密度核估计的局部窗宽选择法

密度核估计的局部窗宽选择法中,光滑Bootstrap法只有在目标函数具有较高阶的连续导数时,窗宽h才能获得理想的取值。为此,减弱条件提出了新的计算方法,经过证明分析该方法是较切合实际的。

DPOAE信号时域分解算法的窗宽选择

研究畸变产物耳声发射(DPOAE)产生源机制常用分解方法,针对实验分解方法干扰多、实验量大的特点,该文提出基于小波分解的互相关和基于DPOAE时域能量分布的窗宽选择算法进行时域分解。通过强化不同成分分界点,加窗提取相位特征不同的信号成分。结果与实验方法进行对比,表明算法实现了DPOAE的准确分解,其效果与实验加最佳抑制声时结果相似,同时避免了干扰、减少了实验量。该方法为DPOAE产生源机制的研究提供了更方便、准确的研究工具。

时变参数模型的最优滚动窗宽选择标准及应用

宏观经济领域中存在严重的结构突变性,模型估计量的优劣对估计样本规模是敏感的。本文针对时变参数模型,建立了滚动窗宽选择标准,通过最小化估计量的近似二次损失函数及最大化各子样本估计量间的曼哈顿距离选择窗宽大小,权衡了模型估计量的准确性和时变性两个相悖目标。蒙特卡罗模拟实验表明,本文所提出的方法在各种结构突变情形下均适用,能够应用于线性关系和非线性关系的时变参数模型中,且均具有稳健性。将该方法应用于我国金融网络的结构突变识别过程,显著改善了传统窗宽选择方法的结果。

高频数据波动率非参数估计及窗宽选择

基于高频数据采用非参数的方法估量波动率,因其能更准确地度量波动率,一直是学者们研究的热点.然而,波动率的所有非参数估计都面临着窗宽的选择问题.由于最优窗宽中往往携带一些难以估计的未知参数,使得在应用过程中确定最优窗宽的具体数值存在困难,从而阻碍了这类估计量的使用.本文以已实现核估计作为波动率非参数估计的代表,构建了一种能自动从实际数据中确定最优窗宽的算法.理论分析的结果表明：算法具有稳定性,其所确定的窗宽是最优窗宽的无偏一致估计量,收敛速度为O（n^（-1/5））.实际数据检验的结果显示,算法是稳定的并且具有良好的适应性,由算法确定的窗宽不依赖初始值的选取.模拟数据的结果显示,相比传统确定窗宽的方法,算法确定的窗宽所对应的估计量具有更高的精度.文中的算法可推广到波动率其他的非参数估计量中,从而为这类估计量的使用铺平道路.

高频数据瞬时波动率核估计的窗宽选择及算法研究

在瞬时波动率的各种估计量中,非参数估计量因其能准确地度量瞬时波动率,一直是学者们的研究热点。然而,这类估计量在实际应用中都面临着最优窗宽的确定问题。由于最优窗宽中往往携带一些难以估计的未知参数,使得在实际应用过程中确定最优窗宽的具体数值存在困难。本文以瞬时波动率的核估计量为例,借鉴非参数回归分析中窗宽选择的思想,构建了一种能从数据中准确计算出最优窗宽具体值的算法。理论的分析和数值上的验证表明：文中所构建的算法具有良好的稳定性、适应性和收敛速度。算法的提出为瞬时波动率的后续应用研究铺平道路。

基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法

利用神经网络分位数回归获得预测当天在不同分位点上的电力负荷预测值,将Epanechnikov核函数与不同的最优窗宽选择方法相组合,得到中期电力负荷概率密度估计函数以及在所有分位点上连续的概率密度曲线图。此外,通过选取概率密度曲线峰值处的点预测值,比较不同窗宽组合方法。相对于传统高斯核密度估计方法的组合方式,Epanechnikov核函数的组合方式较优。最后将获得的最优方法与现有的预测方法进行对比,结果表明通过选取最优窗宽可以提高预测精度,更好地反映中期电力负荷的波动性。

局部线性回归模型的半参估计

针对局部线性估计方法收敛速度较慢且对窗宽选择不稳健的问题,本文提出一种改进的局部线性半参估计方法.首先,选择不同窗宽作相应的局部线性估计,然后利用这些估计构造参数回归模型,由此给出回归函数的参数估计.相对于局部线性估计,新方法在不改变方差阶的情况下,将估计偏差的阶由h2减小至h4,最优均方收敛速度提高至O(n-8/9),且对窗宽选择稳健.模拟研究验证了新方法的有效性.

复合核估计法的纠偏及稳健估计

相对于参数估计的均方收敛速度O(n^(-1)),核估计的收敛速度较慢且对窗宽的选择敏感.为了克服上述缺点,本文提出复合核估计法,首先选择不同的窗宽做相应的核估计,然后通过一个参数回归方法将备选的估计量重新组合,所得到的新估计量不采用高阶核即可获得较小的均方误差且对窗宽的选择稳健,从而改进了通常的核估计.模拟研究证实了上述方法的优越性.

条件三阶中心矩的局部线性估计(英文)

本文给出了条件三阶中心矩的局部线性估计, 并研究了估计的条件偏差和方差. 本文利用广义交叉核实法(GCV)进行窗宽选择. 我们通过模拟说明了该估计的实用性.

基于非参数回归的发酵过程软测量建模

为了对发酵过程进行检测并分析发酵中产物的浓度,提出一种基于非参数回归的发酵过程软测量方法。该方法直接利用未经处理过的历史数据,采用多维窗宽选择方法确定窗宽,通过计算待估计点与历史数据库中其他时刻点数据的距离来确定该时刻点的权值,从而达到软测量建模的目的,并将其用于青霉素发酵过程产物浓度的测量。实验研究表明,所得软测量模型精度较高,能够有效地实现对青霉素发酵产物浓度的估计。