基于跳聚集现象随机波动率短期利率模型的影响研究

构建了具有自我激励机制跳的随机波动率短期利率模型,应用Hawkes过程描述自我激励机制的跳,从而刻画了跳的聚集现象。基于微分算子展开给出精确的矩函数,进一步应用广义矩方法给出模型的参数估计值和统计推断。实证结果揭示了在随机波动模型条件下,引入自我激励机制跳的模型将不会明显地改变了拟合效果,但是在统计意义上接受强度满足Hawkes过程,而且所构建的模型也能很好地刻画跳的聚集现象。最后,使用过滤方法给出随机波动率、跳的幅度、跳的概率和随机跳强度的估计,特别是跳的概率估计值可作为市场压力测试的一个重要指标。

联合比估计法在敏感性问题调查中的应用

文章基于定性特征敏感性随机化模型——分层抽样下的Warner模型,运用联合比估计法对敏感性问题调查比例的估计量及估计误差进行了理论推导。通过效率比较得出:当各层样本量较大、比估计有效时,联合比估计法的精度优于分层估计法的精度。经调查实例验证,上述结论正确。

导弹命中精度的序贯截尾概率圆检验方法

针对圆概率偏差检验难以直接计算的问题,提出序贯截尾概率圆检验方法,以目标点为中心,绘制两个同心圆,其中小圆以内区域为接受域,大圆以外区域为拒绝域,中间区域为继续试验域,在此基础上定义了序贯检验的基本决策规则,给出了双方风险及平均试验次数计算模型,提出了两种不同的决策阈值优化计算模型,通过求解优化问题确定接受域及拒绝域半径。利用数值仿真分析了两种不同决策阈值计算方法下检验方案中的各类参数,其中以平均试验次数最小为优化目标的计算模型具有更好的工程实用性。

多元广义线性模型经验似然方法分析

针对多元广义线性模型,基于估计相关阵、广义估计方程和经验似然方法,本文构造出经验似然比统计量,此统计量能克服“工作相关阵”方法的误设定问题.在一定的条件下,本文也获得了经验似然比统计量渐近Wilks性质,该结果可用作未知参数向量置信域的构造.最后,通过数值模拟对所提方法的有效性进行验证.

不可忽略的无响应缺失下的协变量选择

本文旨在建立一个存在不可忽略的无响应缺失时高维协变量向量的协变量选择方法.由于有不可忽略的缺失响应数据,必须建立一种新的协变量选择方法来删除既与响应变量也与缺失机制无关的协变量.一旦冗余协变量被删除,现有的缺失机制估计和其他基于逆缺失机制加权的分析方法可以被应用.我们提供了一些模拟结果来展示我们方法的有效性.

众数回归提升树模型构建及应用

众数回归模型估计的是在给定解释变量条件下响应变量的条件众数,而不是一般意义上的条件均值,因此可以揭示一般回归方法遗漏的重要结构。文章基于众数回归模型和提升回归树模型,提出了一个新的非参数众数回归模型:众数回归提升树(MRBT)模型。该模型一方面可以解决含有多元解释变量的非参数众数回归问题,另一方面采用Boosting技术解决了众数回归树模型预测性能差的问题。数值模拟和应用研究的结果表明:在任何分布中,MRBT模型显著优于线性众数回归和众数回归树模型;在数据呈对称分布时,MRBT模型与中位数回归提升树和均值回归提升树模型的表现相同;但在数据呈非对称分布或具有异常值时,MRBT模型显著优于中位数回归提升树和均值回归提升树模型。

财政政策、货币政策与高质量就业——基于TVP-SV-VAR模型的动态分析

更加充分、更高质量的就业是实现经济高质量发展的应有之义。文章采用中国2000—2021年的季度时间序列数据,基于时变参数向量自回归(TVP-SV-VAR)模型,实证检验财政政策与货币政策对就业质量的时变及动态影响。研究发现:落实减税降费政策、优化财政支出结构在短期和中长期均有效地促进了高质量就业。面对国际金融危机冲击时,财政政策在短期内实现了对就业质量的保障,而在长期内政策效果受到削弱,这说明高质量就业的实现并非“斯须之作”。数量型货币政策对就业质量的调节作用较为平稳,其影响具有滞后性,而价格型工具更能有效熨平外部冲击对就业质量的影响。相较货币政策,财政政策对就业质量的调控具有更强的拉动作用与抗冲击能力。

两维异质性面板分位数模型的双惩罚回归方法

文章关注系数具有两维异质性结构的面板分位数模型,基于SCAD惩罚函数和MCP惩罚函数提出双惩罚最小加权绝对偏差目标函数,同时进行参数估计和两维异质性结构识别。利用ADMM算法求解目标函数,并使用BIC信息准则通过网格搜索选择最优调节参数。根据蒙特卡洛模拟结果验证了所提方法的有限样本性质,最后使用实际数据检验了其应用效果。研究结果表明:所提出的方法能够准确识别两维异质性结构,并且Post估计量的参数估计精确度接近于Oracle估计量。

纵向多分类数据的广义估计方程分析

广义估计方程(GEE)是分析纵向数据的常用方法.如果响应变量的维数是一,XIE和YANG(2003)及WANG(2011)分别研究了协变量维数是固定的和协变量维数趋于无穷时,GEE估计的渐近性质.本文研究纵向多分类数据(multicategorical data)的GEE建模和GEE估计的渐近性质.当数据的分类数大于二时,响应变量的维数大于一,所以推广了文献的相关结果.

基于特征样本的变参数模型估计方法研究

文章基于特征样本采样方法,通过对特征样本的重新组合,设计了一种新的变参数模型估计方法,实现经济社会问题中小样本情况下的变参数估计。该方法根据采样顺序将特征样本重组为时间序列各期的样本,通过分期回归实现各期的变参数估计,并对估计结果进行显著性和拟合度检验。该方法简便易行,且符合贝叶斯原理和蒙特卡罗原理,为变参数模型的估计提供了一种新的思路。

非参数可加模型的迭代自适应稳健变量选择

本文结合稳健损失函数、B样条逼近和自适应组Lasso研究一个高维可加模型,以识别“大p小n”下的不显著协变量.与传统的最小二乘自适应组Lasso相比,该方法具有较好的抵消重尾误差和异常值的影响.为证明方便,本文进一步考虑了更一般的加权稳健组Lasso估计,且该权向量对所建议的估计量具有模型选择oracle性质和渐近正态性的证明中起着关键作用.稳健组Lasso和自适应稳健组Lasso可以看作是加权稳健组Lasso在不同权向量下的特殊情况.在实际应用中,我们使用稳健组Lasso获得初始估计以降低问题的维数,然后使用迭代自适应稳健组Lasso选择非零分量.数值结果表明,所提出的方法对中等规模的样本具有良好的适用性.高维基因TRIM32数据验证了该方法的应用.

计数标准型一次抽样检验方案设计方法探讨——兼议GB/T 13262—2008改进问题

GB/T 13262—2008是不合格品率的计数标准型一次抽样检查程序及抽样表,是一种针对大批量孤立批产品进行计数的两点型一次抽样检验,该标准对于抽样方案的确定方法繁琐、粗略,所获抽样方案存在不满足抽样原理的情况,抽样表限定生产方风险为0.05,使用方风险为0.1,不能满足人们的多样化需求。

基于贝叶斯估计的空间函数型自回归模型及其应用

目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。

县域旅游目的地竞争力评价模型构建

以欠发达区的地级市、区和县为样本,构建指标体系,探索建立旅游目的地竞争力模型.通过实证分析,证明模型的可行性,进而利用模型对该地区旅游目的地竞争力进行评价分析,为该地区旅游事业发展提供建议.

基于逻辑回归的个人信用评分卡模型研究

构建有效的个人信用风险评价系统,用以应对潜在的个人信贷风险,这对金融行业和社会公众皆有重要的现实意义。文章首先对数据进行清洗、预处理,然后通过WOE编码分箱、IV值进行变量筛选,构建了逻辑回归模型并基于逻辑回归模型建立了个人信用评分卡模型,该模型可辅助决策者制定合理的授信政策、定价策略以及其他相关业务运营策略。

随机变量极值函数的分布及数字特征

讨论了服从几何分布和指数分布的二维随机变量极值函数分布及数字特征等相关问题.除了都具有无记忆特性,服从几何分布和指数分布的随机变量的极值函数也具有分布结构相似的特点.给出二维随机变量的极值函数的期望和方差的计算公式,并且和协方差的定义做了比较.

偏倚抽样问题的选择性评论及其在现代统计学中的应用

偏倚抽样是一个普遍存在的问题,跨越各个学科领域,影响着计量经济学、流行病学、医学、调查研究,以及最近的机器学习和人工智能(AI)等领域.当选择用于分析或研究的数据点引入系统性偏倚时,这种无处不在的挑战可能会影响研究结果的准确性和可靠性.本文的目标是全面介绍与偏倚抽样问题相关的基础概念和推理方法.此外,我们还旨在建立偏倚抽样问题与机器学习中关于分布转移问题的最新讨论之间的联系.我们还将深入探讨偏倚抽样的最新进展,特别是在转移学习和预测置信区间的符合推理方面.我们的最终目标是以一种对研究生易于理解的方式呈现这些材料,使他们能够在自己的研究工作中识别偏倚抽样问题的应用.我们怀着深深的敬意和感激之情,将本文献给已故的茆诗松教授,他多年来的指导和智慧对我们至关重要.

偏正态条件下多元线性回归模型的统计推断及其应用

本文考虑带偏正态随机项多元线性回归模型的统计推断问题.基于最大似然方法,本文所做的工作如下:1)证明了参数最大似然估计在n≥p+1条件下以概率1存在唯一;2)在唯一性条件下给出参数估计的一致性结论;3)在一致性的条件下研究了参数的渐近性质,给出参数的渐近分布.最后通过数值模拟说明了所提理论和方法的有效性.实例表明模型参数估计的渐近分布具有实际意义.

基于最小距离法的稳健群组变量选择

在研究存在异常值的logistic回归模型时,发现如果使用极大似然估计(MLE)方法进行参数估计,那么异常值引起的偏差不是造成参数估计过大而是导致参数向量内爆即参数向量收缩为零向量,此时如果进行群组变量选择很可能会忽略一些重要变量.因此针对具有组结构的logistic回归模型,为处理解释变量存在异常值时的群组变量选择问题,将基于最小距离法的稳健估计(L_(2)E)方法与已有的3种群组变量选择方法和3种双层变量选择方法结合,在此基础上利用Majorization-Minimization(MM)算法对目标函数进行求解.通过数值模拟比较了基于L_(2)E方法和MLE方法在模型具有组稀疏和双层稀疏的情况下,6种变量选择方法在不同维数下的有限样本表现,结果不仅验证了L_(2)E方法在存在异常值的logistic回归模型参数估计中的稳健性,而且指出了在这6种变量选择方法中使用Group Bridge方法进行变量选择的准确度更高.

偏态分布截断参数的经验Bayes检验

偏态分布是对称分布的一种推广,在实际生活中应用广泛,其中截断参数对界定偏态分布的边界具有重要意义.文中基于经验Bayes检验方法,研究了偏态分布截断参数的假设检验问题.考虑普通Bayes检验中先验密度的未知性和不确定性,利用递归核估计的密度函数代替未知的先验密度函数.定义检验的加权线性损失函数,从而更好地刻画了决策风险.在给定条件下证明了所提出检验函数的渐近最优性,同时给出确定的收敛速度.最后通过实例验证了文中的理论结果.