基于POT模型的风险价值估计

绝大多数风险价值的计算方法都将正态分布作为最基本的假设前提 ,然而大量的实证研究表明 ,金融回报序列往往呈现出明显的尖峰厚尾特性 ,这使得在正态分布假设下所计算出的风险价值常常会低估实际风险。其原因在于正态分布假设不能很好的体现回报分布的尾部特征。文章尝试引入 POT( Peak OverThreshold)模型来克服正态分布的这一缺陷 。

一种无线定位中NLOS误差抑制算法

为克服非视距传播带来的定位误差,提出了非视距误差的窗函数补偿法．通过测量p个采样点的均方根延迟计算平均超量延迟,实现窗长为p的非视距误差的窗函数补偿法．相对最优化方法,该算法的计算量明显减少;相对单点补偿法,该算法的精度明显提高．对移动台处于3种不同位置的情况进行了仿真分析,结果表明,该算法具有较高的定位精度．

基于中国地震的损失模型(英文)

对损失分布的估计一直是保险公司的重要问题. 有多种参数方法以及非参数方法拟合损失分布. 本文作者提出了结合参数和非参数的方法来解决损失分布拟合问题. 首先通过超额均值图确定大小损失之间的阈限,再利用广义Pareto分布拟合阈值以上损失, 转换后的核密度估计拟合阈值以下损失. 最后, 通过实证分析将该方法和其他方法进行了误差分析比较, 取得了理想的结果.

基于广义Pareto分布的洪水频率分析

基于广义Pareto分布理论,深入探讨洪水序列超阈值分布的阈值选择和超定量样本的适用性检验。使用分块抽样方法和经验平均超过函数选择洪水阈值,检验不同洪水超定量的泊松分布、GPD模型的Anderson-Darling检验和超定量样本分布的拟合优度指标。以广东省西江流域高要水文站测量的日流量序列为例,将最优GPD、GEV和P-Ⅲ型模型推算的洪水重现水平做了对比分析,获得以下结论:①超限量洪水GPD模型的确定是一动态择优过程,需要根据多个检验指标加以确定;②洪水极值分布有可能属于具有上限的短尾型分布;③经验平均超过函数图可作为选择洪水GPD阈值的重要参考,但最佳阈值应采用多种指标综合确定;④构建的洪水GPD模型普遍优于GEV和P-Ⅲ型。

关于上海股市收益厚尾性的实证研究

对股市收益厚尾性进行了研究 ,基于极值理论利用高限峰值法 POT( Peak Over Threshold)方法以样本平均超限 ( The Sample Mean Excess Function)函数为工具 ,通过 GPD( Generalized ParetoDistrbution)模型 ,对股市收益分布尾部进行拟合探讨 ,由此给出股市收益分布尾部估计 。