股票波动率的高频率数据估计及实证分析

用分类方法，直接采用高频率数据来估计股票市场普通个股风险(总波动率)三个组成部分：整个市场水平波动率、特定行业水平波动率和特定厂商水平波动率，对中国股票市场进行了实证分析。     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

Copula函数的参数估计

Copula理论在统计及金融分析中有着广泛的应用。在利用Copula理论对多元分布函数进行建模时,其中一个关键问题是如何估计Copula函数中的参数。文章通过例子对Copula函数中的参数估计问题进行了探讨。     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

基于纵向数据的半参数变系数部分线性回归模型

纵向数据是数理统计研究中的复杂数据类型之一0,在生物、医学和经济学中具有广泛的应用．在实际中经常需要对纵向数据进行统计分析和建模．文章讨论了纵向数据下的半参数变系数部分线性回归模型,这里的纵向数据的在纵向观察在时间上可以是不均等的,也可看成是按某一随机过程来发生．所研究的半参数变系数模型包括了许多半参数模型,比如部分线性模型和变系数模型等．利用计数过程理论和局部线性回归方法,对于纵向数据下半参数变系数进行了统计推断,给出了参数分量和非参数分量的profile最小二乘估计,研究了这些估计的渐近性质,获得这些估计的相合性和渐近正态性．     

基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

基于删失数据的变系数模型的小波估计

研究了删失数据下的变系数模型．由于数据删失,常用的统计方法不能直接应用于此模型．首先利用一种变换方法对响应变量观测值进行条件无偏修正;然后,正如完全数据一样,利用小波方法,给出了系数函数的小波估计．在关于系数函数光滑性的较弱的假设条件下建立了该估计的渐近正态性．     

一种新的金融风险度量——状态价格密度

传统的金融风险度量，如方差、变异系数、市场风险β，VaR等均为纯统计意义下的度量．虽然它们在一定程度上能够刻划金融风险的不确定性这一重要特征，但却忽略了这种不确定性后面的经济价值．在Ait—Sahalia和Lo工作的基础上，给出了一种新的金融风险度量——状态价格密度(SPD)．通过局部多项式方法给出了SPD的非参数估计，获得了SPD估计的偏差和方差的精确表达式以及SPD估计的收敛速度．     

删失数据下的半参数变系数部分线性回归模型

为了分析删失数据,该文考虑变系数部分线性模型,此模型允许协变量对响应变量存在非线性影响.响应变量与协变量之间关系的统计模型通过线性结构来拟合是非常重要而且有益.对于删失数据,常用的统计方法不能直接应用于此模型.该文首先提出一类数据变换用以建立无偏条件期望.然后利用profile最小二乘方法,给出了模型中参数分量和非参数分量的profile最小二乘估计,并建立了这些估计的渐近正态性.最后通过数值例子来说明该文所提出的方法的有效性.