基于Copula对随机变量间相依性的度量

在Copula基础上对随机变量相依的度量做了改进,得到和谐性指标τ的关于随机变量单调变换下的绝对值不变性,以及单调完全相依时的极值性,突破了相关系数ρ对相依性刻画的局限性.探讨二维正态分布中τ与ρ的关系,证明了二维指数分布下二者的等值性,给出了τ的估计方法及其方差的一般形式.     

带有重尾分布的宽相依随机变量的随机加权和的精致大偏差

研究了同分布宽相依随机变量的随机加权和的精致大偏差,所考虑的宽相依不但包括一些负相依随机变量,还包含一些正相依以及其他相依随机变量.当随机变量的共同的分布F属于一致变换尾分布族时,得到了一个精致大偏差的估计,此结果推广了文献[1]的相应结果.     

WOD随机变量序列加权和完全收敛性及其应用

随机变量序列是概率极限理论重要研究的内容，由于随机变量序列独立的条件已经不满足日常生活和科学研究的实际要求，相依随机变量序列被提出.其在风险预测、地质勘测、保险等领域应用非常广泛，宽相依(widely orthant dependent, WOD)随机变量序列是一种常见的相依随机变量序列.采用随机变量尾截技术，结合运用新的矩不等式证明研究WOD随机变量序列加权和完全收敛性，且将其结果应用到非参数估计当中具有重要意义.     

联系函数生成元与随机变量相依的几个关系

应用阿基米德联系函数探讨随机变量的相依性和独立性,分析了相依和独立随机变量的阿基米德联系函数生成元的形式,提出了随机变量完全正(负)相依和相对正(负)相依的概念,并讨论了正(负)相依时阿基米德联系函数生成元所应满足的条件.     

相关结构下的两重复合状态生命模型

研究在同单调相依结构下两重复合状态生命模型,比较了具有已知边际分布的二元分布相关序,得到了此相关结构下复合状态生命模型以及相应的剩余寿命随机变量的随机界.     

相依风险模型中破产概率的一致渐近性

为了研究相依更新风险模型中的破产问题,首先研究了负相协更新计数过程,得到了该计数过程的一个渐近性结果;进而在此基础上考虑了相依重尾更新风险模型,其中索赔时间间隔为负相协同分布的随机变量,并且索赔额为独立同分布的随机变量,其共同的分布属于强次指数分布族;利用负相协随机变量的基本更新定理,得到了保险公司的有限时破产概率在时...     

带延拓负上限相关的随机变量和的精确大偏差

利用精确大偏差传统方法,研究了C类族上的带有延拓的负上限相关的随机变量和的精确大偏差,得到了非随机和和随机和的两种一致变化尾概率的结果,将带负上限相依的随机变量和的精确大偏差推广到带延拓的负上限相依的情形,为相应的统计研究提供了一个有关相依性的结论.     

UEND 和 φ 混合随机变量随机和的精确大偏差

介绍了UEND和φ混合的相依关系的随机变量,研究了具有UEND和φ混合的相依关系的随机变量的随机和的尾概率问题,利用一种求相依关系的随机变量的随机和的大偏差方法,得到了具有UEND和φ混合的相依关系的服从重尾分布的随机变量的随机和的渐近尾概率的结果,将服从独立不同分布的随机变量的随机和的一致渐近结论推广到了服从不同分布的带相依关系的随机变量的随机和的结论上.     

关于离散随机变量序列的一类强偏差定理

引入极限相对对数似然比的概念，作为离散相依随机变量序列与独立随机变量序列的偏差的一种度量，并利用它来研究离散相依随机变量序列的极限性质．引入一种全新的概率研究方法——分析法，得到了一类用不等式表示的强极限定理，即强偏差定理，其偏差界依赖于此极限相对对数似然比．作为推论得到了经典的独立随机变量序列的强大数定理，进一步发展和完善了状态空间离散有限的随机变量序列关于乘积分布的强偏差定理．     

一个宽上限相依不同分布的随机变量和不等式

研究宽上限相依随机变量和的尾概率问题,利用截断误差的方法得到一个宽上限相依的随机变量和的尾概率不等式,它将负相依同分布的随机变量和的结论推广到宽上限相依不同分布的相应的形式上.     

基于Copula的股票市场VaR和最优投资组合分析

在股票市场风险分析中,对不同股票相关结构的讨论有着重要意义,从而引出对如何选取好的相关结构模型来捕捉股票间的相关变化规律的讨论.本文选取Gauss Copula、t Copula、Gumbel Copula和Mixed Gumbel Copula,运用两步半参数估计法对股票市场相关结构建模,并依据建立的模型进行VaR分析,采用Wald型检验方法来判断VaR估计效果.从效用最大化角度出发,确定最优投资组合.     

关于Copula的一种特定映射下的同构交换群

从随机变量生存分布的角度出发,构造了一类蕴涵生存函数的Copu la群,利用Copu la在随机变量严格单调变化下的动态特性,找到了与之同构的另一类群,进而挖掘出关于随机变量生存分布的Copu las与其联合分布对应的Copu la之间的演变关系.     

Copulas Between Wealth and Lifetime

The life insurance industry is very interested in how a person’s lifetime is related to his wealth with financial advisors interested in how even a person’s portfolio choice affects his lifetime. This paper presents a statistical analysis combined with intuitive relationships between lifetime and wealth. Key properties of this relationship are given and then various copulas are analyzed to see whether they have these properties. Other advantages and disadvantages of these copulas for describing the dependen...     

用copula度量相依风险函数玩尺的最优界

copula（连结函数）已经成为风险管理领域强有力的工具，该文利用copula手段给出了相依风险函数缈（X1，…，Xn）的最优界，并对沪、深两市的收益率风险进行了实证分析，把Laplace分布作为边际分布计算出了相应的上界和下界，最后讨论了不同类的copula以及参数选取对界的影响．     

具有分段线性水平截线的双参数Copula函数簇

构造了一类具有分段线性水平截线的双参数Copula函数簇,并讨论了这类Copula函数簇的绝对连续性和极限性质.     

基于数据拓扑图的变量影响分析方法

为了解决软件中数据变量发生异常的问题，以及找到该异常变量在整个程序中与其余变量之间的关系和该变量的影响范围，提出了一种基于数据拓扑图的数据影响分析方法。研究了静态分析提取变量的依赖关系包括顺序依赖、自身依赖、节点依赖和函数依赖，得到变量的依赖影响集合，生成变量的数据拓扑图。实验结果表明，该方法能全面覆盖程序中的变量并准确地生成指定变量的数据拓扑图，且数据拓扑图能够发现异常变量在程序中影响了哪些变量，哪些变量被异常变量影响。     

时间序列间统计依赖性测量的一种改进方法

提出了利用改进的广义互信息测量 2个随机变量之间非线性统计依赖性的方法 ,在此基础上获得了利用关联积分计算 2个具遍历性的观测时间序列之间统计依赖性的公式 ,并与利用互信息和广义互信息测量 2个观测时间序列之间统计依赖性的方法进行了比较 ,通过例子说明了这种改进方法的优点     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据 进行研究,并提出其模型的贝叶斯估计方法。 方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖 性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分 变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯 MCMC 方法进行估计。 结 果 使用联合 Gibbs 采样和随机游动的 Metropolis-Hastings 算法对模型中参数进行估计,通过模拟研究发现:不同参 数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将 空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。 结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且 随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是 有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量 的影响。     

随机变量的Kendall相关系数的推广

多维随机变量之间常常存在着复杂的相依关系，而度量相依关系指标大多只刻画二维随机变量之间相依程度。借助Copula工具及利用Kendall相关系数是和谐概率的线性变化的特点，将二维Kendall相关系数推广到n维，并在此基础上探讨其性质以及不同维度的Kendall相关系数之间的关系。