基于贝叶斯推断的巨灾债券定价研究

针对台风数据匮乏的特点,采用贝叶斯推断方法来保证广东省台风巨灾损失频数分布和损失强度分布参数估计的准确性.在已知损失频数分布和损失强度分布的情况下,利用蒙特卡洛模拟法扩充样本对总损失分布模型进行拟合.利用零息债券定价公式对不同本金偿还比例的台风巨灾债券进行定价.实证结果表明:运用贝叶斯推断可以较好地解决台风数据不足的问题;台风巨灾债券的收益与风险成正比.     

基于贝叶斯网络的操作风险建模

操作风险是指由不完善的或有问题的内部程序、人员及系统或外部事件所造成损失的风险。由于操纵风险具有构成更复杂、涉及诸多复杂因素、难以结构化、缺少历史数据等特点,因此难于建模与度量。贝叶斯网络是基于贝叶斯决策理论的因果建模技术。它能够用于建立操作风险度量系统并作为操作风险度量的基础。本文首先回顾了操作风险的相关内容。接下来介绍贝叶斯网络的概念、特点,以及贝叶斯网络模型的数学描述。通过实例演示了贝叶斯网络在银行操作风险方面的建模与应用。最后给出了一个操作风险管理的贝叶斯网络模型的框架。     

基于截L-矩和GPD的中国股市VaR经验测度:1991-2011

L-矩方法现已成为金融领域厚尾分布分析和建模的重要工具,当极端值较多时,L-矩方法会变得较敏感,截L-矩不但具有L-矩方法的优良特征,而且增加了对首尾极端值的控制参数,对极端值存在的情况更加适用。论文采用AR(1)-GARCH(1,1)模型对收益率序列进行建模分析,得到近似独立同分布的残差序列。在此基础上,基于截L-矩考察广义帕累托分布对上证指数的损失尾部拟合情况,VaR的返回检验表明:基于截L-矩的GPD分布可以较好地拟合损失收益率的尾部,极值VaR可以有效地度量上海股市的风险。     

基于概率模糊逻辑的蛋白质信号网络推断方法

提出了一种基于概率模糊逻辑来推断蛋白质信号网络的建模方法,能够同时处理蛋白质信号网络中的随机性和模糊性.采用概率模糊规则建立蛋白质之间的因果关系参数模型,并利用模糊后件分布函数族的差异程度来度量因果关系的强度,进而推断蛋白质之间的因果关系.在模拟数据和人体T细胞实验数据集上的测试结果表明,该方法为蛋白质信号网络建模提供了一种有效的方法.     

基于共轭先验分布的平稳AR(1)模型贝叶斯分析

本文系统地分析了平稳AR(1)时间序列模型的条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了截断正态-逆Gamma共轭先验下模型的贝叶斯推断理论,包括参数的后验分布函数、二次损失函数下的贝叶斯估计及一步超前预报分析,最后采用一个仿真时间序列研究了先验分布参数对后验分布的影响。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

保险业财产损失分布的拟合及预测——基于RBF神经网络的应用分析

依赖传统的损失分布理论,财产损失分布模型拟合的优劣往往取决于经验分布函数的选择和参数的确定.由于财产损失信息的不完整和损失数据的不充分,经验分布函数的选择有时会出现较大偏差,难以保证损失分布模型较好的拟合性和有效的预测性.为改进测算效果,采用径向基神经网络,在对原始数据进行平滑处理的基础上学习与训练,进而设计未来财产损失测算模型、选择现实数据模拟并进行实证分析.研究结果表明,RBF神经网络用于财产损失分布的拟合及预测具有良好的适用性,而且随着训练样本.数量的增加,模拟值逐渐逼近真实值;RBF人工神经网络建立的模型,能够很好的将财产损失中的非线性关系描述出来,并且随着观察数据的不断更新,所建立的非线性模型与实际系统更加接近,使得非线性模型能够取得比线性模型更加良好的模拟预测结果.     

已实现GARCH-GED模型的研究及应用

针对高频金融数据分布普遍存在尖峰厚尾的现象,将经典的已实现GARCH模型的残差分布拓展到服从广义误差分布的形式,并将杠杆函数的幂次放松为待估参数,建立了新的已实现GARCH-GED模型。基于上证50指数5 min频率的高频数据的实证研究结果表明:相对于正态分布假设下的已实现GARCH模型,已实现GARCH-GED模型更能刻画波动率的杠杆效应,在一定程度上提升了对尾部风险度量的精度。     

极值服从广义Pareto分布的扭转载荷外推方法研究

提出了一种极值样本服从广义Pareto分布(generalized pareto distribution, GPD)函数的扭转载荷时域外推方法,基于极值样本的均值超出函数,首先确定一个区间范围,并以形状参数最小的均方误差为目标,通过自抽样法确定最佳阈值,再采用极大似然估计法对GPD函数的形状参数和尺度参数进行估计,获取扭转随机载荷谱的极值样本,服从GPD分布规律。以商用车驾驶室的稳定杆为研究对象,介绍了扭转载荷采集的方法,基于所提出的扭转载荷时域外推方法进行外推研究,并分别从穿级计数、功率谱密度、雨流图和潜在伪损伤量等方面对外推前后的载荷谱进行了对比分析。结果表明：所构建的载荷外推算法对商用车驾驶室稳定杆扭转载荷外推有较好适应性。     

基于t-copula的信用组合一致性风险度量

以预期短缺ES作为信用组合的风险量度,利用t-copula建模债务人的资产相关性,然后运用小样本近似方法求解信用组合损失分布,并与利用高斯copula得出的结果作比较,提出了一种确定信用组合一致性风险量度ES的方法,并研究债务人资产相关性建模中的模型风险。     

光滑样条回归的分层贝叶斯方法

从光滑样条回归的贝叶斯解释出发，将光滑参数λ看作先验分布中的超参数．用分层贝叶斯的方法，假定λ的先验分布为伽玛分布，用后验均值估计回归样余．通过模拟表明本文提出的方法具有很好的估计效果．     

基于贝叶斯面板平滑转换模型的房价阈值效应研究

针对经济变量之间普遍存在的非线性关系,导致线性模型拟合失效的问题,构建面板数据平滑转换模型,刻画变量之间关系的非对称性。采用贝叶斯方法进行模型的参数估计,避免非线性最小二乘算法难以收敛,参数估计不确定。通过分析模型结构,选择参数先验分布,设计相应的Metropolis-Hasting-Gibbs混合抽样算法,据此估计模型参数;在此基础上,利用省域面板数据分析房价阈值效应问题。研究结果表明:参数的动态迭代轨迹收敛,MH-Gibbs混合抽样算法能够准确地估计模型各参数,解决了非线性最小二乘无法收敛的问题,证明了贝叶斯面板数据平滑转换模型的有效性;同时也验证了房价波动的阈值效应以及房价与城市化、城乡收入差距之间的非线性关系。     

KUK随机化调查模型下的贝叶斯估计

本文针对属性特征的KUK模型建立了贝叶斯估计理论,求出了在先验分布是混合贝塔先验分布、抽样方法是简单随机抽样情况下总体敏感特征比例的贝叶斯估计,并且使用后验均方误差作为精度标准,对贝叶斯估计与极大似然估计进行比较。     

利用次序统计量估计某类群体的平均寿命

利用次序统计量对伽玛分布Γ(α,1)及Γ(α,β)进行参数估计,进而估计某类服从伽玛分布的群体的平均寿命和方差.     

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。     

Poisson分布参数的Bayes估计

以先验分布为Gamma分布时，对Poisson分布给出了参数的Bayes估计．     

基于核方法的贝叶斯邮件分类网络研究

提出一种包含核函数的Bayesian参数估计方法,提高了Bayesian参数估计的实用性。结合邮件内容和报文格式两个方面分析和提取邮件的重要特征,建立了对应的Bayesian邮件分类网络。将包含核函数的Bayesian参数估计方法应用到邮件分类网络,在对不同邮件测试集的在线学习试验结果证明,这种新的分类模型能够有效地实现垃圾邮件的分类过滤。     

基于WinBUGS软件的贝叶斯计量经济学

目前国内计量经济学的教学和研究还主要局限于基于频率统计学的经典计量经济学内容,常用的计算软件是Eviews,关于现代贝叶斯计量经济学和W inBUGS软件的研究较少。文章从现代贝叶斯分析发展的角度探讨贝叶斯计量经济学的定义和建模的基本原理,并通过一具体应用实例详细介绍贝叶斯计量经济学常用计算软件W inBUGS的主要操作步骤。     

一种对称损失下Pareto分布参数的Bayes估计

本文讨论了给定容量n的一个Pareto样本在对称损失函数下,Pareto分布参数的Bayes估计,证明了这一估计是可容许的,并给出了Bayes的置信下限。     

基于最小二乘法参数估计的SAW标签脉冲位置编码识别

为了在相同尺寸的SAW标签基础上扩大编码容量,拓宽SAW的应用范围,提出了一种基于最小二乘法的参数 估计法,改进原有的脉冲位置编码方式。构造声表面波阅读器的信号模型,在起始反射栅时延参数估计算法的基础上, 综合考虑单个标签的所有往返时延信息,引入误差向量和目标函数;利用最小二乘法优化目标函数,取消具有参考作用 的起始反射栅,建立反射栅参数的数学模型。通过实例分别求得两种方法的时延,得出最小二乘法参数估计法比起始反 射栅参数估计法具有更短的响应时间,最后利用蒙特卡洛方法对试验数据结果进行统计分析。结果表明该方法能够有 效地提高SAW阅读器的识别速度,具有一定的推广应用价值。