一个基于pair-copula法构建高维相依结构的研究

用pair-copula构建高维相依结构,将n维联合密度函数转化为若干个pair-copula密度函数相乘。在pair-copula的选择上,本文构造了能描述非对称尾部相关性的混合copula函数——M-copula。并在实证分析部分用该方法探索了上证市场上四个板块的相依关系,得到了比较理想的结果。     

一类改进的Logistic模型参数估计方法及其应用

根据实测数据估计Logistic模型参数时,对已有的数据不满足直接利用三点法、四点法应用条件的问题,提出一类改进的三点法、四点法,即迭代逼近算法.以底部耗氧型结冰湖的溶解氧浓度分布为例,建立冰盖下溶解氧浓度垂直分布的Logistic模型,采用迭代逼近算法估计该模型的参数值.结果表明:改进的三点法、四点法的判定系数都较高,均可用于Logistic模型的参数估计,但改进的四点法整体优于改进的三点法.算法进一步完善了Logistic模型的参数估计方法.     

广义高斯分布的参数估计及其收敛性质

广义高斯分布是一类以Gaussian分布、Laplacian分布为特例的对称分布 ,它在信号处理和图像处理等领域都有广泛的应用 .本文采用矩估计方法讨论广义高斯分布的形状参数和尺度参数的估计问题 ,首先导出了矩和参数的关系表达式 ,然后由此提出参数估计方法 ,并对参数估计的收敛性质进行了分析 ,最后利用模拟实验对本文所提方法进行了验证 .     

GBVE分布的参数估计

设二元随机变量（Ｘ，Ｙ）的生存函数为可．把它称作ＧＢＶＥ（θ１，θ２，δ）．本文采用把元件和系统（串联）的定时截尾寿命试验数据综合起来进行统计分析的方法，研究ＧＢＶＥ（θ１，θ２，δ）中参数的估计及其性质．在θ１＝θ２＝θ的情况下给出了（θ，δ）的极大似然估计证明了具有强相合性和渐近正态性．在无θ１＝θ２限制时给出了（θ１，θ２，δ）的矩法估计（θ１，θ２，θ３，δ），证明了同样具有强相合性和渐近正态性．     

奇异点参数估计及其在半参数模型中的应用

本文利用核估计及其变型给出某些密度函数的奇异点的参数的强相合估计并指出它们在半参数模型中的应用。     

基于Copula函数和非参数估计的尾部相关性

给出基于Copula函数的尾部相关性的定义和性质,采用非参数方法估计尾部相关系数.结合数据得出上证指数和深圳指数的尾部相关系数和对应图形比较,可知两种股票的上尾比下尾相关性强.此相关系数反映了上证指数与深圳指数在极端值处同时小于或同时大于某个数值的概率大小.     

RAR模型的参数估计方法

本文考虑零均值的平稳AR（P）序列与一个非随机的趋势项的这合模型．假设趋势项可以表咸有限个已知的线性无关基画数的线性组合.这种模型有广泛的应用．本文针对这类模型，给出了参数估计方法，并给出了计算参数估计值的迭代算法．模拟计算表明，这种方法计算方便，精度高．     

拟合优度检验的回归分析方法及在参数估计中的应用

本文利用人工参数建立了拟合优度检验的回归模型,并将其应用参数估计。特别对于位置参数的估计是强相合、渐近正态和稳健的,其崩溃点是1/2。     

混合模拟退火-进化策略在非线性参数估计中的应用

提出了一种混合模拟退火-进化策略算法应用在非线性参数估计中,方法克服了传统优化方法估计参数精度不高且容易陷入局部极小值等缺点,并且将模拟退火算法和进化策略算法相结合,充分发挥各自算法优点.最后通过给出非线性参数估计算例,结果表明,算法具有参数估计精度较高,收敛速度快,自适应性强,在实际工程中有较大的应用价值.     

非参数估计与小波分析在股市趋势线中的应用

本文提出以非参数生成线与小波生成线来代替股市中的长期与短期趋势线,通过对上证指数及个股的计算,显示出其较传统证券分析方法有明显的优越性。     

半变系数模型改进的轮廓最小二乘估计

针对半变系数模型,在局部线性拟合轮廓最小二乘估计方法的基础上将关于变系数函数的局部线性拟合改进为局部非线性拟合,得到半变系数模型改进的轮廓最小二乘估计,进一步讨论了常值系数的渐进正态性.     

参数估计在最优化模型中的有效性及修正

证明了在涉及随机变量的最优化模型中,如果将参数估计和最优化求解过程分离,实际得到的最优化结果必然低于理论值,即参数估计在最优化模型中总是造成低效的结果。然后给出了两种可行的参数估计修正方法。     

Dependence Estimation and Visualization in Multivariate Extremes with Applications to Financial Data

We investigate extreme dependence in a multivariate setting with special emphasis on financial applications. We introduce a new dependence function which allows us to capture the complete extreme dependence structure and present a nonparametric estimation procedure. The new dependence function is compared with existing measures including the spectral measure and other devices measuring extreme dependence. We also apply our method to a financial data set of zero coupon swap rates and estimate the extreme dependence in the data.AMS 2000 Subject Classification. Primary—62G32, 62H12 Secondary—62E20     

删失数据下变系数模型的一步估计法

用局部多项式估计法对删失数据下的系数函数光滑程度不同的变系数模型进行一步估计,达到了最优收敛速度,得出了渐近条件偏差和渐近条件方差。     

基于删失数据的ARMA模型参数估计与实证分析

利用生存分析中的K-M估计得到了删失数据下ARMA模型的参数估计,通过与完全数据下的参数估计进行对比,充分说明了该估计的效果.利用删失数据下ARMA模型的EM算法,对2013年5月2日到2014年5月8日的247个美元兑人民币的基准汇率数据进行建模分析和预测,并与实际数据进行对照,误差较小,说明估计和EM预测方法的可行性.     

有关顺序统计量的极大似然估计

讨论了一类参数空间受样本限制的极大似然估计问题.分析了随机变量分布的非零区域与似然函数定义域的对应关系,提出如果分布的非零区域受参数限制,则无论似然方程是否可解,参数的极大似然估计必然与样本顺序统计量X_((n))或X_((1))有关,并具体分析了似然估计一定等于、一定不等于和可能等于顺序统计量X_((n))(X_((1)))的三种情形,并给出了相应的判别条件.最后分析得出在第三种判别条件之下,似然估计是否取值于x_((n))(x_((1)))视具体的样本观测值决定.     

带时空相关性分析的行车时间估计模型

基于流体动力学方程的行车时间估计模型不能很好地反映真实的行车时间,需要对其进行一定的改进.在对交通流进行流体动力学建模的基础之上,引入对高速公路路网中不同路段之间的行车时间相关性和同一路段不同季节、不同时段的行车时间相关性分析,建立了带时空相关性分析的时间估计模型,使用统计学的方法消除动力学模型的误差.     

混合Copula模型在中国股市的应用

首先给出了描述相依结构的混合Copula模型,然后给出寻求混合Copula模型的EM算法,最后以中国股市的实际数据进行了实证分析,说明混合Copula模型是可以用来描述中国股市的相依结构.     

Approximation of an Analog Diffusion Network with Applications to Image Estimation

This work is concerned with a numerical procedure for approximating an analog diffusion network. The key idea is to take advantage of the separable feature of the noise for the diffusion machine and use a parallel processing method to develop recursive algorithms. The asymptotic properties are studied. The main result of this paper is to establish the convergence of a continuous-time interpolation of the discrete-time algorithm to that of the analog diffusion network via weak convergence methods. The parallel processing feature of the network makes it attractive for solving large-scale optimization problems. Applications to image estimation are considered. Not only is this algorithm useful for the image estimation problems, but it is widely applicable to many related optimization problems.     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.