重尾分布尾部指数的Crovella估计性质研究

重尾分布的尾部指数的估计方法有很多种，但都不同程度地存在一定的局限，为此，Crovella提出了一种从标度特征方面来估计尾部指数的方法，该方法易于应用，估计结果也比较准确．在阐述了该估计方法的具体步骤后，给出了相应的估计量，并从理论上对该估计量的相合性进行了分析，证明该估计量具有强相合性．     

基于样本分块的重尾指数估计

基于样本分块的估计方法,文章提出了一类新的重尾指数估计,并在适当的正则变换条件下讨论了该估计的强弱相合性.     

重尾分布尾指数估计研究进展

气象、水文、环境、电信、保险、金融等许多领域的数据不满足正态分布假设,而是具有尖峰、重尾特征.过去三十多年间,针对重尾分布及尾指数估计的研究得到了长足发展.文章回顾了冲击正态性假设的重尾分布的发现过程,描述了重尾分布的定义,极值理论及正则变换条件,并从研究内容的阶段特征、研究方法的不同类型总结、归纳、评述了各类尾指数估计方法及重尾阈值选取方法,最后就这些估计方法的不足和应用局限性以及如何改进和深化重尾指数的估计问题作了展望.     

深证100指数的风险值估计方法

实证研究表明,用VaR-X修正模型中的残差分布(t分布)尾部指数的简化估计方法得到的尾部指数估计值与最大观察数目选择有关,具有不稳定性. 当最大观察数目足够大时,尾部指数序列的折线图是曲线,而不是直线,且采用普通最小二乘法估计时,模型存在条件异方差,会导致估计失效.采用ARCH模型或GARCH模型估计法不仅可以克服模型的条件异方差性,同时可解决最大观察数目选择难的问题.     

变换下回归模型的似然估计

研究了对响应变量作变换后成线性回归模型的参数估计问题.当变换是非参数时,用分段线性函数来逼近非参数变换,把非参数问题化成参数问题.当变换是参数时,求出了似然估计的显示解并证明了其强相合性,同时讨论估计的条件分布.     

基于POT方法的二元极值分布尾部特征的估计

在一元,二元极值分布模型的基础上,给出超额分布及样本均超额函数,并利用样本均超额函数图给出临界值的估计.在此基础上,运用POT方法对二元极值分布尾部特征进行估计.     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

MA模型阶数的贝叶斯估计

根据贝叶斯估计理论,在阶数和参数较为一般的先验分布及平方损失函数下,给出了MA模型阶数的贝叶斯估计,并证明了该估计方法具有强相合性.     

Poisson分布参数EB估计的强相合性及其Bootstrap逼近

左右G(θ)已知,则对固定R,在平方损失L(θ~R,δ_G(x))=(θ-δ_G(x))~2之下基于x=a的Baycs估计为     

有关重尾指数位置不变的估计

对一个统计量进行了研究,该统计量能够推导出一些重尾指数的估计,这些估计都是位置不变的.文章还给出了该统计量的渐近性质。     

冲击噪声背景下一种稳健自适应波束形成算法

 针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出了一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束正交投影(NLCOP)算法。该算法通过对输入信号进行无穷范数归一化,使变换信号的协方差矩阵在代数拖尾的冲击噪声环境下存在且有界,将自适应权矢量约束于噪声子空间,提高了波束形成器在冲击噪声背景下的性能。NLCOP算法无需噪声特征指数的先验信息,具有更低的副瓣电平且干扰抑制能力强。仿真结果验证了该算法的有效性。     

基于MM-算法的局部常数核加权分位数回归估计及应用

提出了一种新的基于MM-算法的局部常数核加权计算法,使用该方法得到的分位数回归估计曲线在比较弱的条件下是连续光滑的．讨论了核方法中协调参数的选取问题．最后,数值模拟和实证研究的结果表明,利用所提出的计算方法所得到的非参数曲线估计在重尾误差的情况下具有一定的稳健性．     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

冲击噪声背景下归一化广义旁瓣相消器

针对冲击噪声背景下常规波束形成算法性能下降的问题,该文提出一种归一化广义旁瓣相消器(N-GSC)算法,该算法适用于任意未知统计特性的代数拖尾冲击噪声环境。算法通过对输入信号进行无穷范数归一化,使信号的二阶统计量存在且有界,再进行维纳滤波,提高了波束形成在冲击噪声背景下的性能。进行了4种冲击噪声背景下的仿真实验。仿真结果表明,与传统的GSC算法和基于分数低阶矩的GSC算法相比,N-GSC算法计算简单,无需噪声特征指数的先验信息或估计,适用于任意分布的冲击噪声环境,具有更强的干扰抑制能力。     

基于最小二乘法的流长度分布估计方法

为了得到未抽样流的分布特征,提出一种新的由抽样报文流数据来估计原始未抽样流长度分布的方法.首先分析了产生一个定长抽样流的原始流的概率分布模型,并根据这个概率分布特征给出了长流一个非常简单的估计.然后构造了关于短流的方程组,利用流的重尾分布特性和最小二乘法对该方程组进行求解,得到了短流的估计.理论分析表明该估计方法有效地控制了时间复杂程度,实验测试结果也表明该算法对于分布的估计是精确的,估计精度与EM算法相当.     

关于分布重尾程度的一类刻画

针对应用概率研究的需要,探讨个体索赔分布的重尾程度,提出了较重重尾分布的概念,具体讨论了重尾索赔分布之间的比较,及其与之有关的问题.     

服从FGM Copula的实值重尾随机游动的局部Max-Sum等价

该文考虑了服从FGM copula的实值重尾随机游动.在边缘分布满足一定条件下,利用局部重尾分布理论和FGM copula的有关性质研究了部分和的尾分布局部渐近性质,进而将在该相依结构下重尾随机游动的局部Max-Sum等价成立的范围由正实数推广到全体实数情形.该结果在风险理论中具有一定的应用价值.     

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法.该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计.与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能.计算机仿真实验证明了所提算法的有效性.