纵向数据部分线性模型的基于高斯伪似然的高效估计

在纵向数据部分线性模型中,基于高斯伪似然构造相关阵的相合正定估计,进而得到回归参数的高效估计,给出了估计的算法及基于高斯伪似然的相关阵模型的选择准则.模拟表明,基于高斯伪似然方法得到的参数估计是高效的.     

半参数跳-扩散模型的近似极大似然估计——基于转移密度的闭式展开方法

首先,引入半参数跳-扩散模型,用闭式展开的方法得到转移概率密度的近似表达式,证明了转移密度的展开式收敛到真实的转移密度.然后,利用近似极大似然估计的方法对模型中的参数进行估计.针对时变参数和非时变参数,分两步进行估计:第1步,采用局部常数拟合对时变波动率参数进行近似,利用核函数加权的方法得到了时变参数的局部近似极大似然估计量;第2步,用传统的极大似然估计方法,得到了非时变参数的近似极大似然估计.最后,证明了所得估计量的渐近性质.     

Copula函数的选择及股票市场的相关性研究

Copula函数能够完整地刻画变量间的相关关系,在股票市场中用Copula函数来描述股票之间的相关性被广泛应用.本文从6种Copula模型入手,对基于参数自助的似然准则检验方法和基于参数自助的拟合优度检验方法进行了对比分析,研究其在模型选择上的准确性,并将其应用到平安银行和交通银行两支股票中,发现与模拟结果相一致.     

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.     

基于半参数ARCH-M模型的风险厌恶度量

提出了风险厌恶度量的半参数ARCH-M模型,给出了两步估计方法来估计均值中的未知函数和未知参数:第一步是基于局部线性估计方法,第二步是基于极大似然估计方法.在一定的条件下讨论了估计的渐近性质.     

中美贸易摩擦下大豆期货市场相关性的实证研究——基于Copula-GARCH模型

近年来,中美两国贸易摩擦加剧了金融市场之间的相关关系,期货市场作为金融市场重要的一部分,研究期货市场间的相关关系显得尤为重要。本文将GARCH模型与Copula模型相结合,建立二元金融时间序列的Copula-GARCH模型以研究中美大豆期货市场的相关关系。首先利用GARCH-t模型刻画中美两国大豆期货市场收益率的边缘分布,然后利用极大似然估计法和K-S检验进行参数估计并拟合优度检验,接着利用极大似然法估计常用Copula参数,利用AIC,BIC准则和Log likelihood最小准则选择合适的Copula函数来描述中美大豆期货市场间的相关性。实证研究表明,大连商品期货交易所大豆期货价格与芝加哥商品交易所大豆期货价格有较大相关性,t-Copula函数能较优地描述两市场的相关性,两个市场之间大豆期货的上下尾相关系数皆为0.087 019,存在同涨同跌现象。     

纵向数据下部分线性模型基于经验似然的变量选择

针对纵向数据下的部分线性模型, 建立基于经验似然方法的变量选择的信息准则, 证明新变量选择方法的渐近性质, 并模拟研究比较参数信息准则与基于经验似然的信息准则的有限样本性质. 结果表明, 基于经验似然方法的信息准则克服了参数似然函数有时较难得到的困难, 模型选择效果较好.     

纵向数据半参数混合效应的Logistic模型

为了深入探究Logistic模型的统计推断问题,联合半参数混合效应模型和Logistic模型建立了纵向数据半参数混合效应的Logistic模型,进一步求出该模型的极大似然函数、Fisher信息阵,利用QLB(quadratic lower-bound)算法求解参数的极大似然估计.最后进行数值模拟,结果表明在此模型的求解问题上QLB算法是Newton-Raphson算法的合理替代.     

两种统计框架下均匀分布参数估计的对比研究

在理论和模拟方面对均匀分布U (0,θ ) 参数θ 的Bayes 估计与极大似然估计进行对比研究. 首先将基于损失函数和共轭先验得到的Bayes 估计与极大似然估计在形式上进行对比,发现所得Bayes 估计不但在数值上略大于极大似然估计,而且还是参数的相应函数的极大似然估计;然后通过模拟研究两种估计方法对参数的返真性,结果表明所得的Bayes 估计的均方误差在大多数场合下都小于极大似然估计的均方误差.     

整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

用参数和非参数估计的凸组合去估计密度函数

对于参数密度函数 h(x,θ),可首先用极大似然法估计θ,然后用 h(x,)去估计 h(x,θ);而对于参数模型不成立的密度函数 h(x),常常用核估计(x)去作非参数估计。一般地,可用参数估计和非参数估计的一个凸组合去估计密度函数。本文将证明,在一定条件下此凸组合按一定速率收敛于密度函数。     

基于极大似然法的雪荷载计算与分析

为了提高雪荷载评估的准确性,利用极大似然法对雪荷载平稳二项随机概率分布模型进行参数估计.通过引入似然函数,使似然函数在某组参数上达到最大值,获得模型参数的极大似然估计.然后利用柯尔莫哥洛夫检验法对分布函数进行检验,并与矩法和耿贝尔法进行对比分析.结果表明,极大似然法在剩余方差Sf和拟合相对偏差Rf指标方面最优.进一步应用上述三种方法,基于沭阳县实测的历年最大积雪深度计算雪压,并与现行规范中的基本雪压进行对比,发现极大似然法计算结果合理可靠、整体效果最好,认为规范采用极大似然法对雪荷载进行参数估计更为合适.     

区间删失数据下Weibull 比例优势模型的参数估计

基于区间删失数据建模是当前复杂数据分析的热点之一。本研究在两类区间删失数据下建立Weibull比例优势模型,基于极大似然估计给出了模型参数,进一步讨论了估计量的渐近性质。数值模拟验证了模型参数的估计效果,并将提出的模型及方法应用到艾滋病临床试验数据和肺肿瘤试验数据中,给出了感兴趣事件的生存函数曲线,通过与生存函数的非参数极大似然估计比较,表明所提方法具有较好的拟合效果。     

江浙沪地区降雨极值的半参数拟合

采用多样本半参数概率密度比模型,研究了降雨极值数据分化拟合问题中极大似然估计方法估计半参数概率密度比模型的参数.基于1951-2018年江浙沪地区10个气象站逐日降水观测资料,拟合逐年日最大降雨量序列,借助K-S方法进行拟合优度比较.结果显示多样本半参数概率密度比模型适用于不同站点的降雨极值分化的拟合,且优于降雨极值分化拟合中常用的方法,研究结果对分析降雨极值分化特征具有一定意义.     

负二项回归模型的重对数律和强相合性

本文构建负二项回归模型选择架构,研究在模型选择中对数似然函数的渐近性质及其与联系函数之间的依赖关系;推出模型参数最大似然估计的重对数律,并建立该类模型选择的强相合准则;证明在一些条件下,如果惩罚项阶数随模型的维数增加且介于O(lnln n)和O(n)之间,则由负最大对数似然和其惩罚项组成的模型选择准则几乎必然选择最简单的正确模型。     

纵向数据半参数Possion回归模型

建立了半参数纵向数据的Possion回归模型,并利用极大似然估计对此模型的参数进行了估计,讨论了它的Fisher信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程.     

基于Copula GARCH MMBP的Monte Carlo期权定价方法

本文将与两种指数相关的股权挂钩票据的定价问题转化为期权定价问题,提出了一种基于Copula模型的Monte Carlo期权定价方法.针对两组对数收益率序列的相关性结构,本文运用Copula GARCH 模型进行了拟合,并采用修正的极大似然估计方法对模型的参数进行了估计.作为应用,本文对汇丰银行发行的一种股权挂钩票据进行了定价和利润分析.     

逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示：贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。     

INGARCH模型拟极大似然估计的相合性

利用拟极大似然方法研究INGARCH模型参数的估计问题,证明了拟极大似然估计的强相合性.模拟结果表明,在样本数较大时,拟极大似然估计比最大似然估计效果更好.