函数系数线性自回归模型的样条估计

基于多项式样条全局光滑方法,建立函数系数线性自回归模型中系数函数的样条估计.在适当条件下,证明了系数函数多项式样条估计的相合性,并给出了它们的收敛速度.模拟例子验证了理论结果的正确性.     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

基于变系数模型的自适应分位回归方法

提出了变系数模型条件分位估计的一种新方法.变系数模型已经成为经济学、流行病学、纵向数据和医学领域处理高维数据的有力工具.该模型有助于探测数据的动态特征、降低模型偏差、避免高维灾难,同时便于解释.尽管关于变系数模型条件均值的估计已经有很多文章,但关于变系数模型条件分位的估计方面的文章相对较少.文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域,进行局部自适应窗宽选择和局部线性逼近,同时给出了估计量的风险界和最优窗宽的自动选择准则.模拟研究说明了所提出估计方法的效果.     

基于函数系数自回归模型的风速时间序列预测

准确预测风电场风速是解决风能对电力系统所造成的安全、稳定运行和电能质量等问题的有效途径之一.风速的难以预测是由于它的高度随机和非线性.基于一种非参数的非线性自回归随机模型来预测风速,模型的自回归系数随模型依赖变量的变化而变化,因而它有灵活的非线性结构.数值实验和比较结果表明了这种函数系数自回归模型在风电场风速预测中的有效性.     

带有误差变量的自回归模型的局部多项式估计

该文主要研究带有误差变量的自回归模型的自回归函数的非参数估计问题,应用卷积核函数,给出了自回归函数的局部多项式估计,考察了局部多项式估计的相合性和渐近正态性,最后作了模拟计算.     

分离定理和对上海股市的CAPM实证分析

本文简单介绍了资本性资产定价模型（ＣＡＰＭ），并且给出了分离定理的证明，还运用ＣＡＰＭ对上海股市进行了实证分析。     

有噪声场合自回归模型的参数估计及定阶

本文讨论了有噪声场合自回归模型的参数估计及定阶问题 ,还给出了噪声模型的参数估计 ,证明了它们的强相容性 ,并进行了数值模拟计算     

基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

带厚尾新息的非线性自回归函数型条件异方差模型的尾概率

研究带厚尾新息的非线性自回归函数型条件异方差(NARFCH)模型的平稳分布的尾概率. 结果表明, NARFCH序列的平稳分布的尾部紧密依赖于其条件方差. 当新息序列呈厚尾分布时, NARFCH序列的平稳分布的尾部会比新息序列的尾部更厚或更薄, 给出了具体的尾概率的增加或减少对条件方差的依赖公式, 并给出了两个具体例子来说明主要结果的应用.     

ACD模型在沪市中的实证研究

在证券交易中,交易持续期反映了市场交易的重要信息,因此对交易者行为具有重要的影响,并且影响到证券市场的流动性.为了检验在交易中交易持续期对交易的影响,本文选择了沪市A股的四只股票,利用由Engle和Russell提出ACD模型对其交易持续期进行了实证研究,讨论了交易持续期的相关性质,表明交易持续期具有明显的日内模式,并检验log-WACD模型与中国证券市场的吻合程度.     

GARCH模型对上海股市的一个实证研究

GARCH模型是近20年发展起来的时间序列模型，它反映了经济变量之间特殊的不确定形式：方差随时间变化而变化，所以其在金融市场的预测与决策方面有着重要的作用。本文详细介绍了GARCH模型以及其主要变形，并建立了基于t分布和正态分布假设的GARCH（1，1）模型对股票市场进行了风险分析。结果表明，基于t分布的假设能更准确地拟和GARCH（1，1）模型。     

改进的期望效用-熵模型在沪市股票选择中的应用研究

用Arrow-Pratt风险厌恶度来度量期望效用-熵平衡系数以改进风险型决策的期望效用-熵模型;根据改进的期望效用-熵模型以及期望效用准则,分别从上证50指数样本股中选取7只股票构造投资组合,进行比较.研究结果表明,用改进的期望效用-熵模型得到的股票组合效果更优.     

一个部份自回归模型的渐近有效性<英>

本文考虑部分自回归模型 X_t=X_(t-1)β g(U_t) ε_t,t≥1.这里g是一未知函数,β是一待估参数,ε_j是具有0均值和方差σ~2的i.i.d.误差,U_t i.i.d.服从[0,1]上均匀分布.本文首先给出了相合估计的收敛阶和Takeuchi意义下渐近有效界.同时给出了β最小二乘估计是有效的充要条件.最后证明了MLE是渐近有效的.     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

变系数混合效应模型

本文研究了下列变系数混合效应模型: $y_{ij}=z_{ij}^{\tau}b_i+x_{ij}^{\tau}\beta(w_{ij}) +\xe_{ij},\;i=1,\cdots,m;\;j=1,\cdots,n_i$, 其中$b_i$为i.i.d.期望为$\xt$, 协方差阵为$\xs^2_bI_q$的随机效应向量, $\xe_{ij}$是i.i.d.期望为零, 具有有限方差的随机误差. 文中我们不仅给出了函数系数向量$\xb(\cdot)$的局部多项式估计, 同时给出了随机效应期望、方差和随机误差方差的估计, 并给出了这些估计量的渐进正态性和相合性, 研究结果表明了这些估计量的可靠性.     

自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

中国股市期权波动率微笑特征的实证分析

波动率微笑现象显示了期权隐含波动率和执行价格之间的关系.在理想的完全符合Black-Scholes期权定价模型假设的情况下,期权隐含波动率关于执行价格应该是一条水平线.然而,在实证分析中,对隐含波动率和执行价格进行拟合并绘制曲线,会产生一个倾斜或微笑形状的曲线,证明Black-Scholes期权定价模型存在一定的缺陷....     

用自回归模型预测中国股市未来现金股利水平

对中国股市1996年以后所发放的现金股利的分布规律进行了研究,发现中国股市现金股利增量时间序列近似符合平稳过程。在此基础上探讨了利用线性模型技术的自回归(AR)模型对未来股利水平进行预测的一些技术问题,然后运用蒙特卡罗技术对现金股利增量进行了模拟试验,产生了足够多的数据并得出了拟合预报方程。最后对未来四十年中国股市现金股利的发放水平进行了预测。     

Empirical Likelihood Inference for Functional Coefficient ARCH-M Model

Empirical likelihood inference for parametric and nonparametric parts in functional coefficient ARCH-M models is investigated in this paper. Firstly, the kernel smoothing technique is used to estimate coefficient function δ(x). In this way we obtain an estimated function with parameter β.Secondly, the empirical likelihood method is developed to estimate the parameter β. An estimated empirical log-likelohood ratio is proved to be asymptotically standard chi-squred, and the maximum empirical likelihood estimation(MELE) for β is shown to be asymptotically normal. Finally, based on the MELE of β, the empirical likelihood approach is again applied to reestimate the nonparametric part δ(x). The empirical log-likelohood ratio for δ(x) is proved to be also asymptotically standard chi-squred. Simulation study shows that the proposed method works better than the normal approximation method in terms of average areas of confidence regions for β, and the empirical likelihood confidence belt for δ(x) performs well.