共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
《中国科学:数学》2020,(8)
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. 相似文献
3.
4.
5.
《应用概率统计》2020,(3)
多元离散数据在现代制造业中非常普遍,多元泊松控制图常被用来监控此类数据,如MP,MP-CUSUM和MP-EWMA图等.然而,这些控制图都假设数据服从等协方差的多元泊松模型,因为等协方差的多元泊松模型对各个变量之间的相关性有严格的约束,因此应用范围狭窄.本文基于异协方差多元泊松模型,提出GMP-CUSUM累积和控制图.在考虑不同模型,变量偏移个数和偏移大小的情况下,通过蒙特卡洛模拟比较了传统控制图和新控制图GMP-CUSUM的平均运行链长(ARL),证明异协方差多元泊松模型更加适应对多元离散数据的建模,应用范围广,并且新控制图能更快速地检测到异常过程偏移,灵敏度高. 相似文献
6.
7.
在不指定时间序列结构的情况下,我们的分布模型是基于多变量离散时间的相应马尔可夫族和相关变量一维的边际分布.这样的模型可以同时处理时间序列之间的相互依赖和每个时间序列沿时间方向的依赖.具体的参数copula被指定为倾斜-t. 倾斜-t Copla能够处理不对称,偏斜和粗尾的数据分布.三个股票指数日均收益的实证研究表明,倾斜-t copula的马尔可夫模型要比以下模型更好:倾斜正态Copula马可夫, t-copula马可夫, 倾斜-t copula但无马尔可夫特性. 相似文献
8.
探讨隐变量交互作用分析的建模方法及其在SA S软件上的实现;首先阐述隐变量交互作用分析建模的原理,通过拟合一个隐变量交互作用分析示例,对加入交互作用项的统计分析结果与无交互作用项的统计分析结果进行对比;示例中交互作用项引起的变异在结果变量的总变异中占到79.20%.在应用结构方程模型分析隐变量产生的效应时,有时候不进行隐变量交互作用的分析可能会产生偏倚. 相似文献
9.
基于g函数的多元copula的构造 总被引:1,自引:0,他引:1
针对目前多元copula的构造方法存在的局限性,提出了构造多元copula的新方法.本文首先定义的一类新的函数-g函数,基于g函数建立了2-copula的构造方法,并讨论了该方法的存在性与唯一性问题,然后将2-copula的构造方法直接扩展到n-copula构造的情形.最后给出了g函数的一种寻求方法,从而说明此copula构造方法的可行性. 相似文献
10.
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. 相似文献
11.
VaR和ES是衡量金融资产风险的重要测度,对风险控制和金融危机的识别具有重要意义。本文以CAViaR模型为基础,通过因子隐马尔可夫模型构造潜变量,作为CAViaR模型的回归系数的组成部分,最终提出了一个含潜变量的VaR和ES联合估计方法(FHM-CAViaR),实现了VaR和ES的联合预测。在该模型中,潜变量由一个因子隐马尔可夫模型驱动,可以刻画市场信息对模型系数带来的长期效应与短期冲击,该因子隐马尔可夫模型的引入实现了分位数回归模型参数在上百个状态间的转换。最后,基于本文提出的FHM-CAViaR模型分别对上证综指、深证综指和纳斯达克指数的对数收益率数据进行实证分析。实证结果表明,本文提出的模型具有更优的预测效果。此外实证结果还表明,在危机期间VaR的序列聚集性有着显著的增加。本文提出的模型可以通过潜变量的变化识别市场的机制变换,且能更精确地对金融资产的VaR以及ES进行估计,给出金融风险度量一种新的研究方法。 相似文献
12.
13.
14.
15.
极端天气是目前社会热点问题.利用高斯过程函数型回归对北京,上海等10个城市近年来夏季日最高气温进行整体建模.选取城市地理位置信息作为均值函数解释变量,时间和降雨信息作为高斯过程协方差结构解释变量,充分利用模型能够同时捕捉均值和协方差结构的优势,解决多地区日最高气温的整体建模和同步预测问题.研究表明,高斯过程函数型回归模型在随机预测,外延预测,k步预测,以及对于训练数据集以外城市的预测均有较好的效果,且优于一般的函数型数据模型. 相似文献
16.
17.
分位数变系数模型是一种稳健的非参数建模方法.使用变系数模型分析数据时,一个自然的问题是如何同时选择重要变量和从重要变量中识别常数效应变量.本文基于分位数方法研究具有稳健和有效性的估计和变量选择程序.利用局部光滑和自适应组变量选择方法,并对分位数损失函数施加双惩罚,我们获得了惩罚估计.通过BIC准则合适地选择调节参数,提出的变量选择方法具有oracle理论性质,并通过模拟研究和脂肪实例数据分析来说明新方法的有用性.数值结果表明,在不需要知道关于变量和误差分布的任何信息前提下,本文提出的方法能够识别不重要变量同时能区分出常数效应变量. 相似文献
18.
在许多领域中,我们常常需要处理具有分层结构的数据.对于这类数据,分层混合效应模型通过对回归系数进一步建模来刻画出同一层内变量之间的相关性.模型中随机部分比较复杂,这使得协方差矩阵的估计方法成为大家关注的问题.Goldstein(1986)提出了迭代广义最小二乘估计,并将它应用于一类特殊的分层模型——方差成分模型中,本文对其进行推广,对更一般的分层混合效应模型给出迭代广义最小二乘的具体表达形式,并运用到经济实例的分析中. 相似文献
19.
隐马尔可夫因子模型在刻画多元纵向数据的关联性和异质性具有重要作用.在实际应用中,观测数据往往呈现缺失数据.本文在纵向框架内,对缺失的数据提出了一个建模.使用一个多项模型去拟合缺失数据指标,并提出用一系列一维条件分布的联合分布来建模.每个一维条件分布不仅取决于当前变量的观测值,而且也糅合以前的观测值和丢失的信息.在贝叶斯框架内,马尔可夫链蒙特卡罗方法用于实现后验分析.带有Metropolis-Hastings算法的Gibbs采样器被用来从相关的满条件分布中抽取随机样本.后验推断基于这些模拟观测值进行展开.我们进行了模拟研究.实证结果表明,所提出的方法在模型是正确指定时是十分有效的,而且对模型偏移也具有一定的稳健性. 相似文献
20.
在分析具有异质性和非对称性数据时,偏正态混合模型提供一种比经典的Gauss混合模型更为灵活的建模方式.然而,由于无界的似然函数和发散的形状参数,该模型的极大似然估计并未被正确定义,进一步导致不理想的推断过程.为同时解决这两个问题,本文基于惩罚似然提出一种新的估计方案,并证明在混合分布的类别个数大于或等于真实的类别个数时,相应的惩罚极大似然估计是强相合的.同时,本文也提出相应的惩罚EM (expectation maximization)算法来计算惩罚估计.最后,通过模拟分析与现有方法比较研究估计方法在有限样本下的表现,并采用两个实例说明方法的有效性. 相似文献