基于最小一乘准则的上证指数突变点研究

很多研究表明,上证指数序列既有结构突变的特征,也有厚尾的特征。但大部分现有的研究都没有考虑其厚尾特征对变点估计的影响。本文基于最小一乘准则提出了一个估计厚尾数据中变点的方法。模拟研究表明,当数据具有厚尾特征时,基于最小一乘准则的变点估计比基于最小二乘准则的估计有效。对上证指数的实证结果表明,基于最小一乘准则估计出的变点能更好地描述中国股票市场的结构突变特征。     

基于贝叶斯推断的证券投资基金绩效分析

从投资者先验信念的角度,运用贝叶斯推断对我国封闭式基金绩效进行实证研究。通过直观的问题引出投资者对基金管理者技巧的先验信念集合,并与具有4个风险指标的线性模型相结合,有效联系了投资决策过程中的重要因素——个人直观理念与实际市场数据,给出投资者在不同先验信念下的后验绩效。研究表明,随着投资者对管理者先验信念的增加,基金后验绩效增加,投资者更倾向于投资;只有当投资者对管理者有极强的先验信念时,才会投资于表现一般的基金;同理,不投资于绩优基金也需极强的先验信念。同时发现,基金费用对基金后验绩效的影响主要反映在基准线的平移。进一步,通过分时间段的投资组合权重分析,给出投资者在不同市场环境下的最优投资组合策略选择方法。     

审计抽样推断的局限性分析

本文通过对审计抽样推断的局限性在当前审计工作中的表现进行阐述,从三方面对其形成原因进行了分析,进而有针对性的对克服审计抽样推断局限性的措施提出自己的看法。     

基于MCMC稳态模拟的贝叶斯经验费率厘定信用模型

B黨lmann-Straub model is one of the most famous applications of the Bayesian method for the experience rate making.However,by the traditional B黨lmann-Straub model one cannot get the unbiased posterior estimation of the parameters when there is not sufficient prior information for the structural parameters;What's more,the difficult of computing high dimension numeration limits the application of Bayesian method.This paper introduces the Markov chain Monte Carlo simulaton method based on the Gibbs sampling after analyzing the structure of the B黨lmann-Straub model and sets up the Bayesian credibility model for estimating the predictive risk premium.Also by using the results of the numeration analysis,this paper proves that from this model one can get the posterior distributions of the parameters dynamically and the posterior estimation of the censoring parameters in the situation that exists unknown parameters,as well as improve the precision of the numeration,which can be helpful to find the heterogeneity of the premium.     

套期保值, 估计风险与贝叶斯统计——基于中国铜期货市场的经验研究

针对期货最优套期保值策略估计中可能存在的估计风险问题,本文对单变量线性回归模型(OLS模型)和多变量线性回归模型(VAR模型和EC-VAR模型)进行贝叶斯分析,并采用Gibbs抽样方法对中国铜期货市场的最优套期保值策略进行了实证分析。本文还同时估计了基于频率统计方法的最优套期保值策略,并对贝叶斯统计下和频率统计下的最优套期保值策略进行了分析比较。实证结果清楚表明,估计风险对模型结果有重要影响。在处理估计风险方面,贝叶斯统计较频率统计方法有明显优势。     

基于MCMC模拟的贝叶斯复合状态信用溢价模型研究

针对已有的信用溢价模型只考虑了单一尺度的波动均值回复过程,从而导致的信息损失问题,提出了贝叶斯复合状态信用溢价模型,据此辨析不同尺度的信用溢价波动回复状态。利用不同剩余偿付期的中国企业债信用溢价指数序列,引入了基于混合正态分布的多步MCMC方法对复合状态模型进行贝叶斯分析,研究结果表明:不同剩余偿付期的债券具有不同的异方差水平,均值回复过程可以区分为长期和短期两种趋势,并且分别具有不同的尺度维度;长期回复过程显示了序列的整体波动趋势,短期回复过程更细致地刻画了极值点的影响;与传统模型的比较突出了复合状态模型在拟合效果上的优越性。     

非线性单主元企业组织规模发展的突变点判定

本文简要阐述了突变现象的研究,探讨了突变的形式和突变点寻找所涉及的问题。通过对影响企业组织规模因素的讨论,给出了非线性企业组织规模的一般函数。探讨了非线性单主元企业组织规模函数的近似问题。结合例子,应用突变理论,就其折叠型、尖点型的突变判定进行了研究,并就突变点寻找的方法作了小结。     

GDP／货币供给量和上证指数的关系分析——基于VAR分析

本文采取VAR（向量自回归模型） 检验分析法,对中国1998年1季度～2009年4季度们季度数据进行实证研究,得出中国货币供应量与宏观经济变量GDP和以及上证指数的因果关系,分析过程将采取Evlews5.0统计分析软件进行数据检验, 实证分析及研究。     

以抽样推断法度量劳动量

企业如何进行岗位设置和岗位优化？只有科学地评估劳动者的劳动量,然后结合工作流程和工序位置,制定工作岗位要求,才能实现。科学地度量劳动者的劳动量,可采取抽样推断法对工作进行动态分析,为岗位设置和优化提供定量分析的依据。这种方法简单易行,值得企业一试。     

基于时间序列分析股票上证指数走势

本文应用时间序列对上证指数历史数据进行研究分析,并建立预测模型,以研究2014年上证指数的变化规律。利用统计分析软件分别对其开盘价格进行分析,应用时间序列分析方法建立模型对上证指数作预测分析,以得出接近真实值的预测值,并对模型进行检验,证明有效后,对未来数据进行短期预测。     

上海顾客满意度指数模型及其稳健性研究

采用结构方程组方法,建立了上海顾客满意度指数基础测量模型。并通过对一个简化模型的蒙特卡罗模拟分析,证明在应用偏最小二乘估计的情况下,这一模型对于结构变动,以及数据质量缺陷是稳健的。     

Bayesian and Frequentist Inference in Partially Identified Models

A large‐sample approximation of the posterior distribution of partially identified structural parameters is derived for models that can be indexed by an identifiable finite‐dimensional reduced‐form parameter vector. It is used to analyze the differences between Bayesian credible sets and frequentist confidence sets. We define a plug‐in estimator of the identified set and show that asymptotically Bayesian highest‐posterior‐density sets exclude parts of the estimated identified set, whereas it is well known that frequentist confidence sets extend beyond the boundaries of the estimated identified set. We recommend reporting estimates of the identified set and information about the conditional prior along with Bayesian credible sets. A numerical illustration for a two‐player entry game is provided.     

上证指数高频数据的多重分形错觉

以上证指数5分钟取样的高频数据为例,采用配分函数法对每一交易日的数据进行多重分形分析,发现质量指数τ(q)为线性函数.用统计自举生成随机时间序列以深入剖析多重分形谱f(α),发现约有51%的交易日,其多重分形特性无法通过显著性检验.进一步分析发现,所有真实时间序列的奇异性强度与随机序列的奇异性强度相差无几,因而完全可以用后者加以解释.因此,上证指数本身并不具多重分形特性.     

Bayesian Inference for Hospital Quality in a Selection Model

This paper develops new econometric methods to infer hospital quality in a model with discrete dependent variables and nonrandom selection. Mortality rates in patient discharge records are widely used to infer hospital quality. However, hospital admission is not random and some hospitals may attract patients with greater unobserved severity of illness than others. In this situation the assumption of random admission leads to spurious inference about hospital quality. This study controls for hospital selection using a model in which distance between the patient's residence and alternative hospitals are key exogenous variables. Bayesian inference in this model is feasible using a Markov chain Monte Carlo posterior simulator, and attaches posterior probabilities to quality comparisons between individual hospitals and groups of hospitals. The study uses data on 74,848 Medicare patients admitted to 114 hospitals in Los Angeles County from 1989 through 1992 with a diagnosis of pneumonia. It finds the smallest and largest hospitals to be of the highest quality. There is strong evidence of dependence between the unobserved severity of illness and the assignment of patients to hospitals, whereby patients with a high unobserved severity of illness are disproportionately admitted to high quality hospitals. Consequently a conventional probit model leads to inferences about quality that are markedly different from those in this study's selection model.     

基于贝叶斯网络的并发型突发事件链建模方法

现实情形中,由于致灾因子和作用对象的相似性,初始突发事件的发生易引发多个次生事件并发及耦合,致使事件的演化发展及可能造成的损失具有更大的不确定性。然而,现有的突发事件链式演化分析多运用串发型事件链,对于并发型突发事件存在适用性较低的问题。针对上述问题,本文将突发事件抽象描述为以输入、状态和输出属性为组成要素,通过属性要素间的作用关系构成的复杂系统,进而从属性层面分析事件间的关联关系;以贝叶斯网络为建模工具,识别并发型突发事件间具有的因果关系和耦合关系,给出事件贝叶斯网络关联方法,构建并发型突发事件链模型;基于历史数据获取网络节点间的先验概率信息,运用贝叶斯网络推理算法实现并发型突发事件的演化分析;最后,通过实例验证本文方法在实际应用中的科学性及可行性,并通过对比分析阐明其在提高灾害损失预测精度方面具有一定的优势。     

基于Bayesian-Copula方法的商业银行操作风险度量

本文在对损失分布法分析的基础上,将损失事件划分为内部欺诈、外部欺诈以及违规执行三种类型;引用两阶段分布拟合操作风险的损失强度分布,同时采用贝叶斯理论中的吉布斯抽样来获取参数估计值以减小低频率高损失数据不足带来的误差;考虑到操作风险各损失事件间可能存在的相关性,本文采用Copula函数对操作风险进行整合以获得联合损失分布函数,并计算出不同置信水平下我国商业银行操作风险损失的VaR值与CVaR值.实证研究的结果表明:基于贝叶斯理论的参数估计综合考虑了总体与样本等先验信息,估计出的参数值误差较小;Copula函数的引入与VaR值、CVaR值的测算,能在考虑了损失事件发生概率的同时,估测出操作风险潜在的损失大小,从而可以更准确度量操作风险.     

基于变位置参数贝叶斯预测银行内部欺诈研究

内部欺诈事件类型是中国商业银行最严重的操作风险类型。但由于操作风险本质特征和中国商业银行内部欺诈损失数据收集年度较短,数据匮乏,为了在小样本数据下进行更准确的度量,本文采用贝叶斯后验预测分布方法,其中,假设损失频率服从泊松-伽马分布,而损失强度服从广义帕累托-混合伽马分布,分析后验分布的形式。由于在广义帕累托分布的参数估计中,位置参数的确定对估计结果的影响很大,因此,本文采用变位置参数线性趋势的贝叶斯分析以增强参数预测稳定性,降低位置参数选择对结果产生的影响,获得中国商业银行内部欺诈损失频率和损失强度的后验预测分布和边际分布,进而采用蒙特卡罗模拟,联合损失频率分布和损失强度的预测分布获得内部欺诈的风险联合分布。与传统Poisson-GPD极值分析法相比,在险值和预期超额损失明显降低,有利于银行降低内部欺诈操作风险资本。利用贝叶斯分析获得的后验分布可以作为未来的先验分布,有利于在较小样本下获得较真实的参数估计。