时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

在非高斯状态空间模型下对SCD模型的估计

高频超高频时间序列的分析与建模成已为计量经济的一个全新研究领域,而研究金融市场中交易事件到达时间的随机条件持续期SCD模型,因为加入了随机变量,可以更好地拟合高频超高频金融时间序列特有的统计特征,但随机变量的引入给模型估计带来了估计困难。考虑到非高斯状态空间模型与随机条件持续期SCD模型各自的优势,文章将SCD模型转换成非高斯状态空间模型,从而利用非高斯状态空间框架下的Kalman滤波解决了SCD模型的估计难题。     

中国经济增长方式转变特征测度——基于贝叶斯时变参数状态空间模型

忽略经济增长模型的合适性及时变特征可能导致中国经济增长方式测度严重背离现实。根据Solow与Lucas的两类经济增长模型,序贯性构建了6个时变参数经济增长函数。通过贝叶斯推断与MCMC抽样获得刻画经济增长方式转变的时变特征,应用模型选择与比较得到相应结论:规模报酬时变的人力资本外部性模型要优于其它5个模型,人力资本要素对经济增长具有溢出效应,提高了经济增长的内源性效率;物质资本弹性、人力资本弹性及溢出效应具有较强上升趋势,对中国经济可持续性发展发挥良好支撑作用;尚未达到递增阶段的规模报酬以及收敛性波动的全要素生产率(TFP)增长率都需审慎解决。     

基于带跳时变系数模型的PPI与CPI相关性研究

2008年以来,我国PPI与CPI走势出现了多次背离与分化,从整体上看,两者相关性很弱。但从动态视角来看,由于相关关系可能会因时而变,整体相关性有可能被关系本身的方向和强弱变化所削弱甚至掩盖。为准确反映两者相关性的动态变化,本文放宽时变系数函数的光滑性假设,提出了带跳时变系数模型,并给出一种非参数三步估计方法：首先,估计系数函数中跳点的位置和个数;然后,基于估计的跳点和Bootstrap方法选择的窗宽给出系数函数的最终估计;最后,利用蒙特卡洛模拟评价本文提出的非参数估计和窗宽选择方法的有限样本性质。通过对2008年1月至2017年12月我国PPI和CPI月度同比数据的实证分析,我们发现该模型能较好地刻画PPI与CPI相关性的时变和带跳特征,进而也验证了该模型的应用价值。     

基于状态空间模型的中国金融稳定性评估

采用状态空间模型和Kalman Filter算法,从机构运作、市场运行、宏观环境、抵御外部冲击四个方面选取不良贷款率等9个指标构建中国金融稳定状态指数(FSCI)。得到如下结论:FSCI指数对金融稳定描述的准确性受基础指标权重影响很大,且权重是时刻变化的,目前FSCI指数处在(-5%,5%)之间,金融市场处于相对稳定的状态。为此,建议加强金融稳定监测,并对其监测方法进行改进,建立重点指标的动态监测和预警机制;加强银行市场、股票市场、期货市场、保险市场、房地产市场基础建设,完善各个市场的制度体系,并增强其抵御风险的能力;加强外债和外汇储备管理,优化其构成结构;建立多元化的外交关系等一系列措施。     

时变系数空间自回归面板数据模型的极大似然估计

本文对扰动项存在跨时期的异方差、但不存在序列相关的时变系数空间自回归模型提出了极大似然的估计方法,并证明了该估计量的一致性,同时,证明了该估计量渐进服从正态分布,由此说明该估计量具有优良的大样本性质。同时,我们还对本文所提出估计量的小样本性质进行了数值模拟。本文研究表明,估计量虽然在N较小时偏差较大,但是随着N的不断增加,估计量偏差减小,体现了比较优良的渐进性质。同时,估计量的偏差会随着时期数的增加而变大,这说明本文所提出的估计方法适用于个体数较多、时期数较少的短面板数据。     

基于KSS模型的省级时变技术效率估计

文章采用新近发展起来的KSS模型估计考虑能源因素的省级时变技术效率,并将估计结果与DEA模型进行比较分析。研究发现,样本区间内省级技术效率呈下降趋势,显示地区经济差距趋于扩大;两种模型的省级时变技术效率估计和排名存在较大差异,表明技术效率的估计结果对模型选择十分敏感。     

时变资本资产定价状态空间模型的构建及实证

为提高CAPM模型定价效率,文章在资产定价模型中引入投资者情绪影响因子,并利用状态空间模型建立了动态的基于投资者情绪的资本资产定价模型.实证分析表明投资者非理性情绪是证券定价的一个系统性因子,并且风险溢价因子及投资者非理性情绪因子具有显著的时变特征.     

基于状态空间模型的中国财政支出季节调整研究

文章对中国1998年1季度至2015年4季度财政支出的时间序列构建了基于状态空间形式的季节调整模型,通过卡尔曼滤波对状态方程各量测变量进行最优估计,并通过BHHH极大似然法对模型中的超参数进行估计,得出超参数、量测变量和量测变量相关系数矩阵估计值.根据分离出的循环趋势因素和季节因素,计算季节因素绝对值变化率和HP滤波分解,得到季节因素的趋势项和循环项.通过季节因素绝对值变化率曲线、其趋势项和循环项曲线分析,得到这6个年度波动性显著的原因.研究表明,中国财政支出具有季节性特征,但在特定年份受到国内经济环境和国内财政政策的影响,季节因素具有较大程度的波动性趋势.     

随机效应广义空间滞后半参数变系数面板模型的估计

通过构建同时包含因变量和误差项空间滞后的随机效应半参数变系数面板模型,拓展了现有模型的灵活性和适应性。采用截面极大似然估计方法得出了参数和非参数的估计,理论证明发现：在一定的正则条件下,所有估计量具有一致性和渐近正态性。数值模拟显示：估计量具有良好的小样本性质,估计精度随着样本容量的增加而增加;空间权重矩阵的选择对估计量的表现没有产生显著差异,但是在Case权重矩阵下,当样本量相同时,空间相关系数的估计偏差随着空间权重结构复杂度的增加而扩大。     

基于Bayesian Gibbs Sampler的状态空间模型估计方法研究及其在中国潜在产出估计上的应用

 本文将贝叶斯吉伯斯样本生成（Bayesian Gibbs Sampling,BGS）方法应用到状态空间模型的估计。首先介绍了BGS方法的基本内容和计算步骤,然后给定参数生成满足状态空间模型的模拟数据,并对模拟数据应用BGS方法估计。结果表明参数与状态向量的估计值与参数值与状态向量的真实值相当接近,明显优于基于Kalman滤波的最大似然估计结果。最后,本文将BGS算法应用于中国1980年至2008年的潜在增长率与增长率缺口的估计。     

部分状态可见的隐马尔可夫模型状态序列的估计方法

本文考虑了部分状态可见的隐马尔可夫模型的状态序列估计问题,在分析了现有算法无法合理估计状态路径之后,以状态转移概率、观测概率和可见状态作为先验信息,通过贝叶斯分析计算可见状态前后向状态的后验概率,并给出初始条件和递推公式,运用动态规划递推得到每个观测值对应的最可能状态以及最可能的状态路径。最后,本文给出一个系统故障识别的应用例子,验证了所设计算法的可行性。     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

第三类Tobit模型的半参数估计方法

本文给出第三类Tobit模型的一种新的半参数估计方法。在独立性假设下,利用主方程和选择方程中可观察受限因变量的条件生存函数所满足的关系式,构造第三类Tobit模型参数的一步联立估计量。在已知选择方程中参数一致性估计量的条件下,这种方法也可用于构造主方程模型参数 的两步估计量。本文证明了所提出的一步联立估计量和两步估计量的一致性和渐近正态性。实验模拟表明,我们提出的估计量在有限样本下具有良好表现,且一步联立估计量的有限样本表现优于或接近于Chen（1997）的估计量。     

双模网络下基于节点流行度的潜在空间模型

本文提出了双模网络下基于节点流行度的潜在空间模型,不仅能够显式地表达节点间产生连接的概率,而且可以推导出双模网络的连接的传递性、节点度的异质性等特征,这些特征可以通过数值化定量的方式描述网络生成过程中的常见规律。在此基础之上,本文进一步提出了加权概率指标,用以衡量双模网络的节点间未来产生连接的可能性。最后,本文分别在模拟数据、公开数据集和某在线点评网站的商户一消费者网络数据上验证了模型假设符合实际数据的分布,并使用加权概率指标与其他多种双模网络链路预测的方法进行比较分析。实验结果表明,本文提出的方法不仅可以量化分析网络生成过程中的特征,而且在实验数据上的链路预测能力整体优于其他双模链路预测方法。     

非等间隔动态面板数据模型：基于半差分的估计方法和应用

本文提出了非等间隔动态面板数据模型的估计方法,包括非线性最小二乘和最短距离估计法以及这两种估计方法的一步估计量,并且证明了这几个估计量的一致性和渐进正态性。我们使用数值模拟的方法验证了这些估计在有限样本中的估计精度,并且将这四种估计方法应用于实际的问题当中,最终得到了与以往的文献基本一致的估计结果。     

Bootstrap方法在死亡模型中的应用

 由于不同国家死亡率改善现象不同,世界各国所使用的死亡率模型皆不尽相同,而且不同年龄段的死亡率模型也不同。实际中,我们常常采用Gompertz模型、Makeham模型、Weibull模型等拟合高年龄段人口的死亡率,但是因高年龄段人口的死亡数据资料不够充分,较少有人以统计的观点给出模型适合性的检验过程。因此本研究提出利用Bootstrap方法检验死亡模型假设的方法,包括模型适合性的检验、参数估计、参数假设检验等。最后,本文应用中国1997－2007年65－89岁人口的粗死亡率数据,提出适合的死亡模型,然后给出利用Bootstrap方法进行死亡模型检验的全过程。     

An Investigation of Parameter Recovery in MCMC Estimation for the Additive IRT Model

The article aims at evaluating the parameter recovery for the multidimensional additive IRT model (Sheng, 2005 Sheng , Y. ( 2005 ). Bayesian Analysis of Hierarchical IRT Models: Comparing and Combining the Unidimensional & Multi-Unidimensional IRT Models. PhD thesis , Faculty of the Graduate SchoolUniversity of Missouri-Columbia . [Google Scholar]; Sheng and Wikle, 2009 Sheng , Y. , Wikle , C. K. ( 2009 ). Bayesian IRT models incorporating general and specific abilities . Behaviormetrika 36 : 27 – 48 .[Crossref] , [Google Scholar]). By estimating the model parameters via Gibbs sampler, a simulation study is conducted under different testing conditions, e.g., dimensionality, test and subtest lengths, correlation matrices, and different values of discrimination parameters. The results show that, especially when the test length is short and the abilities are highly correlated, the accuracy of the parameter estimates is reduced and more iterations are required to convergence. An application in educational testing is also described to show the effectiveness of the model in use.     

Parameter Estimation for the Discrete Stable Family

The discrete stable family constitutes an interesting two-parameter model of distributions on the non-negative integers with a Paretian tail. The practical use of the discrete stable distribution is inhibited by the lack of an explicit expression for its probability function. Moreover, the distribution does not possess moments of any order. Therefore, the usual tools—such as the maximum-likelihood method or even the moment method—are not feasible for parameter estimation. However, the probability generating function of the discrete stable distribution is available in a simple form. Hence, we initially explore the application of some existing estimation procedures based on the empirical probability generating function. Subsequently, we propose a new estimation method by minimizing a suitable weighted L ²-distance between the empirical and the theoretical probability generating functions. In addition, we provide a goodness-of-fit statistic based on the same distance.