单因子利率期限结构模型的实证检验

本文运用GMM方法对单因素利率期限结构模型进行了估计,考虑到设定的模型以及无论用哪种方法估计出来的参数值均不能完全描述利率的动态特征,我们在利率期限结构模型中加入残差项来反应不能由设定模型所描述的那部分信息;并首次运用Bootstrap方法对参数估计值的准确度进行了分析,发现两种方法得到的结果存在着显著性差异,置信区间没有公共部分,即参数的真值基本上不可能相同。     

医疗保险定点医院损失分布估计

本文应用了风险模型的损失分布及其估计方法,在分析社会医疗保险医疗赔付模式下,根据定点医院相关数据对风险模型的损失分布进行了实证分析和估计。并采用蒙特卡罗方法进行了数据仿真,表明估计结果的有效性。     

广义线性模型在非寿险精算中的应用及其研究进展

广义线性模型在精算中的应用始于20世纪80年代，其应用涉及到精算学的各个领域，如生命表的修匀、损失分布、信度理论、风险分类、准备金和费率估计等方面。在对广义线性模型适用于非寿险精算的典型特征进行分析的基础上，对广义线性模型在非寿险精算中的应用及其研究进展进行分析和总结的同时，重点分析利率厘定和准备金估计中广义线性模型的建模思想，并结合实际提出了今后研究的方向。     

定距变量间相关的种类及程度的计算

众所周知，事物的属性用差距尺度进行测量，可得到定距变量。定距变量间的相关关系是很复杂的，从不同的角度看，这种相关关系可分为不同的种类：按变量的性质，可分为固定相关和随机相关；按变量的多少，可分为简单相关和复相关；按变量间的相关形式，可分为线性相关和非线性相关。本文是对上述诸相关种类及计算的讨论。一、固定简单线性相关固定简单线性相关是指一个随机变量与另一个非随机变量之间的线性相关关系。例如，农作物的施肥量是一个可控制变量X，农作物的收获量是一个不确定变量Y，两变量间的关系表现为一个随机变量与一个非…     

浅议相关系数与偏相关系数的使用

相关分析是经济统计学的重要内容之一。在相关分析中,人们通常利用两个经济变量之间的简单相关系数(即相关系数)和一个经济变量与多个经济变量之间的复相关系数来分析和测定这些经济变量之间的线性相关程度,并据此进行线性回归分析、预测和控制等。 我们知道,相关系数是刻划变量之间线性相关     

价格持续期的SEMIFAR-ACD模型

本文提出了一类同时包含确定性,差分平稳以及平稳长相关趋势的描述交易价格持续期新模型---SEMIFAR-ACD模型。研究了模型的估计方法和各估计量的渐近性质,构建了相应的估计算法,并应用实际数据,将SEMIFAR-ACD模型与普通ACD模型模拟效果进行比较,论证了SEMIFAR-ACD模型更好的描述数据的性能。     

中国股市的风险度量研究

本文从沪、深股指收益率的基本统计特征入手,用GARCH-GED模型和核估计模型分别估计了其VaR值,并对模型本身及其估计的VaR进行了较为严格的检验.结论显示GARCHGED模型能够反应股市的短期动态特征,而核估计模型估计的VaR反应了股市风险的长期特征,两个模型相互补充.     

异质性空间随机前沿模型的参数估计及应用

经典的随机前沿模型忽略了决策单元之间的空间关联性，无法准确估计效率影响因素相关参数，限制了其适用范围。本文在空间自回归随机前沿模型的基础上，引入效率影响因素，构建出一个异质性空间随机前沿模型，基于极大似然估计法给出模型参数的单步估计策略，提出决策单元技术效率的最优预测量。理论分析证明，模型参数在一定的假设条件下具备一致性；模拟实验表明，参数估计量和技术效率预测量较之经典模型具有更高的估计精度，且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系，发现两者之间存在显著的正相关关系，同时也印证了模型设定和估计方法的可靠性。     

异质性数据下广义线性模型的Maximin似然比估计及应用

针对具有多个来源的异质性数据,文献中通常提出复杂程度较高的模型用于描述每个数据子总体的特征,而本文着眼于刻画不同数据子总体的共性进而建立一个简单的模型。在参数估计方面,本文借鉴了普通线性模型的Maximin估计思想,提出了适用于广义线性模型的Maximin似然比估计方法及稀疏结构下的惩罚估计。该方法通过最大化所有子总体中似然比统计量的最小值,构建成一个简单而保守的模型,以减少数据来源较多而呈现的复杂性。所提方法适用于因变量服从正态分布、两点分布、泊松分布等指数族分布的情形,丰富了前人的研究成果,具有更好的实践意义。模拟分析显示,相比于经典的估计方法,Maximin似然比估计方法不仅能够有效地探寻子总体的共性,而且具有较高的样本外预测精度。本文提出的方法也适用于政府统计和经济统计中具有异质性的大型数据集。     

结构方程模型应用:错误设定与估计程序

结构方程模型虽已被广泛应用于社会科学实证研究,但其方法本身仍处于发展过程中。因PLSSEM估计程序被认为具有较好的"普适性"而逐渐流行于市场研究中,在关注结构方程模型应用的几个重要问题的基础上,比较了CB-SEM与PLS-SEM两类估计程序的主要差别;以Wheaton等人研究使用的模型为正确模型,设计了三种模型设定,又在随机模拟的基础上,讨论了在两类估计程序下拟合指标和估计系数对模型结构变化的不同反应,并给出一定的相关建议。     

一元线性回归分析中三种检验的等价性研究

在研究两个变量是否线性相关时,要对线性相关系数进行统计检验;在建立线性回归模型时,既要对回归模型中的参数进行统计检验,又要对模型本身进行统计检验。然而,在一元线性回归分析中,尽管对变量线性相关性的检验、模型参数和模型本身检验的目的各不相同,所选统计量也不同,但是,三种检验却具有检验效果的等价性。文章将对此进行研究、证明。     

基于复发瞬间链接间隔的动态网络社区发现

纵向网络数据是较为常见的复杂网络数据，也是目前网络数据分析的热点之一。随机块模型是网络社区发现的经典模型，但是该模型无法直接用于模拟纵向网络数据。基于随机块模型，引入半参数比例风险模型去分析纵向网络数据，并利用随机块模型来描述复发瞬间链接间隔。结合变分EM算法，采用两步估计来分别估计模型参数和非参数部分，通过不同场景下的模拟试验来验证所提议模型的优良性，最后利用法国小学生的社交网络数据进行了实证分析。模拟和实证结果表明，在统计计算的时效和参数或非参数估计的精度上，本文所提出的网络数据模型和统计分析方法比现存文献的模型和方法具有较好的优势。     

基于CoPula-GARCH模型的外汇期货最优套期保值比率研究

文章通过引入Kendall秩相关系数,结合Archimedean Copula函数的尾部相关数代替传统的线性相关系数,运用Copula-GARCH模型计算欧元、英镑两类外汇期货的最优套期保值比率,并对比分析了CCC-GARCH模型和ECM-GARCH模型的套期保值效果.实证研究表明:CopulaGARCH模型的套期保值比率最优且套期保值效果相对较好,使用该模型进行套期保值能够减少套期保值成本,从而有效规避外汇风险.     

基于最大熵原理的条件回收率建模分析

通常使用的数据拟合只是对回收率分布的一个描述,为有效对回收率进行研究,建模时将抵押担保和企业的信用等级这两个因素加以考虑,应用最大熵原理,对违约损失率估计出最佳的条件概率密度。利用该模型不仅能够估计出违约损失率的均值和方差,还可以得出违约损失率的分布密度;另外,该模型也具有更明确的经济学意义。返回检验表明,该模型的估计效果优于单因素模型、动态多元回归模型以及非参数核密度估计法。     

基于VAR方法和期限结构动态模型的利率风险度量

文章用Vasicek模型和CIR模型描述利率的波动,并用GARCH模型估计其波动率,进而使用VAR方法度量利率风险.银行间国债回购利率的实证结果显示:Vasicek模型和CIR模型均能合理的描述短期利率的随机波动性,且分别以这两种模型做均值方程,GARCH(1,1)模型为方差方程计算的VAR与实际利率的变动趋势基本吻合,并用失败率检验了VAR度量利率波动风险的效果.     

空间误差自相关随机前沿模型及其估计

将空间计量经济学的思想引入随机前沿分析，构建了基于横截面数据的空间误差自相关随机前沿模型，推导出模型的似然函数以求得参数估计，并给出了各生产单元技术效率的估计。     

基于Vasicek和CIR模型的SHIBOR期限结构实证分析

基于无损卡尔曼滤波(UKF)估计方法,分别使用Vasicek模型和CIR模型对上海银行间同业拆放利率(SHIBOR)的动态特性进行刻画,并对其期限结构进行实证研究.在此基础上,对比分析两模型对SHIBOR数据的拟合性,结果表明:Vasicek模型和CIR模型对SHIBOR市场利率的动态特性均具有很好的刻画和描述能力,而Vasicek模型的数据拟合效果更好一些.     

地理加权似乎不相关回归模型及其估计

为了刻画时空异质性,文章基于地理加权回归技术和似乎不相关回归方法提出了一种新的空间计量经济学模型——地理加权似乎不相关模型.对于这类模型中的未知系数函数,提出了两种估计方法,第一种方法是利用局部加权最小二乘方法分别估计每个时刻对应的空间变系数模型,第二种方法是广义局部加权最小二乘估计,考虑了同一地点不同时刻误差之间的相关性.     

非参数密度估计在个体损失分布中的应用

一、前言所谓个体损失 ,就是每一次保险事故中的损失数额 ,对个体损失分布性状的研究是风险决策理论的重要内容。已有的关于个体损失分布的研究大多着眼于传统的参数统计方法 ,其基本流程为 :获取数据→拟合参数模型→估计模型参数→指出拟合效果 ,也就是说 ,对于损失总体分布性状的了解是建立在确定参数模型的基础上的。自然 ,估计模型参数的方法有很多 ,包括矩估计、极大似然估计、最小距离估计等 ,最终确定的参数模型对个体损失分布通常会有较好的描述 ,能够提供精度较高的分析结果。但在实际操作中 ,这一过程显得太过冗长 ,且对不同样本…     

有限总体的估计——基于超总体模型

抽样调查下有限总体的估计，一般是基于传统抽样设计，另一种是基于超总体模型，即假定总体取值不是确定的，而是由超总体模型产生的。本文以简单随机抽样和抽样为例，揭示了在不同情况下，如何得到超总体模型下有限总体的估计，并对基于设计和基于模型两种观点进行了比较分析。