核密度估计在预测风险价值中的应用

通过研究核密度估计理论,提出了一种适应估计金融时间序列分布的L ap lace核密度函数.在单变量核密度估计的基础上建立了风险价值(V a lua at R isk,简记为VaR)预测的预测模型.通过对核密度估计变异系数的加权处理建立了两种加权VaR预测模型.最后,通过上证指数收益率对建立的VaR预测模型进行了实证分析,结果显示两种加权方法对上证指数收益率的VaR预测具有较高的效率.     

左截断右删失数据下光滑分布函数估计效率

研究了左截断右删失数据下光滑分布函数估计,并获得了其渐近性质.在MSE意义下,给出了光滑分布函数估计与经验估计(即乘积限估计)的相对亏量,证明了在一定的条件下,光滑分布估计要优于经验分布估计,并通过模拟说明了光滑分布函数估计比乘积限估计更加有效.     

整函数迭代的稳定集

本文证明了低阶超越整函数的非游荡域有界；估计了超越整函数在其稳定集上的增长速度；给出了Ｊｕｌｉａ集的渐近方向分布的最佳密度估计。     

三类密度估计收敛速度的比较

为估计某未知密度函数,我们有三种常用的估计法——最近邻法、核估计法和经验密度法。对前两类估计法,陈希孺给出了最好的强收敛速度。本文用向 Brownianbridge 强逼近的方法证明了经验密度估计也可达到上述收敛速度,且所需条件比[2]稍弱。     

失真风险保费的最优经验厘定

研究了贝叶斯模型中失真风险保费的经验厘定问题.通过引入分布函数的加权积分损失函数,利用信度理论的方法最小化期望损失得到分布函数的最优线性估计,进而得到失真风险保费的两个信度估计,并对信度估计的统计性质进行了比较.文章还讨论了失真函数和权重函数的选取问题,给出了结构参数的估计方法,证明了估计的无偏性和相合性.最后,利用数值模拟的方法验证了估计的收敛情况,并对不同失真函数下的收敛情况进行了比较.     

随机加权法在密度估计中的应用

本文给出了概率密度函数的椭机加权估计，证明了承机加权分布与密度估计的标准化估计量的分布的逼近精度可达到ｏ（１／√ｎｈ），并且构造了Ｅｆｎ（ｘ）的置信区间，其中ｆｎ（ｘ）为密度函数的核估计，ｈ＝ｈｎ炒估计的窗宽。     

Fourier变换在非参数统计上的一个应用

非参数统计的一个重要研究方向是概率密度估计,密度估计的核心问题是求最优窗宽.基于Fourier变换及其性质给出了待估计的密度函数二阶导数的平方的积分的一个估计式,与传统的估计式相比,该式是对密度函数修正得到的.     

基于藤Copula方法的巨灾风险条件VaR预测

为准确预测巨灾风险的条件VaR,应用藤Copula方法刻画巨灾损失变量间的相关结构,进而得到损失变量间的联合分布和条件分布函数,最终实现对条件VaR的估计.对全球洪水的损失数据进行实证分析,利用核密度估计检验法从常用多元Copula中选出最优的Copula作为比较对象,回测检验结果表明:准确刻画相关结构是精确估计条件VaR的关键,藤Copula方法对巨灾风险条件VaR的预测能力要优于常用多元Copula方法.     

半函数线性模型的k近邻经验似然推断

将k近邻方法应用到经验似然方法中,并以此来研究函数型数据下,半函数部分线性模型的估计问题.通过构造参数分量的对数经验似然比函数,得到该经验对数似然比依分布收敛于χ2分布,同时给出了非参数部分的估计值和收敛速度,并给出了经验似然方法在模拟研究中的应用.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes估计.利用核估计的方法构造了参数的经验Bayes估计,在适当条件下得到了经验Bayes估计的收敛速度,推广了文献中的相关结果.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes 估计. 利用核估计的方法构造了参数的经验Bayes 估计, 在适当条件下得到了经验Bayes 估计的收敛速度, 推广了文献中的相关结果.     

误差分布未知下时空模型的自适应非参数估计

极大似然估计作为参数估计中较为有效的一种估计方法,在误差分布未知下无法进行,另一方面,时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳.考虑时空异质性和相关性,针对误差分布未知的时空模型,本文提出基于核密度估计的自适应非参数估计方法.在较弱的条件下证明了该估计量和已知误差分布下的局部极大似然估计...     

污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）

本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.     

方向数据核密度估计强一致相合性的收敛速度

设 f_n 为基于核函数 K 和一列取值于d 维单位球面的独立同分布的随机变量上的非参数核密度估计. 该文通过经验过程的方法得到核密度估计强一致相合性的速度.     

Copula函数中参数的矩估计方法

Copula函数是将多维随机变量的联合分布和其边缘分布连接起来的一种函数.关于Copula函数的理论和应用已有不同深度的研究,特别是Copula函数中未知参数的估计问题.本文研究了Gumbel Copula函数的参数估计,提出了矩估计和近似矩估计两种方法,分别得到了未知参数的估计结果,并通过模拟研究对这两种方法进行了比较,结果显示矩估计方法更为合理.     

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

稳健的惩罚经验似然方法及压缩估计

本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber函数和权重函数,将经验似然方法和稳健估计方程相结合,再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.     

指数分布卷积形式参数的估计

本文研究指数分布卷积形式参数的点估计，区间估计以及经验分布函数与分布函数最大偏差的概率估计．     

指数分布卷积形式参数的估计

本研究指数分布卷积形式参数的点估计，区间估计以及经验分布函数与分布函数最大偏差的概率估计。