感潮河段洪潮遭遇组合风险研究

洪潮遭遇分析和洪潮组合的合理选取是感潮河段整治规划设计中的重要内容。构建的洪潮遭遇组合的风险分析模型,首先采用Copu la函数构建感潮河段的年最大洪水流量和相应潮位的联合分布以及年最高潮位和相应洪水流量的联合分布,再基于联合分布提出遭遇组合的风险分析模型。并以漠阳江河口段的洪潮遭遇组合分析为实例来研究。结果表明,①以洪为主,50年一遇的设计洪水与下游多年平均潮位相组合的风险率为6.89%,②以潮为主,50年一遇的设计潮位与其上游多年平均洪水相组合的风险率为4.77%。根据洪潮遭遇组合风险模型来确定遭遇组合,可为感潮河段洪潮遭遇组合的合理选取提供科学依据。     

基于Copula的一个概率论反例的构造

Copula是描述随机变量间相关性的一个有力工具．利用Copula来构造概率论中有关随机变量的独立性的反例．首先以3-Copula为例构造了一个Copula族,继而通过这个Copula族,构造出随机变量X,Y,Z的联合分布函数,使得随机变量X,Y,Z中的任意2个都是独立的,但X,Y,Z不是相互独立的;最后通过例子说明,该方法较传统方法更为简洁有效．进一步地,这一方法可以应用到更高维数的场合．     

一种基于对数正态分布的图像阈值模型

为了更准确地拟合图像的目标与背景的灰度级分布并分割出图像的目标部分,采用基于参数的阈值估计方法,提出了基于对数正态分布的粒子群EM混合算法,设计了对数正态分布参数的粒子群算法、EM算法和粒子群EM混合算法,给出了对数正态分布参数的计算过程。研究结果表明:对数正态混合分布能够很好地拟合一类图像的目标与背景的灰度级分布,粒子群EM混合算法具有较好的收敛性。该研究成果有助于解决一类图像的目标与背景的分割问题。     

相依结构下重尾随机变量和条件分布尾渐近性态

给定n个非负基本随机变量,其分布属于一致变化重尾分布族,以及另外n个非负任意相依的加权随机变量,但是与基本随机变量相互独立,在一类相依结构下,本文得到了基本随机变量和与加权随机变量和条件分布尾若干渐近公式,并给出了它们在风险度量中的一个应用,推广了相关文献的结论。     

Loéve引理的一点注记

本文的要点是: ①通过构造反例指出了文献[1]中的一个错误; ②给出了修正后的结果; ③借助于这个结果,当研究在拓扑群(或半群)上取值的相互独立但不必同分布的随机变量乘积的收敛性时,可以得到一些有用的引理。     

一类条件独立的随机变量和的密度函数与分布函数

给出了一类随机变量函数列i．i．d．的条件,并就一类满足某种条件独立的连续型随机变量序列,给出了其和的密度函数和分布函数．     

关于2-群的注记

通过对2-群的研究，得到了一类2-群的结构，进而给出了一类无限2-群有无限的阿贝尔子群的例子．     

关于2-群的注记

通过对2-群的研究,得到了一类2-群的结构,进而给出了一类无限2-群有无限的阿贝尔子群的例子.     

随机变量间相依性度量的新方法

介绍了度量随机变量间相依关系的新方法——Copula函数方法，应用Copula函数模拟随机变量相依关系的过程，边缘分布和Copula函数的估计方法和优度检验方法．     

有限Hausdorff拓扑半群上概率测度卷积序列的弱收敛性

在非同分布场合下,拓扑群(半群)上随机变量卷积序列极限存在的充要条件是一个至今尚未得到解决的问题,但是在有限群时[1]得到一些重要结果,本文的主要目的是将[1]中的定理1,定理2推广到一类有限半群上。     

Copula在构造联合分布函数中的应用

利用copula构造了具有相同边缘分布的分布函数,讨论了在给定的联合分布和边缘分布的基础上如何构造新的copula的方法,并用构造的copula得到一个二维分布函数。     

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.     

随机变量之间相依性的有关研究

随着copulas理论知识的完善，copulas用于相依性的研究也越来越多，从随机变量单调变换的角度出发，给出了在随机变量单调变换的情况下，它们之间的相依性以及相关性所发生的变化，进一步挖掘了copulas在相依性研究中的运用．     

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．     

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.     

关于下尾相依Copula的若干性质

下尾相依Copula(LTDC)刻划了随机变量之间的尾部相依结构.对于Archimedean Copula的LTDC,讨论了其相依性随尾部水平变化的动态特性,建立了和谐序在LTDC变换下封闭的充分条件,同时计算了LTDC的下尾相依系数.     

基于连接函数的投影寻踪主成分分析

基于连接函数的相依度量,提出了一种探索连续型随机向量之间相关关系的方法．通过连接函数构造的投影指标函数可以给出高维随机向量的投影寻踪主成分分析,并且可以证明这样得到的最优样本投影方向具有强相合性．此外,又给出了两个以上随机向量之间的典型相关分析．结果表明所提出的方法具有优良的理论性和实用前景．     

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.