,1)模型捕捉原油期现货收益率的"波动集聚"和"尖峰厚尾"特性,在此基础上通过构造Copula分位数套保模型研究不同原油市场状态下(牛市、熊市)的套保比率及效率。利用蒙特卡洛模拟对线性、Normal Copula及T-Copula分位数回归模型进行效率比较,并对英国Brent和美国WTI原油期货收益率进行实证研究,结果表明:①不同市场状态下,原油期货的最优套保比率具有非对称性;②T-Copula分位数回归模型的尾部套期保值效率更稳定。因此,利用原油期货进行规避风险时,要根据市场行情合理运用套期保值模型。     

复合分位数下门限自回归模型的变点估计

金融领域中的突发事件是变点问题的一种体现,往往由于其随机性和发生前信息量不足等因素造成突发事件难以识别和预测.金融市场常常表现出非线性和异质性等特征,门限分位数自回归模型作为金融领域变点问题研究的重要模型,逐渐在经济和统计学界获得更多的关注.本文结合不同的分位数对门限分位数自回归模型中的交点估计问题提出两种新的估计方法...     

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。     

人口老龄化与区域产业结构——基于分位数回归的实证研究

基于2005-2016年的省级面板数据,运用分位数回归实证分析了人口老龄化背景下,产业结构优化升级的影响因素.结果表明:全部样本的老年抚养比对产业结构优化升级的阻碍作用十分明显,东部对产业结构的影响不显著,中部的阻碍作用与全国趋势相反,西部的阻碍作用与全国趋势相同,具有明显的区域差异性;全部样本和东中西部的人均GDP都是正向推动产业结构合理化和高度化;全部样本和西部的政府行为对产业结构调整的抑制作用在增强,而东中部对产业结构调整的促进作用在增强;全部样本和东部的创新效率对产业结构调整有不断增强地推动作用,中部对产业结构调整的促进作用在减弱,而西部对产业结构调整的阻碍作用在增强.     

开发者与用户行为对移动APP下载量的影响效应分析

随着移动互联网的发展,移动APP已成为人们日常不可或缺的工具.基于360手机助手APP商店上的3万余项移动APP样本数据,建立分位数回归模型,分析开发者与用户行为因素对移动APP下载量的影响效应.研究结果表明,开发者行为方面,含支付项、含广告等因素对下载量具有负向影响,而所需权限数量对下载量有正向促进作用.用户行为方面,用户平均评分对于下载量存在负向影响,评价数目对下载量具有正向促进作用.     

比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

基于非参数分位数估计的众数回归模型

本文给出基于非参数分位数估计的众数回归模型.不同于传统的均值和中位数回归模型,众数回归模型使用条件众数刻画分布的中心,在数据分布存在异常值、非对称或重尾这些特征时,具有更好的稳健性.当前众数回归模型的解法主要是基于条件密度的核估计方法.本文给出一种新的基于非参数分位数估计的众数回归模型求解方法.该方法通过分布函数与分位...     

Data Clustering Based on Maximization of Outlier Factor

There exist many data clustering algorithms, but they can not adequately handle the number of clusters or cluster shapes. Their performance mainly depends on a choice of algorithm parameters. Our approach to data clustering and algorithm does not require the parameter choice; it can be treated as a natural adaptation to the existing structure of distances between data points. The outlier factor introduced by the author specifies a degree of being an outlier for each data point. The outlier factor notion is based on the difference between the frequency distribution of interpoint distances in a given dataset and the corresponding distribution of uniformly distributed points. Then data clusters can be determined by maximizing the outlier factor function. The data points in dataset are divided into clusters according to the attractor regions of local optima. An experimental evaluation of the proposed algorithm shows that the proposed method can identify complex cluster shapes. Key advantages of the approach are: good clustering properties for datasets with comparatively large amount of noise (an additional data points), and an absence of important parameters which adequate choice determines the quality of results.     

基于非参数密度估计的异常点诊断方法

异常点诊断是统计学中的经典问题.发现并减少异常点对纳税评估数据分析的影响是一项很有意义的研究.然而,通常的异常点诊断一般采用适用于单峰分布的全局识别方法.借鉴局部域相关积分(Local correlation integral)理论,提出基于非参数密度估计的识别方法.方法适用于多峰分布,能识别局域性质的异常点,对异常点占比较高的样本也有较强的识别能力.基于某市10 920个企业样本,实证分析对比研究了税务局目前使用的和建议的纳税评估方法,结果表明税务局采用的方法有较大的纳税评估风险(误判风险).     

CUSUM,GLR,GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较(英)

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.     

CUSUM，GLR，GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.     

大型仪器利用情况调查数据异常值检测的数学方法比较

高质量的决策越来越依赖于高质量的数据挖掘及其分析,高质量的数据挖掘离不开高质量的数据.在大型仪器利用情况调查中,由于主客观因素,总是致使有些数据出现异常,影响数据的质量.这就需要通过适用的方法对异常数据进行检测处理.不同类型数据往往需要不同的异常值检测方法.分析了大型仪器利用情况调查数据的总体特点、一般方法,并以国家科技部平台中心主持的"我国大型仪器资源现状调查"(2009)中大型仪器使用机时和共享机时数据为主线,比较研究了回归方法、基于深度的方法和箱线图方法等对不同类型数据异常值检测的适用性.选取不同角度,检验并采用不同的适用方法,找出相关的可疑异常值,有助于下一步有效开展大型仪器利用情况异常数据的分析处理,提高数据质量,为大型仪器利用情况综合评价奠定基础,也为科技资源调查数据预处理中异常值检测方法提供有益借鉴.     

Box-Cox变换用于分位数回归曲线相交问题的研究

将Box-Cox变换与分位数回归模型相结合(两阶段法),是分位数回归研究领域的一大进步。该法虽然两步都与分位数回归的检验函数紧密结合,但是由于没有利用分位数回归的优良性质,而是引入了中间参变量,因此增加了模型的累进误差,降低了模型精度。更重要的是,两阶段法没有对于分位数回归领域中普遍出现的分位数回归曲线的相交问题给出解决方法。针对这些问题,经研究应该首先确定Box-Cox变换的参数,避免模型中不确定因素的引入,然后对数据进行整体变换并结合分位数检验函数,直接利用分位数回归的优良性质,最终确定分位数回归模型的参数。实例证明,该方法提高了模型的精度,可以有效地解决分位数回归曲线的相交问题。     

Optimal online detection of parameter changes in two linear models

Shiryaev has obtained the optimal sequential rule for detecting the instant of a distributional change in an independent sequence using the theory of optimal stopping of Markov processes. This paper considers the problem of sequential detection of certain parameter changes in two dependent sequences: an autoregressive process, and a regression model with serially correlated error terms. It is shown that the rule that is optimal in the sense of minimizing the expected positive delay is the one which declares a change to have occured as soon as the posterior probability of a change crosses a threshold. This rule also permits control of the probability of a false-declaration of change, just as in the independent sequence case.