伽玛核在正序列数据及股票收益率波动概率密度估计中的应用

应用伽玛核密度估计方法,对正的序列数据进行模拟与实证研究,可避免边界问题。伽玛核灵活性很强,可以随着要估计的位置不同而分配不同的权重。比较伽玛核密度估计与高斯核密度估计的分布,并将这种估计方法运用于纺织和医药两大板块股票收益率波动的实证分析,结果说明:采用伽玛核估计可以很好地避免传统高斯核估计的边界偏差问题,提高了非参数理论对于正序列数据分析的精确度。