正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

适应性整群抽样下的事后分层估计

文章从事后分层的角度,对适应性整群抽样的估计方法进行了研究.利用事后分层的层内单元相似性,构造了一种新的无偏估计量,并对估计量的性质进行了推导,最后通过一组模拟数据对估计量的效果进行了对比检验.     

双重抽样框下项目无回答插补估计方法研究

抽样调查工作中无回答情形不可避免,双重抽样框下亦如此,因此需要对双重抽样框下抽样调查项目无回答造成的估计量偏差进行纠偏校正。首先通过二重抽样获取辅助变量的信息,使用其构造比率估计量与比率型指数估计量的组合估计量对双重抽样框下抽样调查中项目无回答数据进行插补,得到对应各部分子总体的均值估计,再用Hartley估计量的形式对总体总值进行估计。通过计算估计量偏差、均方误差及最优权重系数,对比相同条件下完全回答时同类型组合估计量均方误差的相对精度损失与使用单一比率型指数估计量的相对精度损失,随机模拟结果显示损失率较低,插补方法有效。选择合适的辅助变量构造比率估计量和比率型指数估计量的组合估计量做插补值,更充分利用辅助变量和已回答研究变量信息,基于提出的组合估计量于抽样调查工作具有一定的应用价值。     

掌握基础数据 制定相关政策——延边州城乡老年人生活状况的调查报告

为了解我州城市和农村老年人在经济、生活、健康等方面的情况,掌握老龄工作的基础数据,为州委和州政府制定有关人口老龄化政策提供参考数据,州老龄委组成专门调查组,对汪清县和龙井市的部分城镇和农村老年人进行了整群抽样调查。     

基于EIS的杠杆随机波动率模型的极大似然估计

杠杆随机波动率(SV-L)模型在金融计量学文献中已经引起了广泛的关注,然而,它的参数估计一直是一个难点.本文基于有效重要性抽样(EIS)技巧,给出了SV-L模型的极大似然(ML)估计方法.为了检验提出的EIS-ML方法的精确性以及小样本性质,构建了蒙特卡罗(MC)模拟实验.结果表明,EIS-ML方法是非常准确和有效的.最后,将EIS-ML方法应用于实际数据,选取上证和深证综合指数的日对数收益率数据为研究样本,利用SV-L模型对中国股市进行了实证分析.结果表明,中国股市具有很强的波动持续性,并且存在显著的杠杆效应.     

具有结构变化的资产定价模型的贝叶斯自回归条件异方差检验

在现代资产定价理论中,一个基本的假定是证券资产风险溢价满足方差齐性。然而,这样的假设未必是正确的,因此,需要对资产定价模型进行异方差的检验。本文在贝叶斯框架下考察了具有结构变化的资产定价模型,提出了检验该模型的回归条件异方差的贝叶斯检验方法。最后利用两个具体实例论证了所提方法的有效性。     

限下商业统计调查实际操作中存在问题探讨

探讨限下商业统计调查实际操作中样本量的确定、抽样框的完善、抽样误差的控制及调查技巧的采用.     

非平衡数据集的改进SMOTE再抽样算法

非平衡数据集的不均衡学习特点通常表现为负类的分类效果不理想。改进SMOTE再抽样算法,将过抽样和欠抽样方式有机结合,有针对性地选择近邻并采用不同策略合成样本。实验表明,分类器在经此算法处理后的非平衡数据集的正负两类上,均可获得较理想的分类效果。     

我国省际经济增长的非线性动态收敛性研究

文章采用非线性STAR单位根检验和有放回的残差抽样Bootstrap方法研究1952-2010年间中国28个省份的相对实际人均GDP的增长动态,考察中国省际经济收敛性,并进一步将收敛细化为长期收敛和过程收敛。实证结果表明:同全国平均水平相比,中国省际人均产出缺口,绝大多数具有非线性时序特征。并且过半数省份的人均产出序列处于非线性过程收敛中。     

SV模型下中国股票型开放式基金杠杆效应分析

针对中国股票型开放式基金收益波动中是否存在杠杆效应的问题,在对该类基金整体及所选取的三支具有代表性的单个基金分析的基础上,运用一个带杠杆效应的SV模型对其收益的波动性建模,并利用MCMC方法对模型进行参数估计。结果显示：不同于一般对股票市场的研究结论,无论股票型开放式基金整体还是单个基金,其收益率序列的波动中均不存在显著的杠杆效应。