秩回归模型用BIC建模的相容性及应用

文[1]提出秩和回归模型预测方法,本文研究用BIC准则选择秩回归变量的相容性问题和建模原则,给出具体的模型设计方法,并在气象预测应用中效果良好。

面向判别性低秩回归模型的优化模型方法研究

针对传统的回归模型方法忽略标签信息,提出一种优化模型的判别性低秩回归模型方法.首先,通过预先设置模型目标矩阵,结合局部优化和全局优化的方式改进损失函数;然后利用增广拉格朗日方法求解目标函数,在求解函数的基础上得到新的模型目标矩阵,并通过线性回归模型计算最终的映射矩阵;最后通过实验验证了所提方法的有效性.实验结果表明,与其他几种低秩回归模型方法相比,提出算法的识别率最高.

基于硬阈值惩罚函数的高维降秩回归

为了解决多元回归问题中高维数据的复共线性,有一种方法是构造惩罚函数,来对估计矩阵的秩进行约束,它被称为降秩回归.为了得到更精确的估计,这里考虑用硬阈值函数做奇异值惩罚函数.通过局部线性近似方法,将原本的估计转换为可计算的模型.这个新的模型是可计算的且是连续的.在模拟和真实的数据集上与其他的模型进行实验比较分析,结果表明,这种估计在大部分情况下比一些常用的降秩估计拥有更高的精度.

内生竞争标尺、空间秩次自回归与基金业绩排名竞赛

已有文献普遍借助于空间计量模型来检验标尺竞争理论。本文指出,传统上基于外生空间权重矩阵的空间回归模型并不适合刻画当竞争标尺是内生决定的情形。为此,本文首次建立一类命名为空间秩次自回归（spatial rank-order auto-regression,SRAR）的模型来考察截面上的内生标尺竞争效应。P（1）阶SRAR模型表现了截面上任一个体与相对绩效优于或劣于自身的前P个近邻个体展开竞争的情景,因而刻画了一种超越传统地理意义的内生空间相关结构。在运用所提模型对国内81只开放式股票型基金2007~2009半年度复权净值增长率排名中可能存在的锦标赛特征进行估计后,我们发现：锦标赛效应在各截面上均显著存在;这一效应表现出年末强于年中,大盘向好时强于大盘向差时的特点。估计结果提示标尺竞争型激励机制分别存在于基金公司-基金经理,基民-基金这两层委托-代理关系中;投资组合等特征差异化不是大部分基金追求高收益的主要策略,追赶与模仿排名靠前且接近的同类基金可以解释其中大部分的原因。空间秩次自回归模型为研究各类有关标尺竞争与攀比效应的经济学问题提供了一个崭新的实证分析框架。