贝叶斯决策的变精度概率粗糙集模型

文章分析讨论了最小风险贝叶斯决策的基本过程,建立了贝叶斯决策的变精度概率粗糙集模型。该模型在处理贝叶斯决策问题时能使决策失误的风险更小。     

基于后修正贝叶斯决策树模型的保险企业营销决策

文章通过引入一个将贝叶斯概率分布与决策树算法相结合的后修正贝叶斯决策树模型,对保险企业的营销决策进行量化分析,从而得到保险公司应采取的营销模式.实证结果表明,后修正贝叶斯决策树模型在保险企业的营销决策中是比较适用的.     

奈特不确定性下的贝叶斯学习行为模型

奈特不确定性和风险下的决策框架差异明显,传统风险度量模型在处理不确定性问题上表现的并不令人满意.处理奈特不确定性的主要统计决策方法可分为新古典方法、参数修正方法和贝叶斯方法.在贝叶斯框架下,可以基于学习行为构造一个融合外部环境信息和内生主观预期的模型,将期望效用最高的行为视为最优决策.贝叶斯学习行为模型在实践中能够有效的区分风险和不确定性,对于解决不确定性环境下传统风险度量模型容易低估风险和忽略极端风险的问题具有积极意义.     

基于多阶段抽样的贝叶斯序贯过程质量监控分析

文章针对参数随机化情况下的质量控制问题,提出了新的过程质量方法。通过质量控制模型的统计结构分析,研究了Jeffreys先验分布下参数的后验分布和贝叶斯估计,据此构造了具有预警线的过程样本均值-标准差监控图,以及贝叶斯过程能力指数评价模型;然后,将过程状态稳定的模型参数后验分布作为下一阶段的参数先验分布,进行样本数据信息融合、模型迭代更新,建立了基于共轭先验分布的贝叶斯序贯均值–标准差监控和贝叶斯动态过程能力指数估计模型。研究结果表明:与现有的统计过程质量控制方法比较,贝叶斯序贯过程质量监控方法能够融合产品质量指标的历史信息,及时更新过程控制限,动态监控过程质量波动。     

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.     

小波包与贝叶斯LS-SVM在石油价格预测中的应用

掌握国际石油价格变化趋势,可以为决策者提供决策依据.文章提出了基于小渡包和贝叶斯推断的最小二乘支持向量机石油价格预测方案.对石油价格时间序列进行小渡包分解与重构,采用贝叶斯推断对得到的各近似序列和各细节序列进行最小二乘支持向量机模型参数优化,再分别利用优化了的模型进行预测,合成得到最终预测结果.对美国纽约商品交易所原油价格进行仿真实验,结果表明该方法很好地改善了石油价格预测模型的运行速度与预测精度.     

贝叶斯推断在抽样审计中的应用研究

本文探讨了贝叶斯推断在抽样审计中的具体运用,并结合一个具体的实例对贝叶斯推断在抽样审计的应用做了实证分析,最后,对贝叶斯推断在抽样审计中的运用进行了评析。     

时间序列ARFIMA模型的贝叶斯预测分析

ARFIMA模型是时间序列分析理论体系中的一个新领域,其模型结构比较复杂.本文系统地研究了时间序列ARFIMA(p,d,q)模型的贝叶斯预测问题,给出了模型的似然函数形式,构造了模型参数的先验分布;根据贝叶斯定理严密地推断了参数的后验边缘分布密度函数,建立了贝叶斯ARFIMA模型预测的基本程序,并且进行了实证研究分析.     

基于贝叶斯统计的股票市场结构突变研究

文章运用贝叶斯统计方法研究了我国股票市场结构突变点的问题,并在ARMA模型的基础上对突变点的位置进行推断.通过对2005年1月4日至2014年5月23日的上证综指日收益率序列的实证分析,找到了3个突变点发生的位置,结果表明它们分别对应我国股票市场重大的结构变化.     

潜在因素模型在商业银行信用风险分析中的应用

在评估商业银行整体信用风险时,债务人的信息一般不会传递到风险管理部门,导致在缺少违约数据时传统方法的分析十分复杂甚至难以进行.基于贝叶斯方法的潜在因素模型可以有效解决无法获得特定债务人信用质量的问题,并能够在宏观经济环境变动时准确评估违约风险强度变化,从而避免低估风险.利用MCMC模拟方法对商业银行数据的实证分析表明,潜在因素模型不仅推断方法及模拟途径简洁清晰,估计结果更加精确,而且在贝叶斯框架下具有较强的灵活性,适合在不同的数据约束条件下应用,便于国内风险分析人员采用.     

贝叶斯统计推断及其主要进展

贝叶斯统计推断作为现代统计分析方法的重要内容,对于统计学理论的发展具有里程碑的作用。深入总结其研究的主要进展,具有重要的现实意义。在查阅国内外重要学术研究资料的基础上,从贝叶斯统计推断的思想、与古典统计的研究思路比较和贝叶斯统计推断研究的主要进展三个方面作了综述与介绍,力图达到认识贝叶斯统计推断及其研究现状的目的。     

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断.C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性.采用Czado等提出的选择准则决定C-Vine模型的具体分解形式.利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族.利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数.最后,通过实例来研究序列间的相关性和相互影响.     

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.     

基于贝叶斯网络的长江地区人口健康素质预测

文章从提高人口健康水平方面研究了提高人口素质决策的评价体系,以贝叶斯网络为工具,在对长江地区人口数据进行了相应的离散化处理后,从大量人口数据中分析人口健康素质问题,建立了描述人口健康素质的贝叶斯网络模型,可为人口决策提供科学依据.     

贝叶斯方法在证券市场中的应用

证券市场中股票的统效对投资者而言显得特别重要，股票绩效总是从以往股票数据的统计分析获得的。投资者试图在小的投资区域获得绩优胜，这就有赖于对数据进行进一步的分析。贝叶斯统计方法是以新获得的数据信息更新先验信息而对数据进行推断，本文是将贝叶斯方法运用于证券市场的一点粗浅尝试。一、公式及推断已知H表示发生了某件事件，H表示某件事件没有发生，E表示已知某一信息，E表示未知某一信息。相应地，P（H）表示H的先验概率，P（HIE）表示H的后验概率，P（HE）表示H、E的联合概率。我们可得到贝叶斯公式：用0（H）表示H的…     

抽样检验费用的贝叶斯分析方法

抽样检验使我们可以从抽检样本的结果来推断送检批总体的质量,从而在“接收”或“拒收”等不同行动中作出正确的选择.由此可见,抽样检验是具有一定的价值的.在市场经济中,谁掌握这种价值的分析估算方法,谁就能在这个环节获利较多或受损较少.古典的贝叶斯决策理论正是解决这个问题的有力工具.本文试以一个实际例子,详析抽检费用的贝叶斯分析方法.此法计算量较大,但若用计算机或带科学计算的计算器,并不难解决,故有实用价值.通过本文也可看到贝叶期决策理论的一般思路.某公司有机会购买一批旧碗.旧碗成箱销售,每箱为25只.每箱价格为32.5元.其中坏的碗每     

贝叶斯因果图的构建与应用

贝叶斯网络及因果图的理论方法都已成为较成熟的分析及决策工具.在贝叶斯网络及因果图理论基础上提出构建贝叶斯因果图(BCM)具有可行性及必要性,既结合了二者的优点同时也回避了二者的缺点.文章给出了从因果图出发构建BCM的几个主要构建步骤及要解决的主要问题,同时以实例描述其构建过程.     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。     

变量惩罚效应在贝叶斯分位数回归模型的应用

尽管贝叶斯分位数回归方法能够有效克服经济金融数据的尖峰厚尾、结构突变等问题,充分借鉴已有研究成果信息,但是其并不能很好解决多维变量模型的维数灾难问题.为此,文章在贝叶斯分位数回归基础上,结合自适应Lasso变量惩罚作用,构建了基于MH抽样的自适应Lasso惩罚贝叶斯分位数回归模型.通过仿真模拟实验以及MCMC链条检验,证明上述模型具有优良拟合性质,尤其是在小样本情形下.