考虑错分代价的ADASVM-CSLINEX模型及应用

在二分类预测中存在对两类样本的两类分类错误,在现实应用中这两类错误的代价往往是不同的,该文考虑了两类错误的错分代价问题。通过引入一种具有非对称性的LINEX损失函数,可以实现对低错分代价的样本进行线性级惩罚,对高错分代价的样本进行指数级惩罚。模型以SVM作为AdaBoost的基分类器,再将LINEX损失函数嵌入到AdaBoost-SVM的权重更新方程中,根据对正负类样本错分代价的不同以及样本是否错分重新更新样本权重。对2011年1月至2020年12月的沪深300指数成分股进行了实证研究,利用所提出的模型方法进行涨跌预测,研究发现所构建的ADASVM-CSLINEX模型可以获得更高的投资绩效。

Linex损失函数下正态总体位置参数的估计

首先研究正态分布位置参数在Linex损失函数L(μ,)δ=ea(μ-δ)-a(μ-δ)-1下的最小风险同变估计及其Bayes估计,并给出在该损失函数下位置参数最小风险平移同变估计的精确表达式和Bayes估计的可容许性证明,最后讨论形如cT(x)+d的可容许性.

LINEX损失函数下具有时间变化效应的信度模型

在经典信度理论中,运用平方损失函数来估计保费会导致很高的惩罚额,影响保险市场的竞争力,同时在实际应用中,索赔额间是风险相依的。在LINEX损失函数下考虑了各年索赔额间具有此种风险相依结构的信度理论,得到了Bühlmann和Bühlmann-Straub模型的信度保费。

LINEX损失函数下正态均值的估计问题

考虑了在ＬＩＮＥＸ损失函数下正态分布均值的估计问题，在线性估计类ｃＸ＋ｄ中得到了它的容许估计，并对非容许估计得到了一致改进估计，将相应的结果应用于线性回归模型的系数估计之中。

LINEX损失函数下具有风险相依结构的信度模型

在经典信度理论中,运用平方损失函数来估计保费会导致很高的惩罚额,影响保险市场的竞争力;另一方面,经典信度理论假设一个保单组合的每个保单索赔额间互相独立;但在实际应用中,各个保单索赔额间却是风险相依的.采用LINEX损失函数,将温利民等人在2012年提出的一个保单各年索赔额间具有时间变化效应的风险相依结构推广到一个保单组合的各个保单索赔额间,并且给出了LINEX损失函数下具有风险相依结构的Bühlmann模型的信度保费和LINEX损失函数下Bühlmann模型的信度保费.

复合LINEX对称损失函数下Burr分布参数的估计

文章在参数α已知,双参数Burr分布参数的先验分布为其共轭先验分布Γ(a,b)时,给出了Burr分布参数在复合LINEX对称损失函数下的Bayes估计和多层Bayes估计。

LINEX损失函数下具有时间效应的多合同信度模型

采用信度理论的方法,在既考虑制定保费的公平性、合理性,又考虑不同风险组之间具有特殊相关结构(即时间效应)的基础上,研究了LINEX损失函数下具有时间效应的多合同模型,推导出信度保费,也得到了LINEX损失函数下多合同Bühlmann模型的信度保费和结构参数的无偏估计,从而推广了经典信度理论.

复合Linex损失函数下Gamma分布的尺度参数的Bayes估计

在复合Linex对称损失函数下,当Gamma分布Γ（θ,α）的尺度参数θ（形状参数α已知）的先验分布π（θ）服从Gamma 分布Γ（λ,β）时,得到了尺度参数θ的唯一的Bayes估计δB.同时,对尺度参数θ的Bayes估计δB讨论了其可容许性.其结果是：当c=0,d＊＜d＜∞时,估计量δB是可容许估计.

LINEX损失函数下几何分布参数的Bayes估计

在几何分布的先验分布为幂分布时,给出了几何分布可靠度在LINEX损失函数下的E-Bayes估计和多层Bayes估计.

基于无失效数据和复合LINEX损失函数的指数分布模型的Bayes统计推断研究

基于无失效数据,在复合LINEX损失函数下研究了指数分布模型失效率Bayes估计问题。当参数的先验分布为伽玛分布时,得到了失效率的Bayes估计及E-Bayes估计,最后应用实例的运算结果说明了估计的有效性。

对数伽玛分布尺度参数的Bayes估计在LINEX与复合LINEX损失函数下的比较

在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.通过数据模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性,并且发现一些数据表中存在一定的规律.

LINEX损失函数下单边截断型分布族参数的EB检验

讨论一类单边截断型分布族参数的双侧经验Bayes检验问题 ,文中构造了参数的经验Bayes判决函数 ,证明了其具有渐近最优性 ,并获得了收敛速度。

基于Linex损失函数的正态分布模型的研究

本文讨论了基于Linex损失函数的正态分布模型位置参数的多层贝叶斯估计以及其先验分布的比较问题。在位置参数取共轭先验分布以及超参数选用无信息先验分布的情形下,推导出正态模型位置参数的多层贝叶斯估计表达式;对于单层贝叶斯估计而言,通过比较发现正态模型的位置参数的无信息先验分布要优于共轭先验分布。

Linex损失函数下Laplace分布尺度参数的Bayes估计

在经典贝叶斯统计推断与统计的决策中,Bayes估计的性能主要取决于损失函数的形式,先验分布的不同也会对Bayes估计的结果产生差别。在Linex损失函数下,基于Bayes方法研讨Laplace分布的尺度参数估计。当Laplace分布中位置参数已知时,分别取无先验信息和先验分布为倒伽马分布,计算尺度参数的Bayes估计精确形式和性质,证明了Bayes估计具备可容许性。

基于LINEX损失函数下指数分布总体的参数设计

田口玄一的参数设计基本思想是基于对称平方损失函数提出的.而在很多情形下,对称平方损失并不适用。随后,人们在非对称平方损失函数下对指数分布总体的参数进行设计。本文提出一种叫LINEX非对称损失函数,并在此损失函数下设计参数。

复合Linex对称损失下逆伽马分布参数的Bayes估计

本文主要研究了在复合Linex对称损失函数下先验分布为伽马分布的逆伽马分布尺度参数的Bayes估计、E-Bayes估计和多层Bayes估计,并通过数值模拟说明了三种估计的稳健性和精确度,其中Bayes估计的稳健性和精确度都是最高的。

Linex损失下Rayleigh分布参数倒数的Bayes估计

在Linex损失函数L(θ,δ)=ec(δ-θ)-c(δ-θ)-1,c>0下,给出Rayleigh分布的尺度参数倒数的唯一Bayes估计δB(X)=-1/clnE(e-cθ│X)=(n+α)/cln(1+c/(λ+T)),多层Byaes估计δ∧B(X)=-1/cln,和容许性估计的一般形式Sln(1+c/(d+T)).

复合LINEX对称损失下Pareto分布形状参数的E-Bayes估计及应用

在统计决策问题中,统计决策及参数估计的优劣性在很大程度上依赖于损失函数形式的选取。文章主要在在复合LINEX对称损失函数下,研究了Pareto分布在其尺度参数σ已知的情况下利用共轭先验分布求出其形状参数θ的E-Baves估计;并举出具体的数值例子说明其应用性。通过数值分析对其形状参数的Bayes估计和E-Bayes估计进行比较,说明后者比前者较优。

Linex损失下Pareto分布参数的Bayes估计

该文讨论了在Linex非对称损失函数下Pareto分布参数的Bayes估计及多层Bayes估计,并证明了相应的估计是可容许的.

复合LINEX对称损失下BurrXII分布参数的Bayes估计

在复合LINEX对称损失函数下,研究Burr XII分布参数的Bayes估计和EBayes估计,并通过随机数值模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性.