带跳的随机波动模型的参数估计

讨论了带跳的随机波动模型中的参数估计问题,假设跳过程服从双指数跳,波动项服从Heston模型.首先借助Lee-Myland方法识别跳跃部分,运用极大似然估计方法对跳跃部分的参数进行估计.然后将扩散部分离散化之后用极大似然估计方法对扩散项的参数进行估计.最后,利用上证综合指数2015-2018年的历史数据进行实证分析,实验结果表明使用该方法能有效估计带跳的随机波动率模型的参数.     

随机利润模型中参数的极大似然估计

假设需求量是连续型随机变量，销售利润为其中Ｐ＞０是产品单价，ａ≥０是产品单位可变成本，ｂ≥０是固定成本，ｃ＞０是企业最大生产能力．本文对这种随机利润模型中参数的估计进行了研究，并给出了这些参数存在极大似然估计的充分必要条件．     

MRS-GARCH模型在沪深股指波动中的应用研究?

考虑MRS-GARCH模型中存在的"路径依赖"问题,采用混合Gibbs抽样与EM算法的两步MCEM-MCML法求参数的极大似然估计,避免了对原模型的简化或近似而导致的信息损失及估计精度下降.以上证综指和深圳成指日(周)收益数据为样本,利用MRS-GARCH模型对沪深股市收益波动进行估计.结果表明:沪深股市存在显著的高、低波动状态,处于低波动状态的可能性更大,持续时间更长.与MS、Gray及Klassen模型相比,MRS-GARCH模型估计的波动状态持续性有所降低.比较各模型的BIC值,MRS-GARCH模型的拟合性能最优.     

Fisher得分法与EM算法在随机效应模型中的应用

随着随机模型的广泛应用,关于随机效应模型的参数估计一直是线性模型的最活跃的研究方向之一。我们经常估计这类模型的固定效应和方差成分。我们使用极大似然估计作为估计方差成分的一种技巧,为了考虑到估计固定效应时的自由度的损失,我们又会使用限制极大似然估计。计算方差成分的ML或者REML估计时,有很多迭代算法可以使用。我们关心的是Fisher得分法和EM算法应用到随机效应模型的方差成分上,通过使用这两种算法对随机效应模型的方差成分的极大似然估计和限制极大似然估计进行比较分析。本文给出EM算法用于求极大似然估计的具体公式补充证明,并对Fisher得分法在随机效应模型中的应用限制极大似然估计给予具体公式。     

多元逻辑模型的极大似然估计

在经济计量研究中，逻辑模型是一种应用非常广泛的非线性概率模型，几今关于一元情形参数估计的讨论文献很多，对多元情形仅证明似然估计的存在性，而没有给出求参数的具体算法，然而多元模型也有其十分广阔的实际应用，本文将给出了多元情形下逻辑模型的极大似然估计及一种具体计算方法。     

正态AR（1）模型参数之极大似然估计

评述了有关工作，强调了我们的独特工作，即另一种可推广到ＡＲ（Ｐ）的解析表达式和Ｒ０已知，单对Ｒ１作极大似然估计，此时出现了不唯一性点集。     

系数随机的多元线性回归模型的参数估计

对一般系数随机的带有相关因子的多元线性回归模型的参数进行估计。估计值是用EM算法给出的极大似然估计或约束的极大似然估计。给出了EM算法的具体公式,并利用bootstrap方法估算出这些估计值的精确度。最后通过一判别儿童总体中是否存在Catch-Up生长的例子以解释给出的方法。     

随机波动模型的参数估计方法

随机波动(SV)模型是研究金融收益率波动性的一种重要模型,但该模型没有精确的似然函数表达式,对其进行研究具有一定的挑战性.将近十几年来国内外学者提出的不同参数估计方法分为2类,讨论了各种方法的优缺点,并对其给予了评价.     

含有随机波动的风险敏感性控制的最优投资模型

该文主要讨论了由一个无风险资产和N个风险资产组成的投资组合,在波动率受经济因子影响以及不考虑交易费用和消费的情况下,利用风险敏感性动态规划控制在有限期限和无限期限内实现投资利润的最大化．     

医疗保险的财务风险评估

建立了风险评估的基本模型和马尔柯夫模型,用以估计病人健康状态和治疗水平的随机性给医疗保险带来的财务风险,并举例说明了三水平马尔柯夫模型的实际应用．应用过程表明,风险评估模型能够合理地估算出相关财务风险的大小,为制订正确的医疗保险策略提供必要依据．     

变系数Logistic模型估计及其应用

以线性Logistic模型为基础,通过假定其中的回归变量系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数Logistic模型.该模型提高了线性Logistic模型的灵活性和适应性.基于局部加权最大似然估计方法,系统讨论了变系数Logistic模型的拟合,以及与之相关的局部权系统和其中光滑参数的确定.最后,探讨了本模型在判别分析中的应用.     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

多维GARCH模型的估计和检验

讨论多维 GARCH模型的识别及其参数模型的极大似然估计和检验方法     

双因子SV利率波动模型的Bayes估计

运用多元SV模型描述利率的波动性建立双因子SV利率波动模型,运用Bayes估计方法对模型进行参数估计,对短期利率的预测发现SV模型能很好地描述利率的波动性,且运用Bayes方法能得到较好的结果。     

最大似然估计在一元线性回归中的应用

最大似然估计是参数估计的常用方法。应用最大似然估计方法估计一元线性回归方程中的未知参数,与用最小二乘估计得到相同的结果,说明此方法的适用性。     

一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.     

二项分布参数的经典估计与Bayes估计相等的关系

证明了二项分布中未知参数的经典估计(最大似然估计和矩估计),一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论.