多重假设检验中参数估计问题研究

在多重假设检验中,真正原假设的个数m0是未知的,但是它有着很重要的影响,因此,它在最近的统计文献中备受关注.文章综述了三种主要的估计方法:最低斜率法、三次样条法、均值估计方法.然后将上述三种方法结合起来,提出了新的估计方法:均值三次样条法,并主要研究了其在微阵列数据上的应用.大量的模拟研究表明,和其他方法相比,新的估计方法具有较小的偏差和标准差.最后利用真实数据来对估计方法进行评估,并找出了差异表达性基因.模拟和实际数据表明此方法具有显著性提高.     

最小最大概率分类的财务预警模型

最小最大概率机是一种实现未知样本正确分类概率最大化的分类算法,其在两类样本的均值和协方差矩阵已知的条件下而构建的,对类条件分布不做要求,非常适合于财务危机建模分析.文章提出使用建立最小最大概率分类理论进行财务预警研究,结合沪深股市A股制造业上市公司的财务数据进行实证研究,使用线性和核最小最大概率机算法分别建立T-2和T-3年财务预警模型,实验结果表明最大最小概率分类财务预警模型具有不错的分类效果和适应性.     

SCAD惩罚逻辑回归的财务预警模型

作为一种有监督学习算法,逻辑回归(Logistic Regression,LR)已广泛应用于财务危机建模分析,但其潜在地存在过拟合问题。鉴此,提出一种基于平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)惩罚逻辑回归的财务预警模型。该模型不仅能很好地解决模型过拟合问题,而且还可以同时实现变量选择和模型系数估计,并提高了模型的解释性。结合沪深股市A股制造业上市公司的财务数据进行实证研究,同时对比一般的L1正则化和L2正则化逻辑回归模型的预警效果进行实证分析,实验结果表明:SCAD惩罚逻辑回归模型具有较好的分类效果和较强的经济解释能力。     

基于q-高斯分布的投资组合实证分析

投资组合是一个复杂系统问题,选择合适的q-分布及其密度表达形式是应用中的一个重要问题。首先从含有噪声的线性随机微分方程中推导出q-高斯分布概率密度函数,其表达形式简单,参数对分布的影响非常直观;接着将q-高斯分布应用于投资组合理论的均值-方差模型和均值-VaR模型;最后结合沪市股票数据进行实证分析,结果表明两种模型在q-高斯分布假设下的实际收益均大于其在高斯分布假设下的实际收益。     

基于HRM的金融时间序列预测

由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。