方基法于经验似然的Value-at-Risk模型的评价

Value-at-Risk（VaR）是度量市场风险的一个基本工具.自从VaR概念提出以来,涌现出大量方法用于VaR估计,因此在统计意义下,如何检验这些方法的有效性,以及如何比较不同VaR模型从而选择出最好的方法,就成为人们非常关注的问题.本文提出了利用经验似然法来评估和比较不同的Value-at-Risk模型.模拟和实证分析表明经验似然方法比已有的方法有效和稳健.     

非线性回归模型的经验似然诊断

经验似然方法已经被广泛用于线性模型和广义线性模型.本文基于经验似然方法对非线性回归模型进行统计诊断.首先得到模型参数的极大经验似然估计;其次基于经验似然研究了三种不同的影响曲率度量;最后通过一个实际例子,说明了诊断方法的有效性.     

Logistic回归模型的经验似然诊断

经验似然方法已经被广泛用于许多模型的统计推断.基于经验似然对Logistic回归模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过实例分析,说明了统计诊断方法的有效性.     

基于经验似然的部分线性模型的统计诊断

经验似然方法己经被广泛应用于许多模型的统计推断.本文基于经验似然对部分线性模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过随机模拟和实例分析,说明了统计诊断方法的有效性.     

高维线性模型中的经验似然

研究高维线性模型中的经验似然推断．当协变量的维数随样本量增加时,常规的经验似然推断失效．在适当的正则条件下,对修正的经验似然比统计量给出了渐近分布理论．     

二阶扩散模型的经验似然推断

本文利用经验似然方法得到了二阶扩散模型的漂移系数和扩散系数的经验似然估计量, 并研究这些估计量的相合性和渐近正态性. 进一步在经验似然方法的基础上给出了漂移系数和扩散系数的非对称的置信区间, 并且在一定的条件下证明了调整的对数似然比是渐近卡方分布的.     

MA$(q)$模型的经验似然推断

In this article we study the empirical likelihood inference for MA（q） model. We propose the moment restrictions, by which we get the empirical likelihood estimator of the model parameter, and we also propose an empirical log-likelihood ratio based on this estimator. Our result shows that the EL estimator is asymptotically normal, and the empirical log-likelihood ratio is proved to be asymptotical standard chi-square distribution.     

经验似然的冗余性

提出经验似然的冗余性和偏冗余性的概念,讨论了相应的冗余性等价条件,将GMM的冗余性结果推广到经验似然估计,同时模拟实验结果也证实了经验似然的冗余性和偏冗余性对估计的影响.     

部分线性模型序列相关的经验似然诊断

本文研究了部分线性回归模型中误差的序列相关性的检验问题,得到了一种全新的经验似然诊断方法,导出了经验似然的非参数的Will's定理,数值模拟表明检验方法有很好的检验功效．     

一类函系数ARCH-M模型的经验似然检验

本文利用经验似然方法对一类函系数ARCH-M模型的非参数分量进行检验。首先讨论了该模型的参数估计及其渐进性质,其次利用估计方程构造了经验似然比统计量来检验模型的非参数分量是否为一已知函数。数值模拟结果表明论文所提出的检验统计量对备择假设是相当灵敏的。     

可加模型中参数的经验欧氏似然估计

可加模型是参数设计中一个非常重要,实用的模型。本文讨论了可加模型中参数的经验欧氏似然估计及其性质,并给出了一种与参数的经验欧氏似然估计渐近等效的加权LS估计,最后分析了一个数值例子。     

纵向数据下部分非线性模型的广义经验似然推断

本文研究了纵向数据下部分非线性模型中未知参数的置信域的构造.利用经验似然方法,构造了非线性函数中未知参数的广义对数经验似然比统计量,证明了其渐近于卡方分布.同时,得到了未知参数的最大经验似然估计,并证明了其渐近正态性.     

调整经验欧氏似然及其性质

经验(欧氏)似然是近年来非常流行的非参数统计方法之一,但其存在凸包限制和计算复杂等不足之处.针对此不足,CHEN等人(2008)给出调整经验似然.本文借助此想法,给出调整经验欧氏似然方法,进而讨论其相应的统计性质.理论结果显示,调整经验欧氏似然有与经验欧氏似然完全类似的性质;模拟结果显示,在某些情况下(如二维情况),调整经验(欧氏)似然所得的区间估计具有较好的覆盖率.此外,调整经验欧氏似然的思想和计算都比较简单.从实用角度看,具有较高的推广价值.     

平衡增加的经验欧氏似然

经验(欧氏)似然方法是近年来非常流行的一种非参数统计方法.针对经验(欧氏)似然的凸包限制和计算复杂问题,本文借助Emerson和Owen (2009)所提出的平衡增加思想对经验欧氏似然进行修正,得到了平衡增加的经验欧氏似然.随后论文从理论和模拟两个方面进行了研究.理论上给出了该方法与经验欧氏似然检验函数之间的联系,即在固定的样本量n下随着添加点位置的连续变化,检验方法可以从简单的均值增加经验欧氏似然变化到经验欧氏似然检验;模拟结果显示,适当选取调整因子,平衡增加的经验欧氏似然相对于(调整)经验欧氏似然而言,在大多数情况下,其分布更接近于对应的极限分布.     

线性模型误差方差的经验似然估计

本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.     

β-ARCH模型的经验似然推断

研究β-ARCH模型的经验似然估计及相应似然比统计量的渐近性质,证得了相合性和极限分布.     

混合样本下的经验似然估计

研究强平稳φ混合随机变量序列均值的经验似然估计问题,利用拉格朗日乘子以及一些重要概率不等式讨论均值有限且方差不等于零的强平稳φ混合序列,并给出其总体均值和M-泛函统计推断以及置信区间.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

部分线性变量含误差模型的经验似然估计

本文把经验似然方法推广到部分线性变量含误差模型 ,得到了Wilks定理的非参数形式 ,定理用来构造参数向量的渐近置信区间 .结果与WangandJing (1 999)对一般部分线性模型的经验似然结果加以比较 ,并且与正态逼近法得到的结果也作了比较 .     

$\beta$-ARCH模型的经验似然推断

研究β-ARCH模型的经验似然估计及相应似然比统计量的渐近性质,证得了相合性和极限分布．