正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

偏态t分布下FIGARCH模型的动态VaR计算

针对金融时间序列多是有偏分布和"长记忆性"的特征,讨论偏态t分布下分数维GARCH模型的动态VaR测算问题.在分析正态分布、学生t分布、广义误差分布下和偏态t分布的基础上估计模型参数,得出了动态VaR,并进行了失败率检验.实证结果表明:基于偏态t分布下的FIGARCH模型测算的动态VaR值克服了其他分布假设上的不足,能够较好地反映金融收益率的实际风险,并在该分布下的Pearson吻合度检验也证实了模型分布选择的正确性.     

操作风险经济资本的度量方法与实证

文章用极值理论对金融机构的操作风险所需的经济资本进行度量。通过变点理论来定位Hill估计曲线的变点位置,进而精确地计算出阈值。同时,文章采用一种稳健的方法一平方误差积分法来对POT模型中的参数进行估计,以确保误差更小、更稳定。结果表明,改进后的POT模型能得到较理想的结果,能为度量操作风险所需的经济资本提供有效的方法支持。     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,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,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

中国股指收益率序列GARCH模型中变点的Bayes识别

文章研究基于贝叶斯方法的GARCH模型中变点的识别问题.由于股指收益率序列呈现尖峰厚尾非正态的特点,假设误差项服从自由度为v的标准化学生t分布而非标准正态分布.我们给出了基于贝叶斯方法的GARCH模型中变点估计的具体描述,包括单变点情形、多变点(变点个数未知)情形的变点估计.在实证研究中,我们选取2000年1月4日至2011年9月30日上证A股指数收益率数据进行迭代计算来识别变点,并且将得到的变点时刻与其附近的重大政治经济事件结合起来,给出其合理的解释.     

稀有事件变点问题的Bayes分析

文章针对稀有事件中的变点问题,根据Bayes法建立了判断变点是否存在、计算变点位置的合理模型,并利用基于Gibbs抽样的MCMC模拟抽样,估计出变点和分布参数之值。然后引用美国煤矿灾难和我国关中地区干旱灾害的实际数据,对文中提出的模型进行验证,得出了有关结论。     

利用样本分位数求逆威布尔分布参数的渐近估计

文章利用逆威布尔分布的若干个样本分住数,建立线性回归模型,由获得的逆威布尔分布参数的广义最小二乘估计的渐近正态性,得到数据缺失、分组数据、截尾样本场合逆威布尔参数的渐近估计。在样本足够大的情况下,该方法简单有效。     

基于逐步递增的Ⅱ截尾样本的Rayleigh分布参数的Bayes收缩估计

在逐步递增的Ⅱ截尾试验下,文章针对Rayleigh分布参数的估计问题,在平方误差损失函数下得到了未知参数的Bayes估计,同时提出了一种新的估计方法-Bayes收缩估计.数值模拟结果表明提出的Bayes收缩估计较Bayes估计更加稳健.