基于非对称幂分布的中国开放式基金业绩评价和检验

证券投资基金是现代金融业的重要组成部分。随着基金业的迅速发展,证券投资基金已成为我国资本市场最大、最有影响力的机构投资者。目前,开放式基金的数量和规模已远远超过封闭式基金,因此,本文主要探讨开放式基金的业绩评价和排名。已有大量实证研究发现基金收益具有尖峰厚尾性、非对称性和强正相关性,基于此,本文使用非对称幂分布(Asymmetric Power Distribution,APD)来拟合基金收益率分布。不同于其它文献的是,我们主要着眼于Sharpe比率估计量SR,研究36只开放式基金实际日收益率下SR和基于APD标准差和VaR的修正SR,并使用双样本统计量对SR进行假设检验,结论证明了假设检验是显著的,且在基金排名和评价的应用中是非常可行的。     

工科“概率统计”教学中的几个问题（II）

讨论工科“概率统计”教学中有关数理统计的几个问题．在参数估计部分中,用举例的方法指出区间估计的“频率”解释不能令人满意．并讨论样本量与置信区间长度的关系;在假设检验部分中．指出“接受零假设”的提法不妥,通过一个例子讨论如何选择零假设．     

多相码雷达信号调制方式识别的似然方法

研究了多相码雷达信号的识别算法,建立了基于似然函数的多相码信号分类准则,并给出具体的实现步骤.首先估计接收信号的载频、幅度和码元宽度;然后利用多相码信号的时宽和码元宽度已知的条件下可以确定相位调制规律的特点,构造本地参考信号;接着构造假设检验,把对数似然函数的输出与门限进行比较,如果输出大于且只大于某一种多相码信号的门限,则判接收信号为该多相码信号,否则判为未知信号.仿真表明该算法可以在低信噪比条件下对多相码信号进行识别.     

两均匀分布总体参数之比的估计

给出了两均匀分布的最大次序统计量的密度函数,并讨论了两均匀分布参数之比的通常区间估计、最短区间估计及假设检验方法.最后,根据实例求出了这两种区间估计及其区间长度,并得出了相应的结论.     

论假设检验中的两类错误

蔡越江．论假设检验中的两类错误．本文从假设检验的两个例子谈起,指出备择假设也是影响接区域的。接着论述了假设检验中的两类错误之间的关系。最后讨论如何同时控制两类错误。     

假设检验在HUD显示精度测试中的应用

传统HUD显示精度测试固定选取少量测试点,试验结果无超差时判断合格,无法证明是否满足总体要求,因此需对该方案进行改进。采用数理统计中的推断性统计理论,结合HUD视场特点,设计一种简单随机抽样模型,进行抽样测试,再基于样本试验结果对总体要求进行推断。首先,采用简单随机抽样理论,设计了满足均匀分布的随机样本模型;然后,采用假设检验理论,研究出显示精度决策流程,确定显示精度超差数、最低样本容量和最大允许超差数之间的关系;最后设计了验证方案,试验结果证明了改进方案的合理性。该改进方案可同时兼顾生产方和使用方风险。     

高斯和非高斯平稳时间序列记忆参数的经验似然检验

本文将经验似然方法运用于高斯的和非高斯的平稳时间序列的长记忆性检验.我们从常用的长记忆模型(ARFIMA)出发,建立了记忆参数的经验似然比检验统计量.从理论上证明了所给的经验似然比渐近服从卡方分布,通过数值模拟和实例分析验证了所给的检验方法对于平稳的ARFIMA模型的长记忆参数检验的有效性.     

关于K个复相关矩阵相等的检验

§ 1.Ｉｎｔｒｏｄｕｃｔｉｏｎ　ＷｅａｒｅｇｉｖｅｎｋｉｎｄｅｐｅｎｄｅｎｔＷｉｓｈａｒｔｄｅｎｓｉｔｉｅｓｏｆｔｈｅ (ｐ +ｑ)× (ｐ +ｑ)ｒａｎｄｏｍｓｙｍｍｅｔｒｉｃｐｏｓｉｔｉｖｅｄｅｆｉｎｉｔｅｍａｔｒｉｃｅｓＧ1,… ,Ｇｋｔｏｂｅｇ(Ｇｉ) =Ｋｅｘｐ -12 ｔｒＲ- 1ｉ Ｇｉ Ｇｉ12 (ｎｉ- ｑ-ｐ- 1) ,(1 )ｗｈｅｒｅｉ=1 ,… ,ｋ,ａｎｄＲｉｄｅｎｏｔｅｓｔｈｅｐｏｐｕｌａｔｉｏｎｃｏｒｒｅｌａｔｉｏｎｍａｔｒｉｘｏｆｔｈｅｉ ｔｈｐｏｐｕｌａｔｉｏｎａｎｄＫａｓａｇｅｎｅｒｉｃｌｅｔｔｅｒｄｅｎｏｔｅ…     

高维分层混合模糊系统的规则缩减及逼近性假设检验

混合模糊系统,即通过调控参数将Mamdani和T-S合并建立的一种新型系统模型.混合模糊系统不仅能保持各自模糊系统的优良特性,还可大大缩减系统内部的模糊规则总数.为避免因增加输入变量引发高维混合模糊系统规则爆炸,基于混合模糊系统的分层表示,给出了分层混合模糊系统对连续函数的逼近算法.对比发现,高维分层混合模糊系统的规则总数可被大幅度削减.此外,通过实例模拟了一个三维混合模糊系统分层后的实际输出,并用统计学的t-假设检验方法检验了该分层混合模糊系统的逼近性能.     

置信区间与假设检验关系中的一个误区

本文以Kappa系数和两总体率差值检验为例,说明一般的假设检验法与用置信区间作检验是不相同的。其根源在于两者的标准误估计是不同的:与假设检验法不同的是,在求置信区间时,计算标准误时不需要假定H0成立。即零假设被否定后,不应该再用假设检验中的标准误去代替置信区间中的标准误。