基于MIC的持股集中度与股票价格关系研究

针对某证券公司内部的股票持股集中度日线数据．基于最大信息系数法，首先研究了其与自身股价日线数据间的关系，分析了股价操纵问题，然后将最大信息系数法与传统的线性回归方法进行了对比分析。     

多维随机变量的熵估计及其在独立性检验中的应用

针对多维随机变量Renyi熵和Shannon熵的估计问题,分别研究基于k近邻估计、核密度估计和关联积分估计得到的各估计量的不同性质,进一步提出基于k近邻估计的条件独立性检验方法。模拟结果表明:对于多维随机变量,当维数较大时,基于k近邻方法的熵估计和条件互信息估计更为有效。     

一种基于多维区间数可能度的投资决策方法

区间数是描述不确定性的一种数学方法。通常的不确定多属性决策方法基于一维区间数。基于多维区间数比较的可能度概念,文章提出了一种多维区间数排序的多属性投资决策方法。首先在介绍一维区间数和相关运算的基础上,分析了多维区间数概念及其相关运算,并给出多维区间数比较的可能度概念;然后类似于一维区间数比较的可能度方法,提出基于多维区间数可能度概念的多维区间数排序新方法,进一步研究了一种基于多维区间数可能度的不确定性投资决策排序方法,确定最优投资方案;最后给出一个算例说明了提出方法的有效性。     

一种基于多维区间数加权距离的多属性决策方法

区间数是描述不确定性的一种数学方法,通常的不确定多属性决策方法基于一维区间数。文章借鉴向量之间距离概念,提出了一种基于多维区间数加权距离的多属性决策方法。首先在介绍一维区间数和相关运算的基础上给出了多维区间数概念及其相关运算,着重分析了多维区间数之间的距离与加权距离;然后由多维区间数加权距离概念得到了多维区间数的范数,类似于向量范数,提出了基于范数的多维区间数大小比较的新测度,研究了基于多维区间数加权距离的不确定性多属性决策排序方法;最后给出算例说明了提出方法的有效性。     

基于贝叶斯网稀疏结构学习的信用影响因素结构发现

面对海量高维信用数据,传统贝叶斯网络在刻画变量复杂结构和概率关系时遇到了挑战。尝试将基于multi-logit回归的离散贝叶斯网络稀疏方法用于个人信用影响因素结构关系的发现,实现从多维变量复杂关系中抓取重要结构关系;基于解路径探讨了用于结构发现的稀疏贝叶斯网络模型的选择标准,并比较了稀疏贝叶斯网络与经典贝叶斯网络结构学习的性能;结合领域先验知识进一步改进贝叶斯网络结构,定性分析多维变量存在的主要结构关系;在确定多维变量稀疏网络结构的基础上,采用贝叶斯后验估计获取模型参数,并利用贝叶斯网络推理定量分析关键变量对信贷客户类型的直接或间接影响。     

人口红利对区域经济增长影响及外溢效应的空间关联研究

文章以我国各区域对应变量结合面板数据进行空间差异的测算,针对区域人口红利所致的经济增长,及其引致的经济增长进行了空间权值的进一步验证.并利用二元邻值W矩阵进行人口红利发展SDD函数权重矩阵构建模型,验证了劳动力增长过程中的区域间外溢.结果证实,少儿抚养及老年赡养对区域人口红利存在显著的外溢关联影响.我国东、中、西区域之间存在时序上人口红利外溢效益的负向关联,今后一段时间内,我国东部区域与中西部区域间的劳动力资源流动应逐步加强.     

稀疏组Lasso Granger因果图模型及应用

辨识序列间的因果联系是时间序列分析的主要任务之一。将Granger因果关系的检验问题转换为变量选择问题,应用稀疏组Lasso方法辨识序列间Granger因果关系的存在性和因果影响的滞后阶数。提出了稀疏组Lasso Granger因果图模型,顶点表示多维时间序列的分量序列,顶点间的有向边表示序列间存在的Granger因果关系,定义了滞后信息矩阵揭示因果影响的滞后信息。数值模拟验证了在各种维数和滞后影响结构的模型下,样本量对估计效果的影响。应用到中国宏观经济数据,进行实证分析的结果表明,稀疏组Lasso Granger因果图方法能够较好地揭示序列间的因果关系结构。     

基于马氏深度的变点识别方法研究

 在统计过程控制的第I阶段,准确识别运行状态发生漂移的时间点是决定控制效果的关键。本文以多维空间的数据离心程度作为判定变点规则的标准,通过概率密度轮廓将单一观测值序列转化为多维空间中的数据点,运用数据深度技术构造特征变量,并建立变点定位规则。仿真性能分析的结果表明新方法能够在不需要假设过程服从正态分布的前提下对变点位置进行精确定位。在比较研究中也表现出良好的综合性能。     

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.     

灰色关联分位评价方法与多维相对贫困测度

为了提升乡村振兴阶段相对贫困人口的识别准确性,文章聚焦贫困的多维属性,利用灰色关联理论构建了一类新的具有动态特征的多维贫困识别方法。该方法将被测主体视为空间中的几何形状,利用几何特征对比替代传统方法中的双重临界值,降低了临界值选取对识别结果的主观影响,以分位数指标为基础实现了对相对贫困的动态识别。同时拓展了灰色关联评价模型,讨论了识别结果的加总与分解,建立了多维贫困发生率、多维贫困分布指数与多维贫困深度指数。最后利用中国家庭追踪调查（CFPS）2018年的数据对中国多维相对贫困情况进行分析,结果表明,我国农村的多维贫困发生率远高于城市,但是贫困分布和贫困深度差距不大,各贫困维度的贡献率在不同区域和城乡范围内表现出不同的特征。     

安徽各市财政能力的统计比较分析

财政能力是指地区提供公共产品或公共服务的能力,由于涉及面广,是一组多维变量,对其进行科学评价较为困难。本文运用主成分分析法,构建了客观的评价权数,以少数的综合变量取代原有的多维变量,对安徽各市财政能力进行了综合评价与统计比较分析,提取了各地区在财政收入和财政支出方面的优势、劣势的信息,为各地区财政发展战略模式的设计及安徽地区财政能力的提高提供了较好的理论依据。     

多维尺度法在服务质量评价中的应用

1多维尺度法原理多维尺度法穴M ultidim ensional Scaling熏简称M DS雪处理的一般是表示事物之间的接近的观察数据,既可以是实际距离,也可以是主观评判的相似性。多维尺度法的目的是寻找决定多个事物的少数几个潜在变量,并在低维空间内以图形的形式表现出来,并用较少的变量对事     

基于多维偏好分析的三角模糊数型多属性决策方法

文章针对决策者的偏好信息是以偏好序对的形式给出、决策矩阵元素为三角模糊数的不确定多属性决策问题,提出了一种新的决策方法.利用三角模糊数期望值公式,定义各方案到理想点的距离矩阵,通过求解基于多维偏好分析的线性规划模型,得到属性的权重向量.根据各方案到理想点的加权距离给出方案的排序结果.该方法非常适用于方案数目和属性数量较大、决策者无法给出每一方案的具体偏好值的情形.     

运用Leontief逆矩阵进行完全关联分析暗含假设条件

完全关联分析通常以Leontief逆矩阵为基础,而Leontief逆矩阵的计算又以竞争型投入产出表为数据来源。经推导发现：以竞争型投入产出表为数据来源计算Leontief逆矩阵暗含假设条件,国内产业的直接消耗系数矩阵等于国外产业的直接消耗系数矩阵。根据OECD提供的投入产出数据验证该假设条件,其结论是该假设条件不能满足,故在完全关联分析中要以非竞争型投入产出表为数据来源,因为非竞争型投入产出表区分了国产品与进口品的中间使用和最终使用,而且以非竞争型投入产出表为数据来源进行完全关联分析不受上述假设条件的限制。     

一种新的空间权重矩阵选择方法

空间权重矩阵选择问题一直是空间计量经济学中的一个难题,权重矩阵的选择正确与否关系到模型的最终估计结果。本文在空间滞后模型框架下,把空间权重矩阵选择问题转化为变量选择问题,然后利用CWB方法进行变量选择。中国城市服务业集聚机理实证研究显示,利用本文所提出的方法所选取的空间权重矩阵较为合理,进而可以减少因为空间权重矩阵误设问题而引起的模型估计偏误。在大样本情形下,该方法可以非常有效地降低计算成本。     

高铁网络、空间溢出与区域旅游经济增长

文章从空间计量经济学视角,采用空间杜宾面板模型,将核心解释变量之一确定为高铁开通线路数,构建旅游经济距离空间权重矩阵,估计2007—2016年期间京津冀区域旅游经济在高铁网络下的空间溢出效应。结果表明:Moran’s I检验证实京津冀区域各旅游经济影响因素均存在显著的空间相关性;高铁开通线路数对城市本身旅游经济发展存在负向影响;旅游经济距离比经济距离和地理距离的空间权重矩阵更适合用来测量区域旅游经济发展水平。     

文化产业关联效应的实证分析

投入产出模型可用于分析产业的前向关联与后向关联效应,文章运用该模型,调整合并2012年四川省139×139部门投出产出表后得到5×5部门投入产出矩阵,分析四川省文化产业的前向与后向产业关联效应.并以该矩阵为基础,计算5部门直接消耗系数、完全消耗系数、感应度系数和影响力系数,进行产业关联效应及波动效应分析.     

空间滞后误差自相关随机前沿模型参数的估计

文章利用工具变量矩阵方法研究了空间滞后误差自相关随机前沿模型参数的估计问题,得到了参数估计的表达式.与极大似然估计相比较,工具变量矩阵法极大地简化了计算.蒙特卡罗模拟的结果表明,参数估计值十分逼近真值.     

二值型响应与连续型响应联合建模的变量选择

由于多重响应变量之间可能存在相关性,文章考虑对二值型响应变量和连续型响应变量进行联合建模.利用probit模型,对二值响应引入了具有正态分布的潜变量,从而对多重响应建立线性回归模型,能得到二值变量和连续变量的联合分布.然后考虑回归系数会存在稀疏性,通过对似然函数加惩罚,从而对二重响应的回归系数和协方差矩阵的逆矩阵进行估计,达到参数估计和变量选择的目标.文中目标函数基于l1惩罚.数值模拟和实证分析展示了所提出方法的良好性质.     

基于统计学变量筛选方法的心理测验题目的维度识别

近年来多维心理测验被广泛应用于各类评估,虽然编制测验时知道整个测验考察的潜在特质(或称为维度),但是测验题目具体考察的维度仍需确定。借助多维项目反应理论模型与广义线性模型的关系,使用LASSO和弹性网两种变量筛选方法,可解决测验题目的维度识别问题。模拟研究发现,LASSO方法比弹性网方法具有更好的维度识别效果,前者对不同类型的多维测验具有较高的维度识别准确率。