带协变量的负二项回归模型中离散参数估计的研究

针对带协变量的负二项回归模型中离散参数估计问题,推广了极大似然估计和Bootstrap极大似然估计方法,并在绝对偏差的意义下,通过模拟研究和实际数据分析研究了估计的优良性.研究结果表明协变量和样本量均对离散参数估计有影响.     

分数布朗运动随机微分方程的MLE和Bayes估计的大偏差不等式

本文研究了分数布朗运动随机微分方程未知参数的极大似然估计和Bayes估计的偏差不等式.在一定的正则条件下.利用似然方法给出了这两个估计量的大偏差不等式.     

带协变量的负二项回归模型中离散参数估计的研究（英文）

针对带协变量的负二项回归模型中离散参数估计问题,推广了极大似然估计和Bootstrap极大似然估计方法,并在绝对偏差的意义下,通过模拟研究和实际数据分析研究了估计的优良性.研究结果表明协变量和样本量均对离散参数估计有影响.     

非遍历α-Brown桥过程的偏差不等式与Cramér型中偏差

考虑如下非遍历α-Brown桥过程:■, X0=0, t∈[0, T),其中, 0 <α <1/2, T∈(0,∞)固定, W={Wt:t0}是标准的Brown运动.本文利用渐近分析的技巧以及多重Wiener-It?积分的偏差性质,研究二次泛函■和■的偏差不等式和Cramér型中偏差.作为应用,本文得到对数似然率过程和参数α极大似然估计量的(自正则化)Cramér型中偏差.     

指数分布串—并联混合系统产品的统计分析

给出单元寿命服从同一指数分布的串-并联混合系统产品参数的矩估计和极大似然估计,并通过大量Monte-Carlo模拟比较了估计的精度,得到在样本容量小于35时矩估计优于极大似然估计,而样本容量不小于35时极大似然估计优于矩估计.另外,还给出了参数的精确区间估计与近似区间估计,并通过大量Monte-Carlo模拟考察了区间估计的精度.     

缺失数据下含几何分布的对数线性模型的EM算法

本文研究缺失数据下对数线性模型参数的极大似然估计问题.通过Monte-Carlo EM算法去拟合所提出的模型.其中,在期望步中利用Metropolis-Hastings算法产生一个缺失数据的样本,在最大化步中利用Newton-Raphson迭代使似然函数最大化.最后,利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差.     

离散抽样Gamma-OU过程的参数估计

平稳Gamma-OU过程是用于刻画金融资产波动的一类重要模型. 本文主要考虑基于离散观察的Gamma-OU过程的参数估计. 文中给出了强度参数λ的估计量及其收敛性，模拟显示这一估计是相当准确的. 在假设参数λ已被估计出来的条件下, 又研究了形状参数c和尺度参数α的最大似然估计, 其中关于这两个参数的似然函数是难于计算的. 通过Gaver-Stehfest算法, 我们构造了一个似然函数的具体估计序列, 它收敛于真实(但未知）的似然函数. 最大化这一序列可以得到收敛于真实最大似然估计的一列估计量, 并且这一估计序列具有与最大似然估计相同的收敛性. 模拟显示在大多数有关波动率的实际背景下, 我们的方法是非常准确的.     

半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线.再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.     

Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

上证股指极值模型估计和VaR计算

POT极值模型参数的准确估计是计算金融资产回报厚尾分布市场风险的关键.由n阶概率加权矩得到参数的二项式回归估计,而将参数的零,一阶概率加权矩估计予以推广.极大似然估计中.将极大化似然函转化为二元函数无条件极值问题·其他参数估计方法的结果作为迭代的初始值,通过它们的似然函数值和极大似然函数值的比较以及迭代次数判断方法的优劣.实证研究表明:参数的零、一阶概率加权矩估计较接近于真值,随着阶数的提高,二项式回归参数估计的误差很大.参数的极大似然估计优于非线性回归估计优于零、一阶概率加权矩估计.在此基础上计算上证A股指数vaR值.