一种概率分布的极值分位数的最优估计

在本文中, 我们构造了一种新的极值分位数估计, 给出了估计量的极限性质. 同时, 在渐近二阶矩最小的准则下, 利用子样本自助法给出了计算所构造的极值分位数估计时的样本点分割方法, 从理论上证明了这一极限结果, 说明了这种分割在渐近二阶矩最小的准则下是渐近最优分割, 同时提出了自适应的样本点分割的自助算法.     

基于外推中间次序分位数的极端条件分位数估计

近年来,条件分位数估计被广泛应用于金融、生物和医学等众多领域.在研究协变量对响应变量在不同分位数水平的影响时,分位数回归方法是一种贴切且有效的估计方法.然而,由于尾部数据的稀疏性,用分位数回归来估计极端条件分位数通常会产生较大的估计误差.文章将极值理论与分位数回归结合起来,利用中间条件分位数外推法,研究线性分位数回归模...     

在险风险值估计方法的比较研究

金融数据呈现的厚尾性已达成共识。本文首先基于指数回归模型提出了一种厚尾分布的极值分位数估计方法,得到了在险风险值的估计公式。然后得到了上海上证指数、国债指数和企业债券指数的在险风险值的估计值,比较了他们的极值风险.     

光滑分布函数分位数估计的注记

文中通过光滑经验分布函数构造了分位数估计，建立该估计的Ｂａｈａｄｕ－强弱表示定理，并由Ｂａｈａｄｕｒ表示定理证明了该分估计估的重对数律和渐近正态性等深刻结果。     

基于神经网络分位数回归的多期CVaR风险测度

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。     

右删失左截断情形下分布函数的分位数估计

文中考虑了右删失左截断数据情形下分布函数的分位数估计，讨论了该估计的渐近性质并获得了它的强弱Ｂａｈａｄｕｒ类型的表示定理。利用此Ｂａｈａｄｕｒ表示定理很容易获得该分位数估计的渐近正态性及置信区间等结果。     

正相协下风险度量VaR样本分位数估计的渐近性质

本文研究了正相协严平稳样本下,风险度量VaR样本分位数估计的问题.利用其指数不等式和协方差不等式,获得了风险度量VaR的样本分位数估计的相合性和渐近正态性,并给出Bahadur表示.     

核分位数估计及其应用

分位数估计在不同领域有大量的运用,例如水利研究中百年一遇的洪水、金融分析中的VaR.不过在实际应用中大多使用的是基于正态假设下的分位数估计,使得该方法在应用时存在模型设定错误的风险.为此介绍了稳健统计中非参数分位数估计方法,并介绍了核密度估计的步骤;然后以此为基础给出了核分位数估计,同时还通过重复抽样的方法比较了三种分位数估计效果和积累了使用经验;最后给出了一个金融数据的实例,并对核分位数估计结果和常用的正态假设下的分位数结果进行了比较,结果显示核分位数估计结果更加稳健.文中最后给出使用该方法的一些建议.     

尾部极值分布下的系统性金融风险度量及影响因素分析

本文将极值理论应用到系统性金融风险度量上,在尾部极值分布的假设下应用极端的分位数回归度量尾部的风险并研究风险变化和风险的相依性,本文度量了单一机构的系统性风险贡献并识别出我国的系统重要性金融机构。另外,本文还使用面板回归分析了金融机构系统性风险贡献的影响因素。本文得到的主要结论有:在险价值和系统性风险贡献在评价金融机构风险上的差异很大;银行类金融机构的系统性风险贡献普遍较高;金融机构的规模和杠杆率两个特征变量对系统性风险贡献的影响最显著。政策建议方面本文认为要综合考虑金融机构规模、杠杆率、股票市场贝塔值等多个特征变量,对金融机构尤其是银行类金融机构进行资本监管和约束。     

φ-混合样本下有限个分位数估计的联合渐近分布

本文研究了φ-混合样本下总体的有限个分位数核估计的渐近性质.利用分块技术证明了φ-混合样本下总体的有限个分位数核估计的联合渐近分布为多元正态分布,推广了文献[16]的相关结果.     

重尾分布的尾部指数估计及沪深股市实证分析

重尾分布尾部指数α的估计依赖于样本中所用顺序统计量个数k的选取.本文介绍了估计α时选择k的两类不同的方法:Sum-plot方法和Bootstrap方法,并对Hall提出的Bootstrap方法作了改进,称为M-Bootstrap方法.本文利用上述方法对已知分布进行Monte-Carlo模拟,研究它们的可行性,然后对上海和深圳两市股指数据进行了实证分析.计算结果表明,上海和深圳股指收益率具有重尾性.是右偏态的,右尾厚于左尾.通过几种方法计算的结果比较发现Sum-plot方法和M-Bootstrap方法在估计重尾指数上精确性较高一些,而且不受异常值的影响.     

Characterizations on Heavy—tailed Distributions by Means of Hazard Rate

Let F(x) be a distribution function supp0orted on[0,∞),with an equilibrium distribution function Fe(x).In this paper we shall study the function re(x)=(-in -↑Fe(x))′=-↑Fe(x)/∫x^∞-↑Fe(u)du,which is called the equilibrium hazard rate of F.By the limiting behavior of re(x) we give a criterion to identify F to be heavy-tailed or light-tailed.Two broad classes of heavy-tailed distributions are also introduced and strdied.↑     

重尾索赔下更新风险模型生存概率局部估计解

本文在研究普通更新风险模型下当索赔分布F∈S*时生存概率的局部解问题的基础上,将模型推广到延迟更新模型,得到了生存概率局部解渐进估计．     

基于贝叶斯极值估计的商业银行内部欺诈风险度量研究

内部欺诈风险是我国商业银行面临的一个重大风险来源。本文针对内部欺诈具有的低频率高损失的特点,采用不同分布分段刻画其损失统计分布规律,对于低于和高于门限值的样本点,采用Box-Cox变换和全Paretian分布模型进行分析,然后采用贝叶斯估计对全Paretian分布模型的参数进行估计,接着在此基础上对建立了一个内部欺诈风险度量模型,然后使用所构建的风险度量模型对操作风险在险风险值、经济资本和最大可能损失进行了测算,最后提出了防范操作风险的政策建议。     

二元极值分布混合模型的矩估计

极值理论在各个领域得到了越来越多的关注和应用, 尤其是多元极值分布. 而矩估计是一种经典的参数估计方法, 计算简单且具有某些优良性, 本文给出边缘为标准指数分布的二元极值混合模型相关参数的矩估计及其渐近方差. 并将其与极大似然估计的渐近方差比较, 结果表明矩估计是一个较好的估计.     

重尾随机变量和的大偏差

This paper is a further investigation of large deviations for sums of random variables S_n=sum form i=1 to n X_i and S(t)=sum form i=1 to N(t) X_i,(t≥0), where {X_n,n≥1) are independent identically distribution and non-negative random variables, and {N(t),t≥0} is a counting process of non-negative integer-valued random variables, independent of {X_n,n≥1}. In this paper, under the suppose F∈G, which is a bigger heavy-tailed class than C, proved large deviation results for sums of random variables.     

SIMEX Estimation for Composite Quantile Regression Model with Measurement Error

Composite quantile regression model with measurement error is considered. The SIMEX estimators of the unknown regression coefficients are proposed based on the composite quantile regression. The proposed estimators not only eliminate the bias caused by measurement error, but also retain the advantages of the composite quantile regression estimation. The asymptotic properties of the SIMEX estimation are proved under some regular conditions. The finite sample properties of the proposed method are studied by a simulation study, and a real example is analyzed.     

���������ĸ��Ϸ�λ���ع��SIMEX����

??Composite quantile regression model with measurement error is considered. The SIMEX estimators of the unknown regression coefficients are proposed based on the composite quantile regression. The proposed estimators not only eliminate the bias caused by measurement error, but also retain the advantages of the composite quantile regression estimation. The asymptotic properties of the SIMEX estimation are proved under some regular conditions. The finite sample properties of the proposed method are studied by a simulation study, and a real example is analyzed.