非线性结构向量自回归因果图的广义似然比辨识方法

利用图模型方法研究非线性结构向量自回归模型的因果性问题.构建了非线性结构向量自回归因果图模型,提出图模型因果性的广义似然比辨识方法.构造同期因果关系和滞后因果关系的广义似然比统计量,使用bootstrap方法来确定检验统计量的原分布,模拟研究论述了方法的有效性.     

贝叶斯向量自回归分析方法及其应用

由于经济环境的多变,使得经济预测面临数据量少的建模难题,贝叶斯方法对小样本数据建模问题具有明显优势。本文在共轭条件似然函数"矩阵正态-Wishart分布"意义下,首先讨论了向量自回归模型的贝叶斯分析方法,得到了模型参数的后验分布与一步预测分布。其次,给出了分量方程的对应结果,说明了模型阶数的推断方法。最后,列出了计算步骤,并作为应用,对上海房地产价格指数数据进行预测建模,取得了较好效果。     

多维广义自回归条件异方差模型

In this paper,by making use of the Hadamard product of matrices,a natural and reasonable generalization of the univariate GARCH(Generalized Autoregressive Conditional heteroscedastic)process introduced by Bollerslev(J.Econometrics 31(1986),307-327)to the multivariate case is proposed.The conditions for the existence of strictly stationary and ergodic solutions and the existence of higher order moments for this class of parametric models are derived.     

广义自回归模型参数的收缩估计

运用经典方法结合参数的先验信息得到了广义一阶自回归模型中自相关系数的收缩估计的闭式表达式,它是通常极大似然估计与先验均值的加权平均,在适当的先验信息下优于原来的估计.     

向量自激门限自回归（VSETAR）序列的遍历性

本文主要考虑二维自激门限自回归模型：Ｘ（ｔ）＝Ｉ［Ｘ（ｔ－１）∈Ｒｉ］ＡｉＸ（ｔ－１）＋ε（ｔ），其中Ａｉ（ｉ＝１，２，３，４）为２×２系数矩阵，｛ε（ｔ）｝为二维ｉ．ｉ．ｄ序列。我们得到｛Ｘ（ｔ）｝为遍历的四个充分条件。     

非对称广义自回归条件异方差的新模型

本文提出了一个新的非对称广义自回归条件异方差的新模型,证明了该模型宽平稳及其最简模型偶数价矩存在的充要条件。     

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量问的相依关系.     

基于广义自回归得分模型的时变D-vine的应用

广义自回归得分模型以条件密度函数得分作为主要驱动,为我们提供了计算一个时变参数的框架。把传统的D藤结构拓展到时变D藤,并将其与广义自回归得分模型相结合来估计时变参数。对美元、欧元、日元、港元和英镑兑人民币的外汇汇率序列拟合边际分布,提取标准化残差序列并建立时变D藤模型,即对pair-copula分解式选择最优的时变copula族,最后通过仿真技术得到标准误差的箱线图。研究表明,该模型有效地刻画了变量间的相依关系,为描述金融资产收益率的波动率过程提供了一种新思路。     

时间序列中向量自回归模型的拟合优度检验

本文提出并研究了一些诊断检验工具,用于一般参数型的时间序列向量自回归模型的拟合优度检验．该检验在零假设下渐近服从卡方分布,并能侦察到以参数速度收敛到零假设模型的备择模型．检验涉及到权函数,因此可以灵活地选择权函数以提高检验功效,尤其是在可能的偏离方向已知情形．如果备择不是方向型的,而只知道其属于某一个模型类中,此时可构造一个渐近分布自由的极大极小（maximin）检验．对于饱和备择,基于得分型思想给出了构造万能（omnibus）检验的可行性构想．本文对提出的检验从理论上进行了功效研究．另外,为提高检验在小样本情形的功效,本文把非参数Monte Carlo检验方法推广到相依数据情形．最后,通过模拟研究和实际数据分析进一步表明检验的有用性．     

拓扑向量空间中的广义向量F-隐补问题

该文在拓扑向量空间中引入了一类新的向量F-隐补问题(简记为:(GVF-ICP))和两类(强和弱)向量F-隐变分不等式问题(分别简记为:(GVF-IVI)_1和(GVF-IVI)_2).在齐性条件下得到了(GVF-ICP)与(GVF-IVI)_1的等价关系,同时在适当假设下利用KKM定理得到了(GVF-IVI)_2的新的解的存在性定理.     

函数型数据支持向量回归

函数型数据回归是一个非常有意义的课题.已有工作都是利用平方损失来衡量误差,而本文采用ε-不敏感损失来衡量误差.本文构造基于ε-不敏感损失的逼近元,给出表示形式及其系数计算.逼近元具有鲁棒性和稀疏性等性质.本文的主要结果是,在一些常规条件下建立预测误差收敛阶.与关于平方损失工作相比,我们不要求协方差算子与积分算子之间的"对齐"关系.此外,本文还讨论了支持向量回归函数本身的逼近性质.即使对有限维数据,关于这方面的结果在文献中也尚未见到.     

向量极值问题的回归点解释

设 X 为欧氏空间 R~n,Y 为欧氏空间 R~m,g 为映 X 到 Y 的映射,A(?)X 是任意非空子集.在下述向量极值问题(VMP)(VMP) max g(x),s.t.x∈A中,K 是 Y 中非平凡闭凸锥,K≠{0},如果{x∈A|g(x)-g(x_0)∈K\{0}}=φ,则称 x_0∈A 为(VMP)的有效解;如果 intK≠φ,并且{x∈A|g(x)-g(x_0)∈intK)=φ,则称 x_0∈A 为(VMP)的弱有效解.     

基于贝叶斯向量自回归的区域经济预测模型:以青海为例

由于缺乏足够的观测数据等原因,常规的区域经济预测模型在我国难以获得预期的预测效果,而贝叶斯向量自回归(BVAR)模型将变量的统计性质作为参数的先验分布引入到传统的VAR模型中,能够克服自由度过少的问题,以青海为例,本文建立了一个BVAR模型,并引入了全国GDP和中央政府转移支付作为外生变量以描述国民经济与区域经济的联系...     

基于联合估计方法的广义随机系数自回归模型的统计推断

本文利用联合估计函数方法(CEF)对广义随机系数自回归(GRCA)模型进行统计研究.应用联合估计函数方法得到广义随机系数自回归模型参数估计量,证明了提出的参数估计量的相合性和渐近正态性,利用数值模拟对提出的参数统计量进行对比分析,数值模拟结果表明,联合估计方法的参数估计量优于基于估计函数方法、伪极大似然方法、最小二乘方法的参数估计量,实证研究也说明CEF方法具有较好的效果.     

Stampacchia广义向量拟均衡问题Ⅱ

通过引进锥对角拟凸概念,讨论了Stampacchia广义向量拟均衡问题解的存在性.由于该问题包含了许多形式的变分不等式与均衡问题作为特例,所得解的存在性结果推广和发展了近期的一些研究结果,主要有以下两个方面: 1)放宽了对连续性的要求;2)由数值型推广到了向量型.     

固定效应时异系数广义空间自回归模型的估计与模拟

空间面板数据模型常呈现时异特征,现实经济现象中的空间关联多带有时异特性。基于此,本文构建固定效应时异系数广义空间自回归模型,首先采用拟极大似然(QML)方法估计模型并证明参数估计量的渐近性,其次依据贝叶斯(Bayes)公式推出参数后验分布并设计MCMC抽样,最后基于数值模拟比较两种方法在有限样本下的模拟情况,结合具体实例对比分析两种方法的实际估计效果。结果发现:一方面,两种方法的参数模拟均方误差都表现出随样本个体数目的增大而减小,表明增加观测个体数目能显著降低参数模拟偏差。另一方面,Bayes估计的均方误差都小于QML估计,说明Bayes估计比QML估计更可靠。     

Stampacchia 广义向量拟均衡问题II

通过引进锥对角拟凸概念, 讨论了Stampacchia 广义向量拟均衡问题解的存在性.由于该问题包含了许多形式的变分不等式与均衡问题作为特例,所得解的存在性结果推广和发展了近期的一些研究结果,主要有以下两个方面: 1)放宽了对连续性的要求; 2)由数值型推广到了向量型.     

多维非线性自回归模型的投影寻踪学习网络逼近

本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性，证明了在L^k(k为正整数）空间上，投影寻踪学习网络可以任意精度逼近多维非线性自回归模型，并给出应用实例。     

线段自映射回归点的回归方式

有关线段自映射的回归点的研究是一维动力系统理论研究的一个重要课题.近年来这方面的工作已有不少成果发表,但多侧重于对回归点集的性质讨论.本文着重研究了回归点的回归方式.由此看出:在■arkovskii 序的意义下,线段自映射的回归点的回归方式与它的周期点的周期有着十分密切的联系.     

广义双正则函数向量的非线性边值问题

利用Schauder不动点定理和积分方程的方法，讨论了实Clifford分析中广义双正则函数向量的非线性边值问题解的存在性及其解的积分表达式。