FM interference suppression for PRC-CW radar based on adaptive STFT and time-varying filtering

The influence of frequency modulation （FM） interfer- ence on correlation detection performance of the pseudo random code continuous wave （PRC-CW） radar is analyzed. It is found that the correlation output deteriorates greatly when the FM inter- ference power exceeds the anti-jamming limit of the radar. Accord- ing to the fact that the PRC-CW radar echo is a wideband pseudo random signal occupying the whole TF plane, while the FM in- terference only concentrates in a small portion, a new method is proposed based on adaptive short-time Fourier transform （STFT） and time-varying filtering for FM interference suppression. This method filters the received signal by using a binary mask to excise only the portion of the TF plane corrupted by the interference. Two types of interference, linear FM （LFM） and sinusoidal FM （SFM）, under different signal-to-jamming ratio （S JR） are studied. It is shown that the proposed method can effectively suppress the FM interference and improve the performance of target detection.

基于时变传染网络和分位数Granger因果检验的系统性风险传染研究

基于18个经济体760家金融机构SRISK系统性风险数据,采用时变参数向量自回归模型和广义方差分解法测度全球系统性风险的时变传染网络,进而采用分位数Granger因果检验考察各经济体对中国高分位段系统性风险的影响。研究结果表明,结合SRISK数据和时变传染网络能有效识别重大风险事件的发生;发达和新兴经济体均会产生风险净输出效应,且会通过直接输出或香港地区间接输出风险至中国内地;在全样本与2008年金融危机、欧债危机、中美贸易战和新冠疫情重大风险事件期间,中国皆为风险净溢入国且新冠疫情期间溢入效应达历史最高;美英两国在重大风险事件期间均对中国高分位段系统性风险产生显著影响,新冠疫情期间中国高分位段系统性风险遭受外部冲击的形势最为严峻。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

金融时间序列系统风险度量:动态二元Dvine模型

在金融市场中,对金融资产的尾部风险的精准度量一直是研究者关注的焦点。本文提出了一个新的二元时间序列模型,用来计算和预测金融资产的在险价值(VaR)和条件在险价值(CoVaR)。该模型可以同时捕捉二元时间序列中存在的序列相关性和横截面相关性,从而提高估计和预测的精度。本文在模型推导中给出了该二元时间序列模型的参数估计值,并且基于plug-in方法给出了VaR和CoVaR的估计值。还建立了Dvine模型估计量的渐近性质。对金融股价的实证分析表明我们的模型在风险度量和预测方面表现良好。

广义分位数的渐近性质

Bellini等人提出了广义分位数并研究了其基本性质,特别针对重尾分布分析了期望分位数与一般分位数的渐近关系.本文在假设广义分位数为正规变化函数的基础上,研究广义分位数与一般分位数的渐近关系.

基于变系数分位点回归的金砖四国金融稳定分析

金融不稳定性累积到一定程度就会引发金融危机,而新兴市场作为世界经济发展的重要增长点,同时也是金融危机爆发的重灾区.因此,新兴市场金融稳定性的研究至关重要.本文基于新兴市场代表国家——金砖四国(中国,俄罗斯,印度,巴西)的主要综合股指对金融稳定性进行了实证研究.与传统金融稳定性的研究方法不同,本文考虑系统性冲击在正常和极端市场下对不同国家金融市场的影响.首先应用分位数回归模型对金砖四国的金融稳定性进行检验,进而基于变系数分位数模型研究系统性冲击对金融市场稳定性的影响随时间变化的趋势,对金融稳定性进行了时变分析.实证结果表明,金砖四国都具有某种程度的金融不稳定性,近期中国和巴西在5%分位点处的金融不稳定性受系统性冲击的影响相对于印度和俄罗斯更加剧烈.

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.

空间半参数变系数部分线性分位数回归中的B-样条估计法

利用B-样条函数提出了一种一步估计法,用以估计空间半参数变系数部分线性分位数回归中的未知参数和函数,所有未知参数和函数的估计量由一次极小化得到。推导了未知参数估计量的渐近分布,建立了未知系数函数估计量的收敛速度。通过Monte Carlo模拟研究了估计量的有限样本性质。

分位数变系数模型基于核光滑的变量选择(英文)

分位数变系数模型是一种稳健的非参数建模方法.使用变系数模型分析数据时,一个自然的问题是如何同时选择重要变量和从重要变量中识别常数效应变量.本文基于分位数方法研究具有稳健和有效性的估计和变量选择程序.利用局部光滑和自适应组变量选择方法,并对分位数损失函数施加双惩罚,我们获得了惩罚估计.通过BIC准则合适地选择调节参数,提出的变量选择方法具有oracle理论性质,并通过模拟研究和脂肪实例数据分析来说明新方法的有用性.数值结果表明,在不需要知道关于变量和误差分布的任何信息前提下,本文提出的方法能够识别不重要变量同时能区分出常数效应变量.

变系数模型的局部加权组合分位数估计

变系数模型是经典线性模型的推广,它以更加灵活的形式来模拟变量间的非线性关系.采用局部加权组合分位数方法来估计模型的系数函数.推导出估计量的局部Bahadur表示以及渐近正态性.构造一个二次规划,给出了最优权重的选择方法.对于非正态误差分布,理论分析和数值模拟表明局部加权组合分位数比局部最小二乘估计有更高的效率;而对于正态误差分布,局部加权组合分位数与局部最小二乘估计有着几乎同样的效率.通过Monte Carlo模拟和实证分析,检验估计量的有限样本性质,结果与理论相一致.

变系数模型的局部组合分位数估计

变系数模型推广了经典的线性模型,能灵活描绘变量间的非线性和交互性特征.考虑跨越一系列分位点的变系数模型的稳健估计,采用局部组合分位数回归方法,给出了该模型估计的局部Bahadur表示和渐近正态分布性质.证明了所得的估计量能够满足非参数收敛率要求.同时,模型计算容易执行且不需要指定误差分布的具体形式.进而推导了最优窗宽的表达式并提供了一个基于分位数交叉核实准则的窗宽选择方法.通过Monte Carlo模拟,检验了局部组合分位数估计变系数模型的有限样本性质.

基于变系数模型的自适应分位回归方法

提出了变系数模型条件分位估计的一种新方法.变系数模型已经成为经济学、流行病学、纵向数据和医学领域处理高维数据的有力工具.该模型有助于探测数据的动态特征、降低模型偏差、避免高维灾难,同时便于解释.尽管关于变系数模型条件均值的估计已经有很多文章,但关于变系数模型条件分位的估计方面的文章相对较少.文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域,进行局部自适应窗宽选择和局部线性逼近,同时给出了估计量的风险界和最优窗宽的自动选择准则.模拟研究说明了所提出估计方法的效果.

基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法

随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获取相同用电行为的用户负荷曲线。然后采用变分位鲁棒极限学习机对不同类负荷曲线分别建立预测模型,最后叠加单个的预测值形成最终的预测结果。通过设定不同的分位值来模拟不同的预测场景,以此得到所有可能性的预测值,即实现变分位-多场景的VQR-ORELM灵活预测。为验证所提方法的有效性,采用2个实际案例进行仿真分析。结果表明,相对于支持向量机、BP神经网络、极限学习机模型、鲁棒极限学习机模型,所提模型在聚类前后预测精度始终最高,进一步验证了所提方法的优越性和灵活性。通过k-means聚类后,所有模型预测性能都有较大提高。

协变量缺失下变系数模型基于经验似然的加权分位数回归

在部分协变量随机缺失的变系数分位数回归模型中,提出回归参数的逆概率加权估计和基于经验似然的加权估计,并讨论了这两种估计的大样本性质.从渐近方差可见,基于经验似然的加权估计效率高于逆概率加权估计.

一类分布之大分位数及尾端点之估计(英文)

X1,X2,…,Xn为独立同分布序列,公共分布函数F(x)属于吸引场Gγ(γ∈R)之一.在一定的条件下,给出了F(x)的大分位数估计量及其渐近分布.当γ<0时,在二阶正规变化条件下给出F(x)的尾端点的估计量及其渐近分布.两种情形下均可得到对应参数的渐近置信区间.

指示变量随机缺失下变系数模型的分位数回归

本文研究了删失数据以及删失指示量随机缺失情况下部分线性变系数模型的参数估计问题。对非参数部分采用B样条近似,对缺失的指示变量运用极大似然估计,结合分位数回归,得到了参数估计的渐近正态性质和非参数部分的收敛速度。蒙特卡洛模拟和实例分析表明,所提出的方法可以有效处理此类存在缺失的数据,获得有意义的结果。

变系数分位数回归模型的贝叶斯推断

主要考察一种基于非对称Laplace分布的变系数分位数回归模型,并利用可逆跳的MCMC算法来估计了变系数函数。这种估计方法充分考虑了每一个变系数函数的差异性,允许不同的系数函数有不同的节点个数和位置。本文最后以具有典型性的波士顿房价作为变系数分位数回归的贝叶斯估计的例子,说明了该模型在现实问题中应用的合理性。

中国城市数字普惠金融发展的分位数动态收敛研究

基于中国数字普惠金融指数2011—2019年地级市层面的面板数据,运用核密度估计探究城市数字普惠金融及其子维度发展的分布动态,构建q-σ收敛模型来测度数字普惠金融发展在不同分位下的q-σ收敛趋势。同时,引入具有因子结构的面板时变分位数回归模型检验其在不同分位水平下的动态收敛特征,该模型通过包含时间与个体效应乘积形式的高维交互项来描述共同因素对不同个体的冲击差异,有效降低了模型的设定误偏和遗漏变量误差。研究发现,城市数字普惠金融及其子维度发展趋于明显上升,绝对差异有所减小,但在后期存在微弱扩大的趋势。城市数字普惠金融及其子维度的发展呈现出显著的动态q-σ收敛,其中q-σ收敛系数在同一年份中从低分位到高分位均呈现出U型曲线模式,即中分位处的动态q-σ收敛趋势要明显强于低分位和高分位处。进一步,城市数字普惠金融及其子维度的发展呈现出显著的动态绝对q-β收敛和动态条件q-β收敛,且相比于动态绝对q-β收敛来说,动态条件q-β收敛有更强的收敛效应。此外,数字普惠金融指数、数字金融覆盖广度指数和数字金融使用深度指数在不同分位水平下具有收敛异质性,高分位处的动态绝对q-β收敛和动态条件q-β收敛特征要明显强于低分位处。这些发现不仅为中国城市数字普惠金融的区域协同发展和双循环新发展格局的构建提供依据,也为政策制定者及时调整有效服务实体经济的数字普惠金融发展战略提供参考。

监事会特征的优化能否稳健提升企业经营效率?——来自沪深两市上市公司的证据

为探究监事会特征对公司业绩的影响,制定科学合理的策略,提高公司治理能力,本文利用2007—2017年沪深两市全部上市公司数据,引入年龄、性别、学历水平、处罚次数等变量,通过构建固定效应模型、分位数回归模型及变指标系数模型,从不同角度全面分析监事会与公司业绩的关系。研究发现:女性人数占比、股东监事人数与监事平均薪酬的增加将显著提升公司业绩,这种正向作用在资产规模大、经营状况好的公司中更加凸显。平均任期、惩罚次数与监事规模的扩大降低了公司业绩。随着公司业绩的提高,监事会的影响程度呈下降趋势。本文为调整监事会规模和结构、强化公司内部监督效力、从而提高公司业绩提供了参考和依据。