自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

自回归模型参数估计的Bootstrap逼近

本文将Bootstrap方法用于时间序列中自回归模型回归系数的最小二乘估计和误差方差的估计,建立了其分布的Bootstrap逼近的结果     

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.     

银行业如何影响房地产业?Copula分位数回归及预测方法

众所周知,房地产业与银行业是高度相关的,如何确定银行业股票收益率对房地产业股票收益率的影响以及如何根据银行业股票收益率预测房地产业股票收益率的波动是非常重要的问题。本文首先使用Copula分位数回归建立了银行业股票收益率对房地产业股票收益率的回归模型,并且给出了Copula分位数回归基础上的CopuIa选择新标准,即分位数损失函数距离意义下的Copula函数选择准则,依据该准则我们选取Clayton Copula分位数回归模型刻画了低迷时期银行业股票收益率如何影响房地产业股票收益率,并据此对房地产业股票收益率的波动进行了预测     

选择题的概率分析

本文针对目前考试中广泛采用的选择题的主要类型及评分标准,用概率方法分析随机精测对考试结果的影响,并为出试题人员制定合理的评分标准提供科学依据。     

基于M-H抽样算法的贝叶斯Probit分位回归模型研究

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明:贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

选择题的概率分析

本文针对目前考试中广泛采用的选择题的主要类型及评分标准,用概率方法分析随机猜测对考试结果的影响,并为出试题人员制定合理的评分标准提供科学依据。     

基于贝叶斯滤波的股指动态结构特征研究

针对股指波动所具有的动态结构信息特征,在状态空间建模理论的框架下,将服从Markov过程的潜在波动状态变量引入状态方程,同时在观测方程中考虑极值点的影响,构造出一类非高斯Markov随机波动状态空间模型。针对传统的MCMC方法对该类模型估计时效率低下的缺陷,设计了基于序贯Monte Carlo方法的贝叶斯滤波算法进行仿真分析,并且从算法效率和准确性方面对两种方法进行了比较。通过对沪深300股指波动的实证研究表明:对于一类非线性非高斯状态空间模型,贝叶斯滤波算法在保证估计精度的同时较MCMC方法更加有效率,能够有效刻画股指波动的动态结构特征。     

非线性回归模型参数估计量的随机展开及偏和方差的讨论

§1.引言 对于非线性回归模型y_t=f(x_t,θ)+ε_t, t=1,2,… (1.1) 若记 S(θ)=sum from t=1 to n([y_t-f(x_t,θ)]~2) (1.2) 则维数假定为p的参数向量θ的一个最小二乘估计量(简记为LSE)定义为满足下式的统计量(y):     

关于GI/G/1系统虚等待时间的收敛速度

排队论中极限定理的收敛速度是人们比较关心的问题,Kennedy用 Skorokhod嵌入法得出了一些量的收敛速度,但比较慢。本文利用对分布函数两边逼近的方法,在ρ=EV/EU≥1,EU~3<∞,EV~3<∞的假定下,得到了GI/G/1系统虚等待时间的收敛速度,改进了文[1]之相应结果。