贝叶斯推断在抽样审计中的应用研究

本文探讨了贝叶斯推断在抽样审计中的具体运用,并结合一个具体的实例对贝叶斯推断在抽样审计的应用做了实证分析,最后,对贝叶斯推断在抽样审计中的运用进行了评析。     

基于隐马尔可夫模型对 LIBOR 序列的贝叶斯分析

本文借助贝叶斯方法,用隐马尔可夫模型(HMM)来拟合美元 LIBOR(伦敦银行同行拆借利率)相对美联储基准利率的变动情况,用Gibbs抽样实现了模型的参数估计.我们将该模型用于对LIBOR的衍生金融产品的评价;并利用无套利原理预测美联储基准利率的变动.     

基于贝叶斯理论的小批量产品抽样检验方法

文章针对小批量产品抽样检验存在的样本量大、检验费用高等问题,研究了基于贝叶斯理论的抽样检验方法,该方法充分利用质量的历史信息,以费用最小为目标,在保证质量的前提下,尽可能减少所检验样品的个数,降低检验的工作量和成本.     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。     

基于Gibbs抽样的贝叶斯超高频金融数据协整关系研究

针对传统协整检验不能适用于具有随机性特征的超高频金融数据的问题,构建贝叶斯超高频金融数据协整模型,结合参数的后验条件分布设计Gibbs抽样方案,提出基于超高频金融数据的贝叶斯协整检验方法,并利用中国股市超高频金融数据进行实证分析。研究结果表明：贝叶斯方法把参数看作随机变量的思想适合超高频数据随机性的特点,贝叶斯超高频数据协整方法能够不断更新参数信息,避免了OLS估计的有偏性问题,可以得到更符合实际的结论。     

贝叶斯非参数回归模型及非参数似不相关回归模型的应用

文章用贝叶斯方法分析非参数回归（NR）及非参数似不相关回归（NSUR）模型,并用计算代价较小的MCMC算法一焦点抽样算法一实现模型估计。经模拟证明文章的方法及算法效果较理想后,对北京和上海农村居民生活消费支出与收入之间结构进行了分析,效果均比LSE方法好。     

带有误差为正态分布的SUR回归的贝叶斯分析及其应用

文章研究了带有正态分布SUR模型,采用Jeffreys的不变先验分析Gibbs抽样方法和Direct Monte Carlo(DMC)方法,计算了各参数的贝叶斯后验密度和未来值的预测密度以及其它相关的后验量,如后验置信区间等。通过模拟例子和建立了关于城镇、农村居民家庭平均收入和生活消费支出的SUR模型,将Gibbs抽样方法和DMC方法得出的结果进行了比较。     

个人信用风险评分的贝叶斯有偏连接模型研究

经典Logistic回归模型与Probit回归模型的连接函数都是固定的对称连接函数,数据的不平衡性使这两个对称连接模型的参数估计偏差和均方误差显著上升,预测效果也会下降。在潜变量模型的基础上,将非对称连接函数的思想引入到信用风险评分中,采用贝叶斯估计和Gibbs抽样对有偏连接模型中的参数进行估计。实证结果表明:两类有偏连接模型对对称连接模型的改造是成功的,并兼备其系数可解释的优点。     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

特定抽样下有效样本量的性质研究

常见的放回抽样等方法操作比较简单,但缺点是有效样本量是不确定的,而是取决于抽样的随机结果.文章对PPS抽样和泊松抽样下有效样本量的性质进行了研究,通过数理推导和统计模拟揭示了有效样本量的分布特征,给出了特定条件有效样本量的置信区间.