Monte-Carlo模拟在VaR与CVaR中的应用

建立边缘分布为t-EGARcH分布连接函数为多元正态Copula函数的概率分布模型，利用MonteCarlo模拟估计金融变量资产和组合的VaR与CvaR．     

纵向数据分析中一种压缩经验似然估计方法的大样本性质证明

在一些纵向研究中,协变量往往依赖于观测时间,此时流行的广义估计方程方法在任意的工作相关矩阵下不再保持估计的无偏性和稳健性,若仅使用独立工作相关矩阵则会造成效率低下,而使用不合适的工作相关矩阵可能会错误地包含有偏估计函数,最终导致估计有偏.为此,Leung等提出一种压缩的经验似然估计方法,将大量的无偏估计函数和其他辅助估计函数综合起来,模拟研究表明所提方法相比传统方法是有效的.但他们对其理论性质并未研究.这里对这种压缩经验似然估计量的大样本性质进行了研究,证明了在合适的条件下,压缩经验似然估计量具有相合性和渐近正态性,并给出了经验似然比的渐近分布.     

正态和对数正态分布中参数的损失和风险函数的Bayes推断

给出了共轭先验分布下正态模型中尺度参数和对数正态模型中形状参数的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性,并利用沪深300中的中国石化和鄂尔多斯股票的周收盘价数据进行实证分析来阐明结论的有效性.     

一种新的参数估计方法

本文以频率和概率分布密度函数间的关系为基础,提出了一种数据不完整情况下估计分布参数的方法,该方法是对文[1]中方法的进一步发展.在实例中,我们采用本文的方法、文[1]的方法和极大似然估计法估计了分布参数,实例表明在数据不完整的情况下,本文的方法同样可以被用来估计分布参数,并比文[1]中的方法省时.     

基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法

研究复杂背景下的物体跟踪方法. 提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法. 算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态. 所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率. 仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.      

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

基于最小二乘法的流长度分布估计方法

为了得到未抽样流的分布特征,提出一种新的由抽样报文流数据来估计原始未抽样流长度分布的方法.首先分析了产生一个定长抽样流的原始流的概率分布模型,并根据这个概率分布特征给出了长流一个非常简单的估计.然后构造了关于短流的方程组,利用流的重尾分布特性和最小二乘法对该方程组进行求解,得到了短流的估计.理论分析表明该估计方法有效地控制了时间复杂程度,实验测试结果也表明该算法对于分布的估计是精确的,估计精度与EM算法相当.     

探讨使用野外随机取样推断随机变量概率分布的数学方法--杂草研究作为一个例子

我们在生态学研究中涉及到的大多数变量呈现出随机性,因而可以认为它们就是随机变量.概率分布是研究随机变量变化规律的基础,如何利用野外取样来推断检验随机变量的分布是本文要解决的主要问题.本文扩展了回归方法的应用,使其能用来推断一个随机变量的分布函数,并且该推断还能被统计检验.作为一个应用实例,该方法被用于确定杂草种子在特定条件下扩散的分布函数.在此条件下,该杂草种子扩散为近似的高斯(正态)分布.     

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型，为了有效控制离群点对估计的影响以及进一步提高估计的效率，利用二次推断函数（QIF）改进加权的指数得分函数，得到了模型参数有效且稳健的二次推断函数估计（ERQIF），并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明，当离群点存在或工作相关矩阵被错误指定时，所得估计有稳健的模拟结果。     

α稳定分布对称系数和分散系数估计方法

研究了α稳定分布的对称参数和分散系数估计问题,分别提出了基于极限特征的对称参数估计方法和用于估计分散系数的基于概率分布函数的半概率法.首先介绍了α稳定分布的定义和极限特征,并根据极限特征提出一种估计对称参数β的方法,该方法利用α稳定分布的左极限概率与右极限概率的比值来估计β.介绍了α稳定分布的概率分布函数,分析了概率分布函数的性质,并指出当α1时,半概率点与γ之间有紧密的联系,并利用这一联系,提出一种估计γ的半概率方法.通过仿真实验验证了以上两种估计方法,结果表明:基于极限特征的对称参数估计方法当α1.8时多数情况下估计误差小于0.05,半概率方法对γ的估计误差小于0.02.     

一种新的单个宽带点源到达角估计方法

基于宽带点源入射波的阵列输出相关矩阵与窄带分布源入射波的阵列输出相关矩阵的结构相似性 ,论文提出了可利用窄带分布源角度估计技术估计宽带点源到达角的新方法 ,并给出了协方差匹配技术处理宽带点源的算法和仿真 .仿真结果证实新方法有效性 .     

混凝土结构预应力服役离散性分析与性能评价方法

依据工程实测数据,验证了单筋有效预应力概率分布特征,提出了基于高斯混合理论的结构预应力系统概率分析模型,确定了峰度、偏度和函数差值控制的正态显著性判定准则,建立了适用于工程抽样的高斯混合模型正态化简化分析方法.以95%保证率为约束参数,建立了基于实测数据的结构有效预应力性态和服役性能评价方法.结果表明：结构有效预应力概率分布可采用单个正态或多个子分布高斯混合模型近似表征;以95%保证率为约束参数,可协调估计精度与实测效率之间的矛盾,满足工程测试需求,实现了预应力服役离散性的科学量化分析.     

基于Copula函数的沪深股市相关性分析

选用GPD分布分别对沪深股市对数收益率尾部进行描述,结合样本数据的统计特征,选择合适的二元Copula函数对沪深股市对数收益率的相关性进行描述,对二元Copula函数的参数进行估计。结果表明:二元t-Copula函数比二元正态Copula函数更能捕捉沪深股市的尾部相关性。沪深股市存在着较强的相关性,线性相关系数为0.9356,Kendall相关系数为0.7611,Spearman相关系数为0.9150。     

基于厚尾分布的异常信号检测方法

为了检测具有厚尾分布信号的异常值,提出将基于EM算法的统计诊断方法应用于正态逆高斯信号的异常信号检测.为了避免计算贝塞尔函数的困难,考虑将正态逆高斯信号看作缺失变量,通过EM算法求解参数的极大似然估计,简化了计算过程;通过Q函数代替对数似然函数,提出了在正态逆高斯分布的信号中基于Q函数的影响度量方法,分别给出了数据删除模型与局部影响分析的诊断统计量,理论和实例计算结果表明:该文所提出的检测方法对于正态逆高斯信号的检测效果明显.     

半参数非线性模型中的t-型估计和影响分析

给出半参数非线性回归模型的t-型估计及其EM算法,同时获得估计的相合性及渐近正态性.并基于EM算法中的Q函数,研究了半参数非线性回归模型的统计诊断方法.最后,用一个模拟例子和一个实际例子验证了本文提出的t-型估计和诊断方法的有效性.     

双幂变换下参数极大似然估计的精确分布研究

在双幂变换下,使用极大似然估计方法估计正态线性回归模型中的变换参数,并研究其精确分布.给出了极大似然估计的精确分布函数,并通过模拟研究表明了,其分布不仅依赖于变换参数取值,还与方差和回归系数的取值密切相关;得到极大似然估计是一奇异随机变量,不具有密度函数的结论.为双幂变换的应用提供了很重要的理论依据.     

二次损失下正态线性模型中可估函数的一切可容许估计(英文)

研究二次损失函数下正态线性模型中可估函数的齐次线性估计在一切估计类中的可容许性.对于非负定协方差矩阵和设计矩阵具有一定关系的正态线性模型,得到可估函数的约束齐次线性估计在一切估计类中可容许性的充分条件,并证明了在进一步的条件下,该充分条件也是此估计在一切估计类中可容许的必要条件.     

二次损失下正态线性模型中可估函数的一切可容许估计(英文)

研究二次损失函数下正态线性模型中可估函数的齐次线性估计在一切估计类中的可容许性.对于非负定协方差矩阵和设计矩阵具有一定关系的正态线性模型,得到可估函数的约束齐次线性估计在一切估计类中可容许性的充分条件,并证明了在进一步的条件下,该充分条件也是此估计在一切估计类中可容许的必要条件.     

变形广义极值分布的参数估计及实例分析

本文通过对广义极值(GEV)分布运用二次秩变形映射导出变形的广义极值(TGEV)分布的概率分布函数和概率密度函数,并对TGEV分布的参数进行了MLE和矩估计.用R语言中的optim函数对TGEV分布的参数做了MLE估计,并对此估计方法的偏差和均方误差做了模拟,说明对于TGEV分布来说,MLE估计方法效果很好.最后对变形广义极值分布进行实例分析,给出了TGEV分布拟合的结果,得到分位数及其置信区间的估计,并讨论了所得结果的实际意义.     

条件泊松抽样下的经验Bayes概率分布置信域估计

采用Mlinex损失函数优化传统损失函数,获取条件泊松抽样下的经验Bayes概率分布置信域估计区间,以及先验分布式逆Gamma分布情况下的后验密度函数,依据该后验密度函数获取参数的Bayes估计,证明该Bayes估计的可容许性,并在置信水平1-α情况下,获取参数的Bayes置信下限和最高后验区间估计.实验结果表明,该方法的估计精确度和运算效率较高,有较强的稳定性.