分位点门限自回归时间序列模型的贝叶斯方法

本文运用贝叶斯方法研究了门限分位点自回归时间序列模型的估计和预测. 将分位点回归的最优化问题转化为极大似然估计的问题,从而可以利用Metropolis-Hastings算法对模型中的参数进行Bayesian估计. 同时我们将模型应用于上证综合指数的增长率的数据, 得到了这一增长率的分位点估计. 这一方法的优越之处在于它不需要对数据的分布作预先的假定.     

广义Logistic回归模型Bayes分析及其在 林木存活率预报中的应用

通过因子分析的方法来解释观测变量的相关性,这种方法是通过引入潜在变量来直接刻画相关性。 基于Bayes统计原理、方法用来解决模型的参数估计问题和统计推断,采用Markov Chains Monte Carlo (MCMC)进行统计计算。随机模拟的结果表明所提出的林木存活率预测方法是有效的。最后利用该方法对山 西沁水县沁水林场的林木存活率与林分的鼠兔数关系进行了分析。     

GARCH模型的分位点回归的MCMC方法（英文）

本文研究了GARCH模型和TGARCH模型的分位点回归的MCMC估计方法.通过将分位点回归估计问题转化为极大似然估计问题,并利用Metropolis-Hastings算法从模型参数的后验分布抽取随机数来完成GARCH类模型的分位点回归的Bayesian估计,本文得到了Value-at-Risk的动态估计.这一方法是对经典的Value-at-Risk计算方法的非常有效的推广.     

非线性分位点回归方法在大坝安全监测中的应用

基于分位点回归模型比最小二乘回归模型具有更强的统计分析能力,将参数估计的MM算法和统计诊断中的影响度量MM距离运用于大坝水平位移的统计模型,并给出了应用实例.结果表明,分位点回归方法受异常点影响较小,训练及预报结果优于最小二乘法,将其应用于大坝水平位移安全监测,可提高预报模型的预测精度,能更好地对大坝运行性态进行分析.     

GARCH模型的二次加权复合分位数估计

基于复合分位数回归理论对GARCH模型提出更加稳健有效的二次加权复合分位数回归(BWCQR)估计,讨论了该估计权重的数值解及其大样本性质.数值模拟显示,当扰动项为厚尾分布时所提出的BWCQR估计明显优于传统的类极大似然(QMLE)估计、分位数回归(QR)估计和复合分位数回归(CQR)估计.应用BWCQR方法建立股指的波动率系统,进一步验证了BWCQR估计在实践意义下的竞争性.     

基于MCMC算法的多元线性回归变点模型的贝叶斯估计

基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.     

线性统计模型中回归分位点的强相合性及渐近正态性(英文)

论证了线性模型中回归分位点估计量的强相合性及渐近正态性等大样本性质 ,这些结果推广了陈希孺等 ( 1 990 ,1 992 )的有关定理 ,改进了Koenker与Basstee( 1 978) ,Gutenburnner与Jurec∨kova( 1 992 ) ,以及Jurec∨kovo与Prochazka( 1 994)等人的有关成果。     

基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

基于分位数回归的企业债信用风险研究

将非参数GARCH模型的方差方程取对数变换后所得的模型用于估计企业债利差波动率。针对模型误差的非对称性,利用更为稳健的分位数回归方法估计改进后的非参数可加GARCH模型。实证分析结果表明,改进后的模型对波动率的估计更为有效;分位数回归方法比最小二乘回归方法能更有效的克服模型误差的非正态影响,对异常值的敏感程度更低,是一种非常稳健的估计方法。     

基于分位点回归和影响因子的动态保证金率

保证金是金融市场上对交易各方履约的基本保证.为了能够在风险可控的范围内设定更为合理的保证金水平,本文结合VaR方法中的GARCH、TGARCH、EGARCH模型,加入影响因子和基于MCMC的分位点回归方法来拟合模型参数,并利用Cornish-Fisher展开式估计分位数Φ-1q,以找到制定保证金水平更为合理的方法,然后采用沪胶指数日线为数据进行了对比和验证.     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题,给出了一种基于贝叶斯框架的推断方法.在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验,同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计,并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)法抽样来进行后验推断.数值模拟分别从样...     

基于分位数回归的我国居民边际消费倾向动态研究

以我国1978 -2009年间城乡居民人均收入和人均储蓄数据为样本,运用分位数回归方法对各收入水平下的边际储蓄倾向进行估计.实证结果表明,边际储蓄倾向递增规律在我国城乡居民储蓄行为中也是适用的.     

周期单变点Poisson过程及参数Bayes估计

根据某商场内累计逛街总人数,建立具有周期单变点的Poisson过程模型,研究周期等参数的满条件分布,并分别在绝对损失和平方损失作为损失函数的条件下,利用Gibbs与Metropolis-Hastings算法,讨论未知参数的Bayes估计.对给出的结果进行随机模拟与实例分析,表明两种损失函数下的Bayes估计均具有较好的精度.     

非线性模型的众数回归估计

本文应用众数回归方法来考虑非线性模型的估计时把调整参数当作常数, 在适当的条件下得到了估计量的 √n 收敛速度, 该结果改进了已有的众数回归估计(把调整参数当作变量)的结果. 本文还做了一定的模拟实验来证实众数回归估计的稳健性.     

基于非对称拉普拉斯分布的混合分位数回归参数估计

利用非对称拉普拉斯分布提出一种新的混合分位数回归模型. 传统模型仅考虑位置参数, 而所提出模型同时考虑了位置参数和尺度参数, 并利用期望最大化(expectation maximization, EM)算法对模型参数进行估计. 数值分析结果表明, 参数估计的精度在各个 分位 数上均较为理想, 并且估计精度随着样本量的增加而提高. 最后运用所提出模 型及其算法对城市房价数据进行分析.     

参数回归模型的最大加权似然估计及其性质

对参数回归模型的估计因不同观测点的重要程度不同 ,常常要采用加权估计方法 .提出参数回归模型的最大加权似然估计方法并利用概率论中的大数定律和中心极限定理证明了估计的一致性和渐近正态性 .     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

带t-误差的线性回归模型参数的精确置信域

首次对带t-误差的线性回归模型中的未知参数构造了精确的置信域(或置信区间).并且求出了置信区间的风险函数.