基于Bootstrap方法的多组配对数据风险差的一致性检验

在Dallal模型下构建3个统计量,研究小样本多组配对数据风险差的一致性检验问题.通过Monte-Carlo数值模拟,比较小样本下渐近方法和Bootstrap方法在检验过程中的性能.研究发现,Bootstrap方法在第一类错误率和功效上表现更优;特别地,基于Score检验的Bootstrap方法的第一类错误率较稳健,且有较高的功效,检验性能最优.

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。

全函数型线性回归模型参数的可分解性检验

本文提出一个可以用于检验函数型线性回归模型参数可分解性的方法.在参数的可分解性条件下,形成了一个新的函数型线性模型结构,此模型结构不仅降低全函数型线性模型的复杂度,还有利于对数据进行解释.构造的检验统计量主要基于模型参数在可分解结构与不可分解结构距离的范数.理论上证明了检验统计量在原假设和备择假设下的大样本性质.借助于Wild Bootstrap的重抽样技术,通过具体的模拟例子和实际数据分析来验证此检验方法的有效性.

寿命分布的参数Bootstrap拟合优度检验方法

拟合优度检验在统计和可靠性等领域具有非常重要的地位,基于参数Bootstrap重采样的思想,对未知参数的常用寿命分布进行拟合优度检验。数值仿真结果表明,相对于传统的经验分布函数检验,这种基于参数Bootstrap的拟合优度检验具有更高的功效,特别是在小样本的情况下,优势明显。

ADF模式中漂移项和趋势项检验量分布与Bootstrap检验研究

在推导ADF检验模式下趋势项和漂移项伪t检验量极限分布基础上,提出修正的系数检验量。研究表明,它们与DF检验模式下检验量具有相同的极限分布;构造漂移项和趋势项检验的Bootstrap实现方法并证明了有效性。将蒙特卡洛模拟技术与临界值检验方法进行对比,结果表明Bootstrap方法能够明显降低检验的水平扭曲,在检验功效方面也有一定优势。模拟也显示临界值检验的局限性和Bootstrap方法的稳健性。

我国证券市场有效性的Wild Bootstrap方差比检验

This paper introduces the theory of market efficiency simply and surveys various methods and results of week form market efficiency test of China.Then we test the sample and propose to test the week form market efficiency test of China using the wild bootstrap variance ratio test which has been found to exhibit better small sample properties.The results are conducted with moving sub-sample windows and found that Shanghai market has been efficient of week form but Shenzhen market hasn’t been efficiency of week form.

线性回归模型Bootstrap LM-Lag检验有效性研究

基于OLS估计残差,将Bootstrap方法用于空间滞后相关LM-Lag检验。在不同的误差结构和空间权重矩阵条件下,比较Bootstrap LM-Lag检验和渐近检验的水平扭曲和功效。通过Monte Carlo实验表明,当误差项不服从经典正态分布假设时,LM-Lag渐近检验存在严重的水平扭曲,Bootstrap检验能够有效地校正水平扭曲,并且Bootstrap LM-Lag检验的功效与渐近检验近似;无论误差项是否服从正态分布,从水平扭曲和功效角度看,线性回归模型Bootstrap LM-Lag检验有效。

空间面板数据模型Bootstrap Moran'sⅠ检验

误差项不服从经典假设时,空间面板数据模型的Moran's I检验存在较大的水平扭曲,导致空间相关性检验失效。本文采用改进的Bootstrap抽样方法,对空间面板数据模型的Moran's I检验进行优化。蒙特卡洛模拟结果表明,在误差项正态分布条件下,渐近Moran's I检验和Bootstrap Moran's I检验均具有较优越的检验水平和检验功效表现;在误差项时间序列相关条件下,渐近Moran's I检验存在严重的水平扭曲,而Bootstrap Moran's I检验能够有效地矫正水平扭曲,且检验功效优于渐近Moran's I检验,是更为有效的检验统计量。

单位根过程联合检验的Bootstrap研究

本文以Ferretti和Romo的Bootstrap方法为基础进行拓展完成三种联合检验,并从理论上证明了Bootstrap方法的有效性;使用蒙特卡洛模拟技术比较了Bootstrap检验与临界值检验的效果。模拟表明,在误判率上,Bootstrap方法下三个检验量的误判率分别为2.22%、3.70%和0.00%,而临界值的误判率分别高达22.22%、11.11%和15.56%;在精确程度上,Bootstrap方法的精度分别是临界值方法的11.25倍、26倍和6.5倍。模拟表明了本文构造的Bootstrap检验方法可以替代临界值方法,特别在小样本下,Bootstrap方法的优势更为明显。

偏最小二乘回归系数的Bootstrap假设检验及SAS实现

目的运用SAS程序实现对偏最小二乘自变量回归系数的假设检验。方法运用Bootstrap向后筛选变量的方法,用误差均方和评价检验前后模型的预测能力,借助SAS中的PROC SURVEYSELECT、PROC PLS等实现假设检验。结果在模拟实验中,通过一轮向后筛选变量的过程剔除了两个设定为无统计学意义的自变量,而保存了其余有统计学意义的自变量;在实例中,利用本文的方法和程序也得到了较为满意的结果。结论Bootstrap向后筛选变量法可以有效地对偏最小二乘回归自变量进行统计学检验,且可以通过SAS方便的实现。

空间面板数据模型BootstrapLM-Error检验研究

在误差项不服从经典分布的情形下,面板数据模型常用的空间相关性检验存在较大的偏差。本文将FDB方法引入空间面板数据模型的空间相关性检验,构建Bootstrap LM检验统计量,并通过Monte Carlo模拟实验,从水平扭曲和功效两个方面研究误差项存在正态分布、异方差、时间序列相关等情形下,空间面板数据模型Bootstrap LM检验的有效性。Monte Carlo模拟实验结果表明,空间面板数据模型渐近LM-Error检验在误差项不服从经典正态分布时,存在较大的水平扭曲,FDB LM-Error检验则在基本不损失检验功效的前提下,有效矫正渐近检验的水平扭曲,是空间面板数据模型空间相关性LM检验更为有效的方法。

时空地理加权模型回归关系的非平稳性Bootstrap检验

文章针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计。对整个回归关系进行关于时间和空间的全局非平稳性检验,基于估计残差,构造广义似然比统计量,利用Bootstrap方法计算检验的p值。模拟算例和实际例子均说明该检验方法的有效性。

图解Bootstrap方法用于空间相关性Moran检验的有效性

因为区域间经济收敛、外商直接投资和知识溢出等领域的空间经济计量研究依赖于空间关系的存在,所以进行空间相关性Moran’s I检验是关键。然而,已有空间相关性Moran’s I检验理论受到众多假设条件限制。利用"名义水平—实际水平"图和"名义水平—功效"图,解析非对称Wild Bootstrap方法用于空间相关性Moran’s I检验的有限样本性质,发现即使模型不满足经典的分布假设条件,与渐近检验相比,Bootstrap方法也能够有效地检验研究对象间的空间相关性。

基于Wild Bootstrap方差比检验的REITs市场有效性研究——以香港为例

基于有效市场假说(EMH),使用Wild Bootstrap方差比检验法研究REITs市场的有效性。首先,阐述有效市场假说的基本原理,建立Wild Bootstrap方差比检验模型;之后,以香港为例,选取恒生REITs指数(HSRI)和恒生综合指数(HSCI),从纵、横向角度分别进行总体和滑动方差比检验;最后,根据检验结果和实际情况判断REITs市场的有效性,得出研究结论和投资建议。在REITs市场有效性研究中引入了Wild Bootstrap方差比检验法,为相关研究提供了新的方法与研究视角。研究表明,香港REITs市场尚未达到弱式有效,市场有效性有待加强。

具有未知跳跃股票价格异方差性的Bootstrap模拟检验

采用Bootstrap模拟方法检验股票价格异方差性.利用随机分析方法获得波动率的一个渐进估计,这种估计能够消除股票价格中可能存在的随机跳跃的影响,并且无需确定波动率函数的具体形式.建立了一个关于波动率为常数的原假设的统计量,用Bootstrap模拟方法可以获得该统计量的分布.用此检验方法对中国沪深两市指数进行检验,获得了两市中指数呈异方差性的结论.这种检验方法对认识市场微观结构、资产定价、投资和风险管理都具有积极作用.

局部线性趋势模型单位根检验量分布与Bootstrap检验

本文引入局部趋势概念,研究数据生成和检验式都含有趋势单位根过程中伪t检验量的分布,结果表明该分布为标准正态分布与第四种DF分布的混合体,并揭示了向这两类分布转化的条件。为摆脱伪t检验量受到特定参数约束而不能用于实证分析的困境,本文提出了Bootstrap检验方法,并从理论上证明该方法可用于水平检验和功效研究,埃奇沃思展开进一步证实该方法能够降低水平扭曲。蒙特卡洛模拟结果显示,Bootstrap检验量具有最高检验正确率,检验功效在一定条件下也能与标准正态分布的检验结果相媲美,说明Bootstrap方法可以用于此类模型的单位根检验。

空间经济计量模型Bootstrap检验功效的仿真分析

当误差项不满足经典的正态独立同分布假设条件时,利用Moran’sⅠ统计量的渐近分布进行空间相关性检验的功效较弱.文中把Bootstrap方法用于空间经济计量模型的空间相关性Moran’sⅠ检验统计量,Monte Carlo模拟实验结果表明:从功效角度看,当误差项服从正态独立同分布时,Bootstrap检验与渐近检验同样有效,甚至优于渐近检验;当误差项不服从正态独立同分布且存在异方差时,Bootstrap检验能够有效地提高渐近检验的功效;当样本量较小时,空间相关系数和空间衔接结构等对功效有显著影响,尤其是在空间衔接密度较高的Queen矩阵和空间相关系数小于0的情况下,Bootstrap检验的功效显著大于渐近检验;当空间权重矩阵为Queen矩阵时,Bootstrap检验的功效曲线随样本量增大而从"√"型变成"V"型,对称性增强,空间衔接结构对Bootstrap检验功效的影响减弱.

基于Bootstrap方法的FDI与GDP因果关系的检验

在小样本的情况下,总体分布的情况未知时,传统的经济计量分析的结果变得不可靠。本文为此提供了一种新的思路,Bootstrap方法的原理是通过再抽样,对总体分布进行估计,可以有效挖掘样本信息。由于完全依赖样本的经验分布,所以对数据没有过高的要求。本文将该方法用于对FD I与中国经济增长关系的检验。

基于Bootstrap思想的非参数检验p值的估计方法

在总体分布未知且样本量较小时,基于Bootstrap思想和随机模拟方法,讨论了非参数检验的三种方法及其检验p值的估计,并通过R程序加以实现.最后以已知分布的随机样本构建某些统计量为例作模拟实验,给出三种估计方法与常规方法的比较.

技术分析准则与随机漫步模型Bootstrap检验

本文采用深圳综合指数检验了一种使用广泛的技术分析准则——移动平均准则。与随机漫步类型的检验不同，技术分析检验不依赖于时间，并且可以包括线性模式与非线性模式各种可能，因而具有很大的优越性。同时，为了避免股票收益分布的正态性假设，本文还采用Ｂｏｏｔｓｔｒａｐ方法与常规检验进行对比。经验结果表明：在现阶段中国股市，技术分析具有一定的预测能力，但对技术分析准则所指出的“买”、“卖”及“买－卖”条件收益来说，随机漫步模型不具备解释能力，也就是说。