Hull-White模型中参数校准的正则化方法

基于Hull-White模型,研究由零息债券的市场价格进行参数校准的问题.构造函数将问题转化为正则化问题,并利用正则化方法得到解的存在性,稳定性和所满足的必要条件.最后利用必要条件进行数值计算,给出了数值模拟算例和实证分析,数值结果表明了方法中引入正则项的有效性,且改善了其参数的稳定性,具有实际意义.     

Hull-White利率模型仿真与债券估值

应用Vasicek模型和Nelson-Siegel模型估计Hull-White利率模型的参数,运用蒙特卡洛方法模拟利率路径,根据利率路径估计中国国债的价值,并进行敏感性分析.结果表明,运用蒙特卡洛方法模拟Hull-White利率模型,具有计算简单和运算速度快的特点,且债券估值的结果较为精确.该方法可广泛地应用于债券及其衍生品的定价分析.     

同伦摄动稀疏正则化方法及其应用

稀疏正则化方法在参数重构中起到了越来越重要的作用.与传统的正则化方法相比,稀疏正则化方法能较好地重构稀疏变量.由于稀疏正则化的不可微性,需要对已有的经典算法进行改进.本文构建同伦摄动稀疏正则化方法克服标准稀疏正则化的不可微性,并将该方法应用到基于布莱克一斯科尔斯期权定价模型重构隐含波动率和基于托达罗模型重构政策参数.数值实验表明,所提出的方法是收敛和稳定的.     

HJM模型中的波动率参数估计

应用利率互换市场数据对HJM模型中波动率参数进行有效地估计,且通过蒙特卡罗计算和正则化方法来实现.为了更有效地控制稳定性问题,本文将引入关于时间函数的正则化参数.最后,通过数值的方法来测试稳定性的问题.     

一类空间分数阶扩散逆时问题的正则化方法与后验收敛性估计

本文研究一类空间分数阶扩散逆时问题.基于条件稳定性结果,发展一种广义吉洪诺夫正则化方法克服其不适定性,并且通过正则化参数的后验选取规则获得正则化方法对数和双对数型收敛性估计.一些数值模拟结果验证了该方法的收敛性与稳定性.     

贝叶斯LASSO正则加权复合分位回归及其应用（英文）

回归模型一般采取传统的最小二乘估计(LSE)方法,然而当数据包含非正态特征或异常值时该估计方法会导致不稳健的参数估计.与LSE方法相比,即使出现非正态误差或异常数据,复合分位回归(CQR)方法也能提供更稳健的估计结果.基于复合反对称拉普拉斯分布(CALD),本文提出了贝叶斯框架下的加权复合分量回归(WCQR)方法.正则化方法已经被验证可以有效处理高维稀疏回归模型,它可以同时进行变量选择和参数估计.本文结合贝叶斯LASSO正则化方法和WCQR方法来拟合线性回归模型,建立了 WCQR的贝叶斯LASSO正则化分层模型,并导出了所有参数的条件后验分布以进行统计推断.最后,通过蒙特卡罗模拟和实际数据分析演示了所提出方法.     

解第一类算子方程的一种迭代正则化方法

提出了一种求解第一类算子方程的新的迭代正则化方法,并依据广义Arcangeli方法选取正则参数,建立了正则解的收敛性.与通常的Tikhonov正则化方法相比较,提高了正则解的渐近阶估计.     

第一类算子方程的一种新的迭代正则化方法

提出了一种新的解第一类算子方程的迭代正则化方法,与通常的迭代正则化方法相比,提高了j次迭代正则解的渐近阶估计.同时,给出了后验正则化参数的选择.     

AR模型辨识的稀疏结构迭代算法

模型估计是机器学习领域一个重要的研究内容,动态数据的模型估计是系统辨识和系统控制的基础.针对AR时间序列模型辨识问题,证明了在给定阶数下AR模型参数的最小二乘估计本质上也是一种矩估计.根据结构风险最小化原理,通过对模型拟合度和模型复杂度的折衷,提出了基于稀疏结构迭代的AR序列模型估计算法,并讨论了基于广义岭估计的最优正则化参数选取规则.数值结果表明,方法能以节省参数的方式有效地实现AR模型的辨识,比矩估计法结果有明显改善.     

局部资料下变分同化方法的稳定性研究

对于简化的一维扩散方程,在局部观测资料下,研究变分同化方法的稳定性.在变分同化中结合正则化方法,选择合适的正则化参数和稳定泛函,对预报模式进行修正,通过对预报精度进行先验估计,证明了该方法对于一维扩散方程的解的稳定性.修正补充相关计算结果,最后举出一个反例说明稳定性泛函的选取对于改进的变分同化方法实施的重要性.     

灰色系统模型病态矩阵的双正则化算法

灰色系统模型矩阵会存在病态问题.为消除其病态性,基于病态矩阵的双正则化方法,建立了正则化灰色系统模型中灰参数求解的表达式,给出了其导出方式;提出了正则参数α的选择原则.从而避免了灰参数求解过程中矩阵的病态问题.数值试验分析说明,灰色系统模型的双正则化算法是正确和适用的.     

求解椭圆方程柯西问题的修正吉洪诺夫正则化方法

研究了一类变系数椭圆方程的柯西问题,这类问题出现在很多实际问题领域.由于问题的不适定性,不可能通过经典的数值方法来求解上述问题,必须引入正则化手段.采用了一种修正吉洪诺夫正则化方法来求解上述问题.在一种先验和一种后验参数选取准则下,分别获得了问题的误差估计.数值例子进一步显示方法是稳定有效的.     

双调和方程柯西问题的修正的Tikhonov正则化方法

本文研究了双调和方程柯西问题,这类是不适定的,即问题的解(如果存在)不连续依赖于测量数据.首先在精确解的先验假设下给出问题的条件稳定性结果.接着利用修正的Tikhonov正则化方法求解此不适定问题.在先验和后验正则化参数选取规则下,给出正则解和精确解之间的误差估计式.最后给出几个数值例子验证此正则化方法求解此类反问题的有效性.     

算子和右端都近似给定的第一类算子方程的Тихонов正则解的渐近阶估计

本文利用Тихонов正则化方法求解算子和右端都是近似给定的第一类算子方程,给出一个选择正则参数的方法,并给出正则解的渐近阶估计.     

时间分数阶反扩散问题的一种新的分数次Tikhonov方法

由于经典的正则化方法存在过度光滑的缺陷,例如经典的Tikhonov方法,考虑一种新的分数次Tikhonov正则化方法,此方法包含了经典的Tikhonov方法.以一个时间分数阶反扩散问题为例,讨论新方法的正则化参数的选取,及相应的误差估计.进一步,数值实验显示了所提方法的可行性和有效性.     

Helmholtz型方程柯西问题的修正Lavrentiev正则化方法（英文）

本文研究了带非齐次Dirichlet及Neumann数据的一类Helmholtz型方程柯西问题.文章在解的先验假设下建立问题的条件稳定性结果,利用修正L avrentiev正则化方法克服其不适定性,并结合正则化参数的先验与后验选取规则获得了正则化解的收敛性结果,相应的数值实验结果验证了所提方法是稳定可行的,推广了已有文献在Helmholtz型方程柯西问题正则化理论与算法方面的相关研究结果.     

解第一类算子方程的一种新的正则化方法

对算子与右端都为近似给定的第一类算子方程提出一种新的正则化方法，依据广义Ａｒｃａｎｇｅｌｉ方法选取正则参数，建立了正则解的收敛性。这种新的正则化方法与通常的Ｔｉｋｈｏｎｏｖ正则化方法相比较，提高了正则解的渐近阶估计。     

识别Rayleigh-Stokes方程源项的分数阶Landweber迭代正则化方法

该文研究具有Riemann-Liouville时间分数阶导数的Rayleigh-Stokes方程未知源识别问题.首先证明这个问题是不适定的,并应用分数阶Landweber正则化方法求解此反问题.基于条件稳定性结果,在先验和后验正则化参数选取规则下,分别给出精确解与正则解之间的误差估计.最后通过数值例子说明此方法求解此类...     

一阶数值微分的局部正则化方法

本文研究了一阶数值微分问题,将其等价转化为第一类积分方程的求解问题,给出了求解该问题的局部正则化方法.在精确导数的一定假设条件下,讨论了正则化参数的先验选取策略及相应近似导数的误差估计.相对于经典的正则化方法,数值实验表明局部正则化方法能在有效抑制噪声的同时,保证近似导数逼近精确导数的效果,尤其是在精确导数有间断或急剧变化时.     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质,对其参数进行了极大似然估计,给出了一些正则条件.基于所提出的正则条件,证明了模型参数极大似然估计的相合性与渐近正态性.