加权分布模型测算个股VaR

本文在同时考虑企业的个性风险和企业将受到整个国家宏观经济形势影响的共性风险的基础上,用一种新的思路定权数,提出了用加权分布测算个股VaR的模型。并以在深圳股市上市的四家企业的股票收益率做实证分析和模型检验。结果表明:加权分布提高了原来的假设收益率分布服从单一分布下测量VaR的准确度,尤其对于个性风险较强的企业而言,加权分布模型是一种形式简单,而又较为精确的模型。     

异质性、自选择偏差和教育收益率

采用广义选择修正法,在考虑异质性和自选择偏差问题基础之上,结合最新的调查数据,评估了我国2006年高等教育收益率,并与传统模型下的研究结果进行了比较.同时还分析了其他非实验数据效应评估模型在本文的适用性.研究结果表明,随着经济改革深化和劳动市场的完善,2006年的高等教育收益率较之前有了显著的提高.另外,还发现可观察的异质性不明显,但不可观察的异质性和自选择偏差选择显著存在,且人们会根据自己的比较优势选择是否接受高等教育.     

U-统计量投影残差的指数收敛速度及其应用(英文)

本文研究了一样本U-统计量投影残差的收敛速度,在核函数有界及某种意义下的指数型有界时,本文得到了一些指数收敛速度,最后,利为上述结果的应用,本文还研究了刻度参数的变点问题.     

LOCAL LIKELIHOOD METHOD IN THE PROBLEMS RELATED TO CHANGE POINTS

In this paper, the so-called local likelihood method is suggested for solving thechange point problems when the data are distributed as multivariate normal. Thedetection procedures proposed not only provide strongly eonsistent estimates for thenumber and locations of the change points, but also simplify significantly thecomputation.     

U-统计量正态逼近的非一致收敛速度

由于该定理证明比较复杂,我们打算把它分解为若干引理来证明,为了行文方便起见,我们作如下规定:1)以下 c 表示绝对正常数,θ表示绝对值小于1的复数或复值随机变量,同一表达式中 c,θ也不必表示相同的常数或随机变量。     

线性模型误差方差估计中心极限定理余项的非一致估计

<正> 以 F_n(x)和φ(x)分别记((?)_n~2-σ~2)/(?)和标准正态随机变量的分布函数.关于 F_n(x)收敛于φ(x)的速度问题,一直是人们关心的问题.文献[1],[2]证明了δ=1时的一致和非一致收敛速度的估计问题,达到了与独立和同样好的界限.本文则证明了如下的结果:     

作弊因素的统计分析

针对目前高校校园里大学生的作弊问题,本文通过对调查问卷的统计分析对其原因进行了分析。通过对名义数据和有序数据的相关性分析,我们首先找出影响大学生作弊的因素。然后用逐步回归法和Logistic回归模型得出影响大学生作弊的主要因素。最后分析了性别和不同年级对作弊的影响,得出了许多意料之中和意料之外的答案。这些分析结果对如何进行大学生素质教育有一定的参考价值。     

多因素资产定价模型的统计分析

本以2000年沪市A股的股票作为研究对象，利用聚类分析将其分类并抽取部分作为样本，应用纲目数据统计分析方法，对下周收益率的影响因素作了Logistic回归，得出了股票的收益率具有短期反转的特点。     

ON DETECTION OF CHANGE POINTS USING MEAN VECTORS

In this paper,the authors consider the problem of change points within the framework of model selection and propose a procedure for estimating the locations of change points when the number of change points is known.The strong consistency of this procedure is also established. The problem of detecting change points is discussed within the framework of the simultaneous test procedure.The case where the number of change points is unknown will be discussed in another paper.     

一类非线性回归的近邻估计

一、引言设 X 和 Y 分别为 d 维与1维的随机变量,对 x∈R~d,以 F_x 记 Y|x 的分布.我们来考虑定义在 {F_x∶x∈R~d}上的泛函 (?)(x).当 (?)(x) 具有适当的形式时,(?)(x) 可以有一个无偏估计 g(Z_1,…,Z_k),这里 Z_1,…,Z_k 为独立且同服从于 F_x 的随机变量,比如在 Hoeffding U-统计量的场合.为方便计,我们仅考虑具有2维对称核的场合.