Inverse Gaussian分布的假设检验

用一种新构造方法，实现了Inverse Gaussian分布的正态化，进而解决了一类长期遗留下来的Inverse Gaussian分布的假设检验问题。

由Chvátal定理引出的关于一些无穷可分分布的概率函数的下确界

受Chvátal定理的启发,本文研究了概率P(X≤κE[X])的下确界,其中κ是一个正实数, X是一个随机变量.利用分析的方法,我们得到了当随机变量的分布属于无穷可分分布,包括逆高斯分布,对数正态分布, Gumble分布和Logistic分布,时该随机变量不超过其期望的概率的下确界.

基于Pair Copula模型的资产组合VaR比较研究

运用多元相关结构研究领域新出现的pair copula方法估计资产组合的非线性相关结构,并结合能较好模拟金融资产分布的广义逆高斯分布(NIG)来估计资产的厚尾偏态特征,构建新的VaR计算模型。为了检验本文模型,运用国内5类行业股票价格的数据对其效果进行了实证分析。结果显示:相比基于正态分布的VaR模型和基于传统Copula方法的VaR模型,本文模型在描述高维相关结构时更加灵活,由此构建的VaR模型更接近实际发生的损失。

多元非线性期权定价模型及实证分析

在GARCH模型基础上发展了多元期权定价的方法,采用逆高斯分布(NIG)描述标的资产的分布,以便更准确地捕获金融资产常见的厚尾、尖峰和偏态分布的特征。而考虑到资产间的相关关系可能是非线性的,对资产的相关结构的描述则运用了Copula函数技术。最后,依据风险中性定价原理给出了CopulaGARCH-NIG期权定价模型。为了检验本文模型的效果,对人民币指数期权进行了实证分析,结果显示:Copula-GARCH-NIG模型得到的期权价值与传统的Black-Scholes模型(B-S)和Copula-GARCH模型得到的期权价值有实质的差别,实证过程展示了Copula-GARCH-NIG模型的优势。

Curvelet变换域自适应收缩图像去噪

研究了curvelet变换域非参数贝叶斯估计图像去噪问题.利用先验概率模型—正态反高斯(NIG)分布对图像curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器.通过估计curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能.结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节.

改进的非负稀疏编码神经网络模型及其应用

提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程。并利用这个模型成功地建模了视觉感知系统V1区的感受野。该NNSC模型具有很强的自适应于自然数据统计特性的能力。另外,利用类似小波收缩法去噪原理,该模型能够有效地去除图像中的高斯加性噪声,对自然图像编码的仿真实验也表明了该模型在生物学上的合理性和可行性。

小波域非参数贝叶斯估计图像去噪

提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.

总理赔量分布的另一种选择:复合Poisson-逆高斯分布(英文)

本文考虑当理赔次数N的分布为Poisson-逆高斯分布时,相应的总理陪量分布(即复合Poisson-逆高斯分布)的两种近似:正态分布和平移Gamma分布。同时还考虑了当理赔量的分布为下指数分布时复合Poisson-逆高斯分布的尾概率的一种近似计算。

基于单因子混合分布的BDS定价模型

针对一篮子信用违约互换(BDS)定价问题,建立了单因子正态逆高斯混合分布模型,并给出违约时间的分布函数和密度函数,利用计算顺序统计量方法得到第k次违约时间的分布函数。根据风险中性定价原理,给出第k个参照实体违约时的BDS价格解析式。提出的模型刻画了BDS参照实体违约时间分布的尖峰厚尾特征,使其更加符合违约时间数据的真实特性。研究表明,用顺序统计量方法计算BDS的理论价格,能简化其定价过程,为投资者提供了一种新的定价方法。

标的资产服从NIG-Levy过程的亚式期权数值定价分析

考虑到金融时间序列的厚尾性即呈现尖峰厚尾分布,波动率具有聚集性和持续性等特点,也即标的资产的价格可能会出现间断的跳跃,我们展示了在标的资产价格对数收益服从NIG-Levy过程的条件下,如何构建和计算等价鞅测度,我们考虑通过Esscher转换得到Q等价鞅测度,并以此为基础寻找风险中性概率的条件,最后利用这些条件探讨亚式期权的数值定价问题,利用低差异序列中的Halton、Sobol、Faure序列对亚式期权进行了数值定价分析.

一种基于正态反高斯模型的贝叶斯图像去噪方法

提出一种新的贝叶斯图像去噪方法,该方法以正态反高斯(NIG)模型为先验模型,对图像小波系数的稀疏分布统计建模,并用最大后验概率(MAP)估计法对小波系数进行估计。为了改善贝叶斯图像去噪的效果,还根据尺度间相关性的大小对小波系数分类进行处理。此外,还引入了递归循环平移(CycleSpinning)算法对小波变换缺乏平移不变性产生的吉布斯现象进行抑制。实验结果表明该去噪算法能有效地去除图像中的高斯白噪声,更好地保留图像细节,提高图像的峰值信噪比值。

基于正态逆高斯分布的篮子违约互换定价

主要讨论单因子模型的篮子型信用违约互换定价.目的是寻找一个快捷的方法来处理违约相关问题.采用了正态逆高斯分布对违约时间进行建模,得到了违约时间分布和篮子违约互换定价公式的半分析表达式,进一步地讨论了常数因子荷载扩展到随机因子荷载的情形.最后用数值模拟方法对比了正态分布和正态逆高斯分布两种模型下首次违约互换的价格.