时序相依数据的一种基于约束Cholesky分解的简约Gauss copula建模方法

对具有时序相依性的离散数据,本文从隐变量的角度使用Gauss copula建模.不同于现有方法,本文对协方差提出一种新的约束以实现Gauss copula模型的可识别性,并基于此提出一个新的隐变量框架对隐Gauss变量的方差和协方差进行简约建模,从而将基于修正的Cholesky分解的联合建模方法推广到广义线性模型中,建立相应的理论性质.模拟和实际数据分析验证了所提出方法的性能.     

基于group SCAD惩罚的非对称乘法copula模型选择及其应用

捕捉变量间相依结构中的非对称性有助于把握其间的地位关系.非对称乘法copula模型常用于刻画非对称相依结构,但在应用中面临模型选择问题.文章首次将正则化思想与非对称乘法copula模型相结合,并依据权重参数的群组结构对模型中各copula成分的权重施加group SCAD惩罚,构建惩罚似然函数,采用单步LLA算法得到权重的稀疏估计,自动剔除对模型整体贡献较小的copula成分,实现模型选择.同时,文章还给出了惩罚似然估计量的收敛率及其证明.在数值模拟中,文章所构建的模型选择方法具有较高的准确性与精度,在模型误设定的情形下则会选择出与真实模型最为接近的copula成分组合.在实证分析中,文章应用非对称乘法copula模型分析医药产业板块的横向与纵向关联,从结果来看本文的模型选择方法能较好地应对实际数据,选择出合适的copula成分组合,刻画板块相依结构中潜在的非对称性.     

C~(A,B)copula在CreditMetrics中的应用

利用copula方法初步探讨了CreditMetrics中相关性假定对计算Value-atrisk结果的影响.将相关文献提出的C~(A,B) copula应用到CreditMetrics中来替代传统的正态copula函数.在理论上探讨了C~(A,B) copula的系数的确定方法,并针对二元情形进行了数值分析.     

相依结构数据的ACE拟合

利用ACE(alternating conditional expectations)方法,给出了寻找数据阿基米德copula相依结构的一种非参数算法.这种算法去掉了传统方法中对生成元需要事先假定结构类型的要求。拓宽了阿基米德copula的应用范围.模拟结果表明,ACE方法在寻找资产相依结构中是可以应用的,与传统方法相比也毫不逊色。     

基于pair-copula情景生成和广义熵约束的CVaR投资组合模型研究

通过GARCH模型对收益率序列的边缘分布建模,结合copula构建收益率的联合分布函数,并由蒙特卡洛模拟生成收益率的情景,得到的结果代入广义熵约束的CVaR模型中,由此得到最优的投资权重.实证表明,在考虑不同资产之间的相依结构基础上得到的最优化结果相比传统的M-V模型具有明显的优势,在分散化和收益性上的到很好的效果.     

中国股市相依结构测定初探

提出了中国股市测定copula相依结构的一般方法,并结合中国股市的实际数据作了分析.在假定边际分布为正态分布时,得到了描述工业指数与商业指数相依结构的较好copula结构为正态copula族.     

灰建模在条件价值法数据处理中的应用

采用三江平原湿地调查问卷结果作为原始数据,探讨了灰建模方法在条件价值法数据处理中的应用.在对问卷数据进行聚类分析的基础上,采用传统的GM(1,1)模型,得到了合理有效的灰色模型,改进了条件价值法数据建模中仅将支付与抗议支付作为两个基本变量的模型,得出了多分类模型.     

二元数字期权定价与copula的关系

首先简要介绍了 copula的一些基本概念和性质 ,然后探讨了一种多元未定权益——二元数字期权的价格与 copula的关系 .结论表明 ,一个二元数字期权的价格恰好是一个 copula函数 ,由此结论进而给出了根据实际数据获得二元数字期权价格的基本思路和步骤 .     

基于copula函数的纵向数据复合分位数回归及变量选择

复合分位数回归(composite quantile regression)具有稳健性好和估计效率高的优势,所以其经常被用来替代均值回归.众所周知,纵向数据具有组内相关的特点,如果估计过程中能正确地利用组内相关性,则可以显著地提高估计效率.因此,探讨纵向数据复合分位数回归中如何使用相关性是一个有意义的问题.本文首先利用copula函数方法构建纵向数据复合分位数回归的组内协方差矩阵,进而基于构建的协方差矩阵,提出一个无偏且有效的基于copula函数的复合分位数回归估计方程;进一步,为了进行变量选择,利用基于copula函数的估计方程,提出一个光滑门限(smooth-threshold)的复合分位数回归估计方程方法.本文提出的方法具有很高的灵活性,而且提高了估计的效率.理论结果以及数值模拟和实际数据分析都验证了本文的方法.     

抽样调查领域分层模型相关理论及估计方法研究

大规模抽样调查常采用整群抽样、多阶段抽样等复杂抽样设计,纵向调查也越来越得到广泛应用,得到的调查数据具有分层嵌套结构,传统回归分析方法关于样本变量间独立的假定不再满足,因此对分层结构数据集进行数据分析时,应采用分层模型建模,以综合考虑个体层级变量和群组层级变量对响应变量的影响.本文旨在全面介绍分层模型理论,研究包括固定效应模型、随机效应模型等分层模型的参数估计方法,并比较分层模型与传统模型的异同.为分层结构数据分析提供工具和建议.