经济预测中的Monte Carlo模拟及方差控制——以国际石油价格预测为例

从MDnte Carlo模拟的实现过程入手，首先通过对Monte Carlo方法原理的阐述来介绍该种方法。进一步结合具体的实例通过计算机进行模拟来解释Monte Carlo方法的具体实现过程。重点讨论在选择合理的数据生成过程的前提下，如何在Monte Carlo方法中减少模拟方差，从而提高估计精度，更好地应用这种方法来进行经济预测。     

随机折现因子框架下均值-方差张成的计量分析

文章在随机折现因子的框架下对均值-方差张成问题进行了系统研究.首先,采用和Kan、Zhou(2001)不同的方法直接证明了新张成条件与现有张成条件的等价性;接着,探讨了新张成条件对应的检验模型的GMM估计及其Wald统计量的性质,通过Monte Carlo模拟揭示这些Wald统计量的小样本偏倚;最后,利用本文导出的均值-方差张成检验方法对中国股市进行实证研究.为了克服小样本偏倚的影响,文中采用Block-Bootstrap方法模拟了GMM估计的J统计量的分布.     

两参数Birnbaum-Saunders疲劳寿命分布的统计分析方法研究

文章首先比较了全样本场合下两参数BS疲劳寿命分布各种参数的点估计的优劣,认为当样本容量较大时,用分位数估计更为方便.通过Monte Carlo模拟说明文献[6]关于尺度参数的区间估计有可能是不存在的.     

Monte Carlo方法及其应用

本文首先介绍了Monte Carlo方法的产生和发展。在第二部分给出了Monte Carlo方法对定积分进行近似计算的两种方法：随机投点法和样本平均值法,其中对样本平均值法,在借助于产生服从标准指数分布和标准正态分布随机数的基础上,将其推广到被积区间为无穷的情况分别加以讨论。上述两种方法分别给与实例,利用Matlab编程进行了求解和误差分析。第三部分本文进一步用Monte Carlo方法解决n维定积分问题,进行了误差分析。并给出实例。第四部分介绍了Monte Carlo方法在计算概率时的应用,对两个具体的例子用此方法在Matlab帮助下求解,并通过与用公式计算的精确结果,比较说明Monte Carlo方法在计算概率问题中的有效性。     

顾客满意度模型的样本量研究

本文在对顾客满意度模型及其估计方法PLS（Partial Least Square）进行简单讨论的基础上,详细研究了顾客满意度模型PLS估计方法需要的样本量,并针对中国顾客满意度研究的实际案例数据,给出了顾客满意度模型的样本量要求的建议,对顾客满意度实践有指导意义。     

平方误差和LINEX损失函数下逆Rayleigh分布参数的经验Bayes估计

在平方误差和LINEX损失函数下,导出了逆Rayleigh分布参数的极大似然估计、Bayes估计和经验Bayes估计,并给出了Monte Carlo数值模拟比较结果.     

一类新的加权平方损失函数下几何分布的Bayes可靠性分析

文章在一类新的加权平方损失函数下,讨论了几何分布可靠度的Bayes估计问题。可靠度的先验分布分为无信息和共轭先验分布两种情形讨论。导出了可靠度的Bayes估计,并利用Monte Carlo数值模拟对几种估计进行比较。     

自适应样本量调整中Fisher合并P值法和传统检验法的模拟比较

文章探讨Fisher合并P值法在两阶段自适应设计样本量调整中对Ⅰ型错误和检验效能的影响。利用蒙特-卡罗(Monte Carlo)法模拟不同样本量时的两阶段自适应设计过程,分别采用合并P值法和方差分析法分析最后数据并比较了二者对Ⅰ型错误、检验效能值的影响。     

交互效应动态面板模型的非线性工具变量估计

文章针对交互效应动态面板数据模型的参数估计难题,提出了一种非线性工具变量估计方法.通过Monte Carlo仿真发现:这种非线性工具变量估计法具有较好的有限样本性质,特别是针对非平稳的数据,该方法表现出了非常好的有限样本估计特征.     

空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析

 当误差项不服从独立同分布时,利用Moran’s I统计量的渐近检验,无法有效判断空间经济计量滞后模型2SLS估计残差间存在空间关系与否。本文采用两种基于残差的Bootstrap方法,诊断空间经济计量滞后模型残差中的空间相关关系。大量Monte Carlo模拟结果显示,从功效角度看,无论误差项服从独立同分布与否,与渐近检验相比,Bootstrap Moran检验都具有更好的有限样本性质,能够更有效地进行空间相关性检验。尤其是,在样本量较小和空间衔接密度较高情况下,Bootstrap Moran检验的功效显著大于渐近检验。     

Monte Carlo EM梯度法在MATLAB中的实现

文章使用空间广义线性混合模型为连续空间非正态变量建模,在MATLAB中实现模型参数估计的MCEMG算法,即结合Monte Carlo样本的EM梯度法,求解参数的极大似然估计及采样点随机效应的最小均方误估计。在GS+中进行随机效应的普通克里格插值,并最终对非采样点响应变量进行预测。模拟仿真结果显示该方法参数估计与真实值较接近,响应变量预测结果能反应真实数据总体分布情况。     

Monte Carlo方法模拟随机抽样的误差控制分析

本文从分析各种随机抽样方法入手,对一些基本的随机抽样方法进行了简单比较。进一步讨论了Monte Carlo模拟随机抽样的抽样误差问题。着重分析抽样误差产生的原因以及怎样运用统计方法进行合理的误差控制。进一步结合具体实例进行了抽样模拟,并对模拟结果加以分析。针对模拟误差的影响因素,提出了解决Monte Carlo模拟中控制抽样误差的一些基本问题。     

改进PPS抽样设计效应的Monte Carlo模拟

文章探讨了利用Monte Carlo方法对改进的PPS抽样进行模拟,并对改进的PPS抽样设计效应进行了评价.文章从改进的PPS抽样以及PPS抽样设计效应入手,分析了改进的PPS抽样的设计效应的计算;并结合具体实例,对改进的PPS抽样进行了Monte Carlo模拟.     

逐次定数截尾下Pareto分布的可靠性分析

基于逐次定数截尾模型,文章选取未知参数的先验分布为无信息先验分布,分别在平方损失和LINEX损失下,讨论了Pareto分布的形状参数,失效率以及可靠度函数的Bayes估计。最后运用Monte Carlo方法对Bayes估计和极大似然估计的MSE,进行了模拟比较。结果表明在LINEX损失下的Bayes估计更优。     

基于插值法的Bayes Bootstrap方法的改进

小样本实验数据较小,工程上常用Bayes Bootstrap方法来估计小样本的参数问题,文章研究了置信度一定、样本量不同的情况下,用插值法自助扩充了小样本数据的样本量,对Bayes Bootstrap方法提出改进.最后,运用蒙特卡罗方法对具体算例建模仿真,验证改进方法的优越性.     

Polya后验方法在有限总体抽样估计中的模拟研究

polya后验方法作为一种无信息贝叶斯估计方法,在有限总体抽样中,通过观测的样本,构造一系列的模拟总体,然后进行统计推断。通过统计模拟研究了polya后验方法估计的一些特点,并和Bootstrap方法进行比较。模拟结果显示:polya后验方法能够很好地估计总体的均值,随着样本量的增大,估计值与真值的差距越来越小。采用polya后验方法构造的置信区间区间长度较小,能够很好地覆盖真值。     

先验信息对MCMC方法估计概化理论方差分量变异量的影响

MCMC是一种动态的蒙特卡洛方法,可以用于估计概化理论的方差分量。MCMC方法估计出的方差分量受限于抽样,不同的抽样样本,所估计的方差分量可能不一样,需要对其变异量进行探讨。文章采用蒙特卡洛(Monte Carlo)数据模拟技术,在正态分布下讨论有无先验信息对MCMC方法估计概化理论方差分量变异量的影响。结果发现,有先验信息的MCMC方法估计方差分量标准误较无先验信息的MCMC方法要精确些,但随着i的样本容量增大,这种趋势减小;有先验信息的MCMC方法和无先验信息的MCMC方法估计方差分量置信区间,随着i的样本容量增大,精确度相当。     

固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM) 和二次推断函数法(QIF) 相结合，为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法；在一定的正则条件下，论证了参数估计量的渐近正态性和非参数估计量的收敛速度；采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力，而且程序运行速度得到较大幅度提升。     

固定效应部分线性单指数面板模型的惩罚分位数回归

分位数回归是均值回归的有益补充,该方法毋须对分布函数的具体形式做出假设,且对具有异常值或厚尾分布的数据仍具有稳健性.当前,对部分线性单指数面板模型估计方法的研究主要集中于均值回归,基于此,本文考虑了固定效应部分线性单指数面板分位数回归模型,结合B-样条函数、SCAD惩罚函数和迭代加权最小二乘法,构建了模型的估计方法,证明了估计方法的一致性和渐近正态性,同时利用Monte Carlo模拟评价了所述方法在有限样本下的表现.最后,将估计方法应用于分析碳排放的影响因素.     

基于期望的重要抽样方法研究

传统的Monte Carlo方法仿真稀有事件需要较长的时间,而重要抽样技术可以有效地缩短仿真时间,提高仿真效率.文章提出一种新的重要抽样实现方法,用来估计仿真模型中的稀有事件的概率;利用期望寻找最优重要抽样分布函数,并与传统的Monte Carlo算法进行比较.仿真结果显示了该方法在估计稀有事件概率方面的有效性.