中国A股市场的风险厌恶度量

提出了非参数ARCH-M模型,给出了模型的局部估计方法。对2000-2005年间中国A股日市场综合收益率数据进行实证分析,进一步探讨了风险厌恶的度量问题。研究结果表明与常数风险厌恶模型相比,非参数化后的ARCH-M模型能较好地捕捉了变化趋势,且模型的预测精度也得到了提高。     

一个老中医与两个名模的秘密

一个月前,赵女士还只是东城区某检测部门的检测员。然而,现在的她却成了炙手可热的名模。这究竟是为什么呢?意外相遇"到现在连我自己都没搞清楚"赵女士在接受采访时,笑着对小编说:前几个月,食品健康中心的赵主任来我     

基于对数正态分布联合对数均值与对数方差模型的极大似然估计

文章基于对数正态分布研究提出了联合对数均值与对数方差模型,给出了此模型参数的极大似然估计,模拟和实例研究结果表明该模型和方法是有用和有效的。     

球内三维均匀分布的参数估计

球内三维均匀分布在理论和实际应用方面有着广泛的应用。文章重点研究了球内三维均匀分布体积和半径的参数估计,利用次序统计量得到了球径的矩估计量和极大似然估计,并对估计的置信区间做了讨论。     

关于季节指数约束条件和极大似然估计的研究——基于三种加法和乘法模型

使用科学的方法观测并计算某种社会经济现象的季节性变动,对于把握其真实的环比变动具有重要的现实意义。使用经典方法计算季节指数以反映现象的季节性变动,因其结果不够严谨和完备,是一个至今尚未获得完满解决的问题。为了提高计算季节指数结果的科学性、严谨性、完备性,基于符合三种加法和乘法模型的社会经济现象,解析其中各季节指数之间存在的约束条件,运用数理统计中极大似然估计理论与方法,推导出与经典方法算式相近的季节指数的约束极大似然估计算式,给出季节指数的区间估计,并举例对获得的结果做了计算和对比验证。     

基于线性插值的贝叶斯Lasso分位数回归及应用

在贝叶斯Lasso分位数回归中,样本似然函数的计算和后验分布的抽样通常难以处理.针对这一问题,文章采用一种基于线性插值的似然函数计算方法,并结合拉普拉斯先验分布,设计出一种新的对后验分布进行抽样的算法.数值模拟结果表明了该方法具有较好的适应性和参数估计准确性.     

二元Marshall-Olkin型二点分布参数与相关系数的最大似然估计

文章讨论可识最小值样本卞和完全随机样本下二元Marshall-Olkin型二点分布参数及相关系数的最大似然估计,采用先参数识别后参数估计的方式,当已知可识最小值的分布时,证明参数可识别;由此得到了可识最小值样本下的参数的最大似然估计,其中二个参数的估计量是无偏的,另外一个参数的估计量的期望不存在;模拟结果显示:估计值均稳定于真值参数;由于二元二点分布情形时,可识最小值样本等价于完全随机样本,从而导致完全随机样本下的参数的最大似然估计等同于可识最小值样本下的参数的最大似然估计;计算了X与Y之间的相关矩阵和相关系数,由此得到了相关矩阵和相关系数的最大似然估计.     

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.     

基于线性回归变量误差模型的工具变量法与校正似然法的比较

文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论.     

信息不对称下成交量与波动率关系建模与统计推断

本文首次提出信息不对称背景下成交量和波动率关系的日度完备模型。新模型假设当日成交量和已实现测度为次日隐信息流带来新信息,而隐信息流驱动知情交易者交易。基于此模型,本文给出时间序列平稳遍历性成立的充分条件,并且运用高斯拟极大似然法,建立模型参数估计的渐近理论,模拟研究验证了渐近理论的正确性。本文将新模型应用于中国沪深A股市场、美国纽交所和纳斯达克市场的大型公司。基于全样本的模型拟合结果发现：成交量的放大将导致次日条件波动率增大,而条件波动率的增大伴随着成交量的放大,同时,大部分个股中存在信息交易;在存续时间长、市值靠前且交易活跃的中国个股中,相较于基准波动率模型——已实现GARCH模型,新模型大多具有更好的样本内拟合能力;而在市值靠前且交易活跃的美股中,新模型的表现并不优于已实现GARCH模型。在滚动窗口的波动率预测上,较其他被广泛使用的已有模型,新模型在本文研究的中国个股中普遍具有更好的表现;而在本文研究的美股中,已实现GARCH模型表现较好。这反映了新模型更加适用于存续时间长、市值靠前且交易活跃的中国股票市场数据。