随机环境下的多投入多产出生产前沿面估计

传统的DEA模型假设观测样本的投入产出都是确定型数据, 这使得DEA在实际应用中受到限制, 本文提出的基于拟似然估计的多投入多产出随机非参数包络数据 (PLE-StoNED) 方法拓展了这个假设, 能够估计随机环境下的生产前沿面.本文证明, 生产可能集假设条件下的前沿面可以用一个有凹凸性和单调性限制的函数来表示.相较之前的StoNED方法, 本文提出的方法可以估计随机环境下多投入多产出决策单元 (DMU) 的前沿面.通过Monte Carlo实验, 多投入多产出PLE-StoNED方法的有效性得到验证, 它可纠正DEA等传统方法产生的偏误.最后, 实证研究部分运用这一新提出的方法估计了中国大陆商业银行的生产前沿面和效率.本文提出的方法弥补了DEA缺乏统计性的不足, 可为决策者在随机环境下对多投入多产出决策单元进行生产力和效率评估提供决策参考.     

随机效应半参数二值响应模型的估计研究北大核心CSSCI

为了研究诸如在收入差距和健康关系中某些解释变量的影响效应可能依赖于其他解释变量的状况,降低可能存在的模型设定和遗漏变量偏误,本文提出了随机效应半参数二值响应模型,其中非参数的设定还可用于数据的初探性分析.随后本文探讨了模型非参数和参数部分的估计.由于似然函数中随机效应和非参数的存在加大了估计难度,为此本文采用B样条方法逼近非参数部分,同时将随机效应视为缺失数据,利用EM算法和MCMC方法建立了模型参数的估计,并研究了其一致性.模拟研究结果表明估计量在有限样本下的表现良好,最后将模型运用于收入差距与健康关系的实例研究中,结果表明数据支持收入差距弱假说.     

基于随机生产函数的贷款定价模型及应用

利用贷款定价的随机生产函数中参数的估计值,建立贷款定价公式,在技术效率最优时求解新贷款利率,建立了基于随机生产函数的贷款定价模型.该模型的特色与创新是:1)通过在基于随机生产函数的贷款定价公式中新贷款技术效率等于最优技术效率,确定新贷款利率,保证了新贷款利率技术效率最优.解决了在随机生产函数法、最优技术效率情况下确定贷款利率的问题,改变了现有研究忽略贷款定价能否被客户接受的现状,提供了贷款定价的新思路.2)通过建立基于随机生产函数的贷款定价公式,在新贷款的技术效率最优时反求新贷款利率,提供了随机生产函数在最优效率前提下确定产出的方法.改变了随机生产函数仅仅在已知投入和产出情况下单纯评价技术效率的情况,拓展了随机生产函数的用途.3)结合随机前沿方法,建立基于随机生产函数的贷款定价模型.经中国期刊全文数据库和Elsevier等数据库的文献检索发现该模型是首次针对贷款定价的技术效率问题建立了贷款定价模型,解决了保证技术效率最优的贷款定价问题.     

基于非参数投入前沿面的Malmquist生产率指数研究

本文采用生产前沿面理论及其非参数方法,对假定产出确定条件下投入压缩的生产率指数──基于投入前沿面的Malmquist生产率指数进行了理论与测度方法研究。通过规模收益不变且要素自由(C,S)前沿面条件下的技术效率、距离函数及其非参数模型的分析,本文给出了基于非参数(C,S)投入前沿面的Malmquist生产率指数的非参数测度模型,并从技术变化和资源配置效率变化两个方面进行了分解。     

基于偏好DEA模型的中国纺织业效率评价

基于具有输入输出指标偏好信息的数据包络分析模型评价中国纺织工业的效率,给出了描述规模报酬不变和规模报酬可变假设的DEA模型及其对偶规划的一种形式。模型克服传统DEA模型应用中常见的决策单元权重为零进而高估决策单元效率的不合理现象,有效地测算了中国31个地区纺织工业的经济运行效率,并分析了地区间效率水平差异的原因。利用各决策单元在经验生产前沿面上的投影点,估计了中国纺织工业的随机生产前沿函数,最后用效率弹性线性递减模型分析了销售收入、人均资产、台港澳和外商投资对各地区效率的微观影响关系。     

非参数计量经济联立模型的变窗宽估计理论

联立方程模型在经济政策制定、经济结构分析和经济预测方面起重要作用. 文章将非参 数回归模型的局部线性估计方法与传统联立方程模型估计方法相结合,在随机设计(模型中所 有变量为随机变量) 下,提出了非参数计量经济联立模型的局部线性工具变量变窗宽估计并利 用概率论中大数定理和中心极限定理等在内点处研究了它的大样本性质,证明了它的一致性 和渐近正态性,它在内点处的收敛速度达到了非参数函数估计的最优收敛速度     

拟凹生产函数的分区域估计

本文提出了规模报酬递增生产前沿面的概念并证明了以下两个结论:(1)基于样本数据的DEA生产投入集可划分为规模报酬递增、不变和递减区域;(2)C-D生产函数是拟凹函数,且在规模报酬递增区域非凹,在规模递减区域严格凹。基于上述结论及对生产函数曲面,BCC生产前沿面,规模报酬递增生产前沿面的相互关系的分析,提出了一种生产函数分区域估计方法:在对样本数据(决策单元)依据规模报酬增减性进行分类的基础上进行投入可能集的分划,进而在规模报酬递减(不变)和递增区域上分别通过决策单元的BCC弱有效投影和规模报酬递增弱有效投影估计生产函数。文末,通过实例验证了估计方法的有效性。     

供应链前沿生产函数的DEA估计研究

技术效率评价在管理学理论研究与企业市场实践中均具有重要意义,而对技术效率的评价必须立足于对前沿生产函数的估计。供应链管理已经被证实是降低成本以提供更大产品与更好服务的有效方法,然而,对于供应链的前沿生产函数的估计尚未得到研究。这主要是因为两方面研究的缺乏;其一,多产出的生产系统的前沿生产函数估计方法;其二,多阶段的生产系统的前沿生产函数估计方法。本文将提出一种供应链前沿生产函数的估计方法,以解决上述两个主要障碍。有关商业银行运作的实证研究表明,该方法能够估计供应链的前沿生产函数。     

三阶段组合效率测度模型与技术研发效率测度

在系统梳理现有可调整环境因素或/与统计噪音影响的三阶段组合效率测度模型的基础上,利用幅度调整测度(RAM)与随机前沿分析(SFA)结合,构建了无需强制性调整环境因素与统计噪音影响的三阶段组合效率测度改进模型——RAM-SFA-RAM.相对现有模型,新的组合测度模型不但在估计影响与调整投入和产出时可实现较为客观地设定环境因素与松弛变量之间存在非线性生产函数关系,以降低效率估计偏误,而且充分利用了RAM模型全面测度无效的优点,为从投入和产出两个方面同时过滤环境因素与统计噪音的差异性影响提供了新的分析途径;更重要的是,选用的RAM具有平移不变性,可使组合测度模型克服现有模型只能通过最值强制性对投入和产出进行正向调整以适应选择的效率估计模型无法处理非正值的不足,避免了由此产生的效率估计偏误.实证研究部分用这一组合效率测度模型分析了中国省域层次上大中型工业企业的技术研发效率,为效率的客观比较提供了可行的模型方法.     

单指标非参数期权定价——改进的非参数定价方法

本文建立一种改进的非参数期权定价模型,称为单指标非参数期权定价模型。相比现有非参数回归期权定价模型是期权价格关于各个因素的多元回归函数,本模型通过变量变换把期权价格多个因素指标转换为一个综合变量——单指标,得到期权价格关于单指标的一元非参数回归方程。改进的模型实现了多元非参数期权定价模型的降维和简化了模型计算;还通过多个期限期权的单指标组合解决了非参数估计的样本数量问题;以及通过期限平滑解决了现有非参数定价模型中的日历效应问题。选取上证50ETF期权数据实证分析表明,无论是样本内的估计结果还是样本外的预测结果都比传统的Black-Scholes模型、半参数Black-Scholes模型和多元非参数回归期权定价模型估计效果有提高。     

考虑交易成本的多阶段投资组合评价方法研究

多阶段投资组合评价是目前研究的热点问题,本文将交易成本考虑进去,构建了考虑交易成本的多阶段投资组合优化模型,基于真实前沿面定义了投资组合的效率并构建了相应的非线性模型进行计算。针对非线性模型难以求解及真实前沿面解析解难以获得等问题,本文证明了前沿面函数为凹函数,进而利用DEA模型的前沿面来逼近真实前沿面并估计多阶段投资组合的效率,最后通过仿真分析验证了本文方法的有效性。     

金融发展与中国生产率增长——随机前沿分析的视角

采用Kumbhakar等的方法将全要素生产率分解为技术效率、技术进步和规模经济效应3部分,运用超越对数生产函数的随机前沿模型,采用1999年至2004年中国29个省份的数据,分析金融发展与技术效率之间的关系,并在此基础上利用静态面板数据模型分析中国金融发展与技术进步之间的关系。研究结果表明,金融发展促进全要素生产率的增长,但是金融深化和金融中介垄断都不利于技术效率提高;金融深化通过推动技术进步促进全要素生产率增长,但金融中介垄断并不利于技术进步。根据研究结果提出相应的政策建议。     

非参数计量经济联立模型的局部线性广义矩估计

联立方程模型在经济政策制定、经济结构分析和经济预测方面起重要作用。本文在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济联立模型的局部线性广义矩估计并利用概率论中大数定理和中心极限定理在内点处研究了它的大样本性质,证明了它的一致性和渐近正态性。它在内点处的收敛速度达到了非参数函数估计的最优收敛速度。     

Nonparametric Estimation of the Probability of Detection of Flaws in an Industrial Component,from Destructive and Nondestructive Testing Data,Using Approximate Bayesian Computation

We consider the problem of estimating the probability of detection (POD) of flaws in an industrial steel component. Modeled as an increasing function of the flaw height, the POD characterizes the detection process; it is also involved in the estimation of the flaw size distribution, a key input parameter of physical models describing the behavior of the steel component when submitted to extreme thermodynamic loads. Such models are used to assess the resistance of highly reliable systems whose failures are seldom observed in practice. We develop a Bayesian method to estimate the flaw size distribution and the POD function, using flaw height measures from periodic in‐service inspections conducted with an ultrasonic detection device, together with measures from destructive lab experiments. Our approach, based on approximate Bayesian computation (ABC) techniques, is applied to a real data set and compared to maximum likelihood estimation (MLE) and a more classical approach based on Markov Chain Monte Carlo (MCMC) techniques. In particular, we show that the parametric model describing the POD as the cumulative distribution function (cdf) of a log‐normal distribution, though often used in this context, can be invalidated by the data at hand. We propose an alternative nonparametric model, which assumes no predefined shape, and extend the ABC framework to this setting. Experimental results demonstrate the ability of this method to provide a flexible estimation of the POD function and describe its uncertainty accurately.     

Stochastic Simulation of Catastrophic Hail and Windstorm Indemnities in the Dutch Greenhouse Sector

A risk analysis was performed to examine the effect of changes in the Dutch greenhouse sector on the probability of occurrence and magnitude of indemnities induced by catastrophic natural hazards. Analyzed historical indemnities, which included direct and consequential losses resulting from severe hail and windstorms, were used as input in a stochastic simulation model. Applications of the stochastic simulation model were illustrated under alternative risk conditions. A comparison was made between the current structure of greenhouse production and the expected structure in the next decade that differs with respect to the spatial distribution and average size.     

基于非参数估计框架的期望效用最大化最优投资组合

本文基于期望效用最大化和非参数估计框架研究了最优投资组合选择问题。和以往大多文献假定资产收益率服从某些特定分布不同资产收益率的分布类型无需作任何假设。首先在一般效用函数下,利用组合收益率密度函数的非参数核估计给出了期望效用的基本非参数估计公式,并建立了期望效用最大化投资组合选择问题的基本框架。然后,在投资者具有幂效用函数的假定下,给出了期望效用具体的非参数计算公式,并给出了求解最大期望效用的数值算法。最后,利用中国证券交易所11支股票日收益率的真实数据给出了一个数值算例。本文提出的非参数估计框架具有一般性,还可以进一步用来研究各种现实条件下（如各种现实不等式约束和具有交易成本）的投资组合管理问题。     

An Empirical,Nonparametric Simulator for Multivariate Random Variables with Differing Marginal Densities and Nonlinear Dependence with Hydroclimatic Applications

Multivariate simulations of a set of random variables are often needed for risk analysis. Given a historical data set, the goal is to develop simulations that reproduce the dependence structure in that data set so that the risk of potentially correlated factors can be evaluated. A nonparametric, copula‐based simulation approach is developed and exemplified. It can be applied to multiple variables or to spatial fields with arbitrary dependence structures and marginal densities. The nonparametric simulator uses logspline density estimation in the univariate setting, together with a sampling strategy to reproduce dependence across variables or spatial instances, through a nonparametric numerical approximation of the underlying copula function. The multivariate data vectors are assumed to be independent and identically distributed. A synthetic example is provided to illustrate the method, followed by an application to the risk of livestock losses in Mongolia.     

Nonparametric Instrumental Variables Estimation of a Quantile Regression Model

We consider nonparametric estimation of a regression function that is identified by requiring a specified quantile of the regression “error” conditional on an instrumental variable to be zero. The resulting estimating equation is a nonlinear integral equation of the first kind, which generates an ill‐posed inverse problem. The integral operator and distribution of the instrumental variable are unknown and must be estimated nonparametrically. We show that the estimator is mean‐square consistent, derive its rate of convergence in probability, and give conditions under which this rate is optimal in a minimax sense. The results of Monte Carlo experiments show that the estimator behaves well in finite samples.     

Approximate versus Exact Equilibria in Dynamic Economies

This paper develops theoretical foundations for an error analysis of approximate equilibria in dynamic stochastic general equilibrium models with heterogeneous agents and incomplete financial markets. While there are several algorithms that compute prices and allocations for which agents' first‐order conditions are approximately satisfied (“approximate equilibria”), there are few results on how to interpret the errors in these candidate solutions and how to relate the computed allocations and prices to exact equilibrium allocations and prices. We give a simple example to illustrate that approximate equilibria might be very far from exact equilibria. We then interpret approximate equilibria as equilibria for close‐by economies; that is, for economies with close‐by individual endowments and preferences. We present an error analysis for two models that are commonly used in applications, an overlapping generations (OLG) model with stochastic production and an asset pricing model with infinitely lived agents. We provide sufficient conditions that ensure that approximate equilibria are close to exact equilibria of close‐by economies. Numerical examples illustrate the analysis.