一种确定最优Copula的方法及应用

对于给定的三种Copula模型,通过Genest ＆ Rivest非参数法和极大似然方法进行了参数估计,并加以图形分析,最后进行了拟合优度检验,得到了最优的copuda,应用于上证指数和深证指数,很好地描述了其相依结构．     

Copula函数中参数的矩估计

针对Copula中参数θ的估计问题, 基于C(u,v)/u服从U(0,1),利用关系式1n∑ni=1Ci(u,v)u-122=112提出Copula中参数θ的矩估计,并对几种常见的Copula函数进行模拟论证.最后运用国内上证A股指数和上证B股指数进行了实证分析,说明这种估计方法的有效性.     

基于Eviews 与GS Copula 的金融市场相依性研究

为解决金融市场间波动的相依性问题, 对不同金融市场间高频数据极小值的相依性进行研究。在分析GS Copula 函数的模型方法和模型特点基础上, 研究了估计GS Copula 函数中参数的方法及正尾部相依性和负尾部相依性的模型, 并基于Eviews 软件和GS Copula 函数等理论对上证000001 指数和股指期货IF1112 指数5 min极小值的收益率序列数据的相依性进行了分析, 得出其收益率序列数据有很强的上尾部相依性。为在金融决策中降低风险提供了理论依据。     

基于Copula理论和非参数极值估计在上下游水位的相关性分析应用

基于Copula函数的理论对非参数极值Copula进行改进,使其满足顶点约束;结合时变Copula理论,给出时变Copula函数的非参数极值估计;最后采用新的方法,对径流上游夹河滩水位和下游高村水位的相关性进行分析验证,体现了时变Copula的非参数极值估计在刻画随机变量相关性方面更优越、合理,具有一定的实际参考价值。     

基于核方法的Copula函数的估计

介绍了Copula函数的基本定义和性质以及非参数统计中的核估计方法,运用核估计方法来估计Copula函数,应用核估计的性质证明了估计出的Copula函数是真实Copula函数的一致强相合。     

金融危机背景下沪综指与深成指指数相关性分析

鉴于中国证券市场沪深两市的构成特征,在金融危机背景下,应用Archimedean Copula函数族中的Gumbel Copula函数和Clayton Copula函数,实证分析沪综指与深成指指数的相关性,结果表明,我国股市总体呈现出一定的一致性和相关性,并且金融危机出现后,沪深两市下跌的一致性程度大于上涨的一致性程度。     

基于Archimedean Copula模型的风浪联合分布第二重现期

为了较准确获得海洋结构在设计环境荷载重现期下承受的风浪荷载,简述了Archimedean Copula函数的定义及特征,定义了样本的重现期安全域概念;对常用的几种重现期和基于Archimedean Copula函数C-测度的第二重现期进行了对比分析;首次将第二重现期应用于风浪联合分布的重现期分析中,经实际数据验证,第二重现期定义严格,计算结果更接近荷载效应实际重现期.     

中美股票市场相依性研究——基于Copula的非参数估计和检验

以金融危机发生前后上海综合指数和s&p指数为样本分析中美股市的相依结构,通过样本秩相关系数估计Copula函数中的参数,并利用卡方统计量对估计出来的Copula函数进行非参数拟合优度检验。结果表明,上海综合指数与s&p指数存在较弱的对称相依结构,协同运动并不明显,股票市场受美国次贷危机的影响较小;尾部相依性显示二者之间渐近对称性独立,但并不存在明显的传递依赖关系,投资者可以选择资产组合分散化风险投资。     

基于Archimedean Copula函数淮河月径流的随机模拟

以淮河干流蚌埠站64a(1950—2013年)的月径流资料为例,研究Archimedean Copula函数在月径流随机模拟中的应用.先利用4种一维分布函数对每个月径流进行单变量的分布拟合,再利用3种二维Archimedean Copula函数进行相邻月份的联合分布拟合,并对一维分布函数及二维联合分布函数的拟合优度进行判断,以确定拟合效果最优的边缘分布函数和二维Copula函数.基于选定的Copula函数,结合Gibbs采样实现月径流随机模拟,通过比较实测与模拟月径流对该方法进行验证.研究结果表明,Archimedean Copula函数结合Gibbs采样可有效建立相邻月份间的相关性结构,为水文水资源随机模拟提供一种新的途径.     

基于Copula的中国股市与基金回报的尾部相关性分析

本文运用二元Archimedean Copula函数分析上证三支股票和三支基金回报间的尾部相关性,以求得出这几种股票与所选取基金之间的相关度.结果表明,在众多具有非对称尾部相关性的Archimede-an Copula函数族类中,所选用三类具有代表性的Copula均不能很好地描述所选股票与基金间的相关性.由此得出,所选择股票与基金的相关性在一年时间跨度内难以用Copula捕捉,这种现象应引起风险管理者的注意.     

非参数技术理论及应用综述

非参数技术中一个最重要的内容是估计方法，常见的非参数估计方法有核估计、局部多项式估计、近邻估计等。光滑参数的选取、“维数灾难”与边界点问题也是与非参数技术有关的重要内容。非参数技术的一个重要的应用是应用在时间序列模型中。     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

基于强RSA假设的数字签名方案

针对基于强RSA(Riverst,Shamir,Adleman)假设的数字答名方案,首先通过哈希函数潜在性质分析现有方案的安全缺陷,然后通过删除冗余参数x和采用一个生成元简化签名方案,最后在强RSA假设和签名预言机模型下证明该方案是安全的.新方案弥补了安全漏洞,比以往的方案更简洁、高效且安全.     

基于重采样的COLD阵列波达方向和极化参数联合估计

针对在低信噪比情形下DOA和极化参数估计性能严重下降的问题,提出了基于重采样的COLD阵列参数估计方法.该算法有效结合了ROOT-MUSIC和重采样技术,并对重采样技术作出了改进,利用COLD阵列ROOT-MUSIC算法,可以降低求根阶数,减少计算量;利用改进后的重采样方法,可以大幅度提升低信噪比下的参数估计性能.并通过参数估计结果可行性判定方法,保留参数估计正常值,剔除异常值.本文提出的这种算法,使在低信噪比情况下,参数估计精度得到提高.仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性.      

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

带线性约束的新两参数估计

针对带约束的最小二乘估计在参数估计中处理复共线性的不足,引入随机线性约束,提出了约束新两参数估计.并且得到在均方误差下,约束新两参数估计与约束最小二乘估计,约束岭估计和约束Liu估计相比的优良性.     

偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝 叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用 B 样条方法建模,在共轭先验下考 虑该模型的贝叶斯分析,基于 MH 算法与 Gibbs 抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估 计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比, 发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比, 可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于 ADNI 数据中,研究了神经评分与基线 临床指标间的关系,得出了合理的结论,证明了方法的合理性。     

缺失数据下的线性泛函的半参数降维推断

针对缺失数据下线性泛函估计中存在的非参数高维问题和模型参数化后的稳健性问题,提出了线性泛函估计的半参数降维推断方法,通过非参数函数估计来插补线性泛函,井用参数工作函数来降维.所得半参数降维估计具有双稳健的特点,即只要选择概率函数正确参数化或者降维插补指标可以修复线性函数的条件期望,所得估计就是相合的,而且二者都满足时,估计达到最优.     

基于区间数据的非参数Bayes估计

基于Dirichlet过程为先验分布,给出区间数据下总体分布非参数Bayes估计的表达式;通过对常用分布的随机模拟,阐述几类先验分布对估计效果的影响;最后,与参数极大似然法比较,证明所构造的方法具有相近的估计效果.