贝叶斯变量选择及模型平均的研究

对多元线性回归问题中的变量选择进行研究,改进现有的贝叶斯自适应抽样(BAS)方法,在实现整体不放回抽样的前提下,局部引进放回抽样的方法,通过数据仿真发现,同样进行贝叶斯模型平均(BMA),改进后的方法预测效果比改进前的BAS预测效果更好。     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。     

中国经济增长的决定因素分析——基于贝叶斯模型平均（BMA）方法的实证研究

采用贝叶斯模型平均（Bayesian Model Averaging）方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明：高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消费能力和对内开放水平等6个解释变量对中国经济增长具有长期、持续和稳健的影响,是中国经济增长的长期决定因素。城市规模、中部区位优势和初始经济条件等3个解释变量对经济增长也具有一定的解释能力。此外,从解释变量对经济增长边际影响的程度来看,工业化推进速度变量对经济增长的边际影响最强,其次是消费能力变量和对外开放程度变量。     

贝叶斯隐马尔科夫异质面板模型及应用研究

针对不可观测异质性非时变假设导致的删失变量偏差及推断无效问题,构建贝叶斯隐马尔科夫异质面板模型,刻画截面个体间的动态时变不可观测异质性,诊断经济系统环境中可能存在的隐性变点,设计相应的马尔科夫链蒙特卡洛抽样算法估计模型参数,并对中国各地区的金融发展与城乡收入差距关系进行实证分析,捕捉到金融发展与城乡收入差距间长期稳定关系的隐性变化,发现了区域个体不可观测异质性存在的动态时变特征。研究结果表明各参数的迭代轨迹收敛且估计误差非常小,验证了贝叶斯隐马尔科夫异质面板模型的有效性。     

带有有序变量的结构方程模型中的模型选择

文章着重研究了带有有序分类变量的结构方程模型的模型选择问题,并将一个基于贝叶斯准则的统计量称为测度,应用到此类模型中进行模型选择。通过实例分析说明了上述方法的应用,并给出了根据贝叶斯因子进行模型选择的结果。     

基于贝叶斯法则的个体信念调整及决策模型

文章从学习行为角度切入,基于贝叶斯法则构建了一个个体在有界策略集中进行决策的一般性行为调整模型,并使用城镇住宅小区内"既非家庭私有又非社会公有的被一定范围内私人共享"的资源配置,来解释业主群体在维权模式过程中的经验积累和认知演化过程,以及业主对外界信息的内部加工过程。     

基于贝叶斯网络和GPS轨迹数据的出行方式识别

为了从大规模GPS轨迹数据中提取出行行为建模所需的必要信息,文章将贝叶斯网络应用到GPS数据处理过程中,建立了出行方式识别的贝叶斯网络模型.以个体出行者作为研究对象,以智能手机采集的轨迹信息作为数据源,利用K2算法学习贝叶斯网络结构,采用极大似然估计法学习贝叶斯网络参数.以建立的贝叶斯网络模型为基础,推断了样本的出行方式,实现了步行、自行车、电动车、公交车和小汽车共五种出行方式的自动化识别.研究表明,贝叶斯网络适用于出行方式识别研究,且低速点比例和平均方向改变两个指标可以有效提高出行方式识别准确度.     

基于多变量动态模型的产出缺口估算

 本文运用多变量动态模型系统下的Beveridge-Nelson分解方法和贝叶斯Gibbs抽样估计，估算了1985年1季度至2008年2季度期间中国的产出缺口，并且与传统的单变量估计方法测算的结果在统计属性和对货币政策调节的预测效果方面进行了比较。实证结果表明，不同产出缺口的统计属性存在差别，并且只有基于多变量系统测算的产出缺口对货币政策具有显著预测效果。这说明多变量模型估计出的产出缺口更全面地考虑了经济产出与其他相关变量的互动效应，含有的信息更为丰富，从而对宏观政策调整具有更重要的参考价值。     

贝叶斯随机搜索的多变点模型分析

在多变点模型中借助拉丁变量来计算贝叶斯随机搜索模型,把模型选择问题转化为对拉丁变量后验分布的分析.由于对拉丁变量分量的条件后验分布逐一分析较难实现,文章从拉丁变量整体进行分析,用可逆跳算法可以实现从模型的计算,连续用三个不同的MH算法对拉丁变量的后验分布进行抽样.并对英国司机死亡或者重伤的月度数据集分析,在MAP算法模式下找到了三个变点.     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

基于贝叶斯搜索方法的TAR模型研究

文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致.     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

基于贝叶斯网络分类的个人信用评估模型

1贝叶斯网络分类模型1.1贝叶斯分类原理设U=邀X,C妖是随机变量有限集,其中X=邀X1熏…熏Xn妖是属性变量集,C是类变量,取值范围为邀c1熏…熏cl妖,xi是属性Xi的取值。样本xi=穴x1熏…熏xn雪属于ci的概率,由贝叶斯定理可表示为:P穴C=cj｜X=xi雪=P穴cPj雪P穴x穴x1熏1…熏…熏x熏nx雪     

面板数据的贝叶斯Elastic Net分位数回归方法及其应用研究

本文首次将Elastic Net这种用于高度相关变量的惩罚方法用于面板数据的贝叶斯分位数回归,并基于非对称Laplace先验分布推导所有参数的后验分布,进而构建Gibbs抽样。为了验证模型的有效性,本文将面板数据的贝叶斯Elastic Net分位数回归方法(BQR. EN)与面板数据的贝叶斯分位数回归方法(BQR)、面板数据的贝叶斯Lasso分位数回归方法(BLQR)、面板数据的贝叶斯自适应Lasso分位数回归方法(BALQR)进行了多种情形下的全方位比较,结果表明BQR. EN方法适用于具有高度相关性、数据维度很高和尖峰厚尾分布特征的数据。进一步地,本文就BQR. EN方法在不同扰动项假设、不同样本量的情形展开模拟比较,验证了新方法的稳健性和小样本特性。最后,本文选取互联网金融类上市公司经济增加值(EVA)作为实证研究对象,检验新方法在实际问题中的参数估计与变量选择能力,实证结果符合预期。     

基于Gamma随机效应分层贝叶斯模型的汽车延保定价

汽车延保在中国方兴未艾,相应保险产品的推出更是必然趋势,但相关精算定价研究仍为空白。假设系统故障过程为更新过程,将故障分析问题转换为生存分析问题,对存在左截断和右删失的选择性样本进行分析;模型构建上,假设汽车系统寿命服从两参数威布尔分布,构造多层贝叶斯模型,基于MCMC方法估计后验参数;在第二层模型中引入地区、车型、系统等因子作为协变量建立威布尔混合效应模型,并假设随机效应服从Gamma分布,考虑到系统内部件存在竞争风险,对系统寿命分布参数进行调整,把系统寿命的建模分析转换为指定时间内故障次数的分析,并据此给出延保产品精算定价;通过实证研究,基于某4S店真实数据给出两年期延保定价,结果表明基于Gibbs抽样的贝叶斯MCMC方法估计结果收敛性较好,最终定价也贴合实际情况。     

基于逆跳MCMC的贝叶斯分位自回归模型研究

考虑到传统信息理论方法确定模型存在不足,在贝叶斯理论框架下提出了基于逆跳马尔可夫链蒙特卡罗法确定分位自回归模型阶次的方法。在时间序列服从非对称Laplace分布的条件下,设计了马尔可夫链蒙特卡罗数值计算程序,得到了不同分位数下模型参数的贝叶斯估计值。实证研究表明：基于逆跳马尔可夫链蒙特卡罗法的贝叶斯分位自回归模型能有效地揭示滞后变量对响应变量的位置、尺度和形状的影响。     

消费者自述偏好与现实选择比较研究——以有机牛奶为例

基于山东省586个消费者样本数据,以有机牛奶为例,对消费者自述偏好与现实选择行为之间的偏差进行了比较研究,并借助有序Logistics模型研究了相应影响因素。结果表明,在对有机牛奶有自述偏好的被调查者中,自述偏好与现实选择间偏差总体较大。受教育程度、年龄、家庭收入、家中是否有18岁以下的孩子等个体特征以及价格评价、购买便利性、食品安全意识、健康意识与环境意识等因素显著影响自述偏好与现实选择间偏差。供应商应采取相应营销策略,促使消费者自述偏好向现实选择转化,有效开发市场潜在需求。     

基于动态贝叶斯网络的舆情预测模型研究

随着新兴媒体的出现,为了提前并更加准确地判断突发事件网络舆情的发展演化方向,以便做出比较合理的预测监控.文章基于动态贝叶斯网络模型,建立了关于突发事件的网络舆情预测监控模型.通过关联概率的计算,对动态贝叶斯网络中存在因果关系的节点变量进行预测.并以分析2014年上海踩踏事件为例,确定此事件对象中的节点变量,并通过10位专家评分的方式给出了对突发事件网络舆情进行预测的具体操作方法,得到比较合理的预测结果,证明了该方法的可行性和实用性.     

基于MCMC模拟的贝叶斯分层信用风险评估模型

缺少违约数据与债务人异质性是度量信用风险时面临的重要问题。贝叶斯模型中分层先验信息和马尔可夫链蒙特卡罗（MCMC）模拟方法的应用可以有效缓解数据缺失和测量误差问题,并能对债务人异质性进行评价和比较,从而避免低估风险。针对银行数据的模型拟合与模型诊断均展现了分层估计的适应性和灵活性,相关方法简洁清晰,利于国内风险分析人员采用。同时,涵盖宏观经济协变量的贝叶斯分层模型可以用于更加复杂的风险分析。     

基于辅助粒子滤波的DSGE模型识别方法及应用

动态随机一般均衡模型中涵盖无法直接观测的变量,同时跨方程约束涉及复杂的非线性关系使方程的解析估计难以实现。在贝叶斯框架下识别动态随机一般均衡模型,基于状态空间方法建立度量方程和状态转移方程,采用辅助粒子滤波预测条件后验分布,建立贝叶斯误差带描述宏观经济变量脉冲响应函数的动态特征。实际数据分析验证了贝叶斯识别方法的有效性。