低位截断瑞利噪声的统计推理

预警雷达抗噪声压制干扰评估通常需要对量化后的瑞利噪声样本进行估计,在实际雷达系统中受硬件采样位数限制有时会舍弃噪声样本的低位数据,相当于进一步提高了噪声的量化误差,这时采用截断后的噪声样本计算均值会造成很大的估计偏差。为了有效运用低位截断后的噪声样本进行噪声估计,基于多项分布和瑞利分布推导了分布参数的最大似然估计方法,并证明了对数似然函数的凸函数性质以及后验分布为对数凹分布的性质,在此基础上提出了无信息先验贝叶斯估计方法和共轭先验贝叶斯估计方法。仿真数据实验验证了所提的极大似然估计、无信息先验贝叶斯估计和共轭先验贝叶斯估计算法的有效性,且对比分析了贝叶斯估计相对于极大似然估计的优越性。     

多维分形马尔可夫转换模型的广义矩估计及其实证运用

在广义矩估计法(GMM)的基础上,提出基于连续时间以及任意维离散时间多维分形过程的参数估计方法。一方面,这一方法吸取了Calvet和Fisher(2001)多维分形马尔可夫模型的长处,可以比较方便地对时间序列的非平稳性和复合过程进行处理;另一方面,本文模型又克服了极大似然法(MLE)和贝叶斯方法在大样本条件下其波动率序列参数估计难以用计算机实现的缺陷。Monte Carle模拟的结果显示,GMM估计在二项式模型和对数正态分布模型中具有非常优良的统计性质。实证运用的结果也证实了GMM估计方法在大样本多维度下的统计优势及其必要性。     

基于单调性约束的离散贝叶斯网络参数学习

针对小样本条件下的离散贝叶斯网络参数学习问题,提出一种基于单调性约束的学习算法。首先,给出了单调性约束的数学模型,以表达定性的先验信息;然后,将单调性约束以狄利克雷先验的形式集成到贝叶斯估计中,并利用贝叶斯估计进行参数学习;最后,通过仿真实验与最大似然估计和保序回归方法进行比较。实验结果表明,在小样本条件下,所提算法在准确性上优于最大似然估计和保序回归,但时效性介于二者之间。     

Heckman-Tobit模型的半参数估计

Heckman-Tobit模型可以同时处理样本选择问题和删失数据问题,是一个重要的微观计量模型.本文根据结果变量的条件生存函数所满足的性质,提出Heckman-Tobit模型的一种半参数估计方法.这种方法通过积分的形式,有效地利用了结果变量整个条件分布的信息.在一些正则性条件下,本文证明了所提出的半参数估计量的相合性和渐近正态性.其渐近性质的成立不依赖于扰动项的具体分布.数值模拟实验的结果表明,本文的半参数估计量具有优越的有限样本性质,且当扰动项服从非正态分布时优于最大似然估计量.     

数据缺失的小样本条件下BN参数学习

引入支持向量机回归,提出具有数据修补功能的贝叶斯网络参数学习算法.该算法利用贝叶斯网络各观测节点不同时刻下的观测信息,在无先验信息约束下,通过样本回归对缺失数据进行修复.在获得的完整数据基础上利用最大似然估计完成贝叶斯网络参数估计.仿真结果表明,在有数据缺失的小样本情况下,该参数学习方法与标准EM算法相比,能够有效的提高参数学习效率以及推理结果的精度.     

极值理论(EVT)方法用于受险价值(VaR)计算的实证比较与分析

讨论了根据极值理论 ( EVT)计算受险价值 ( Va R)的两类不同的方法 :基于矩估计的“两次子样试算法”和极大似然估计法 ,并给出了各自理论推导过程和计算步骤 .同时 ,把这两类方法与正态分布和经验分布的结果进行了比较 .应用四种汇率历史数据进行的实证计算表明 ,在极端条件下 ,用极值理论方法估计 Va R具有很高的准确性 ,而矩估计法的结果又优于极大似然估计法 .     

极值理论(EVT)方法用于受险价值(VaR)计算的实证比较与分析

讨论了根据极值理论 ( EVT)计算受险价值 ( Va R)的两类不同的方法 :基于矩估计的“两次子样试算法”和极大似然估计法 ,并给出了各自理论推导过程和计算步骤 .同时 ,把这两类方法与正态分布和经验分布的结果进行了比较 .应用四种汇率历史数据进行的实证计算表明 ,在极端条件下 ,用极值理论方法估计 Va R具有很高的准确性 ,而矩估计法的结果又优于极大似然估计法 .     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

双指数跳跃扩散模型的McMC估计

使用贝叶斯方法估计了双指数跳跃扩散模型,该方法是使用Euler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似后验似然函数.证明了McMC方法是分析双指数跳跃扩散模型的有效工具,由McMC方法抽样所得的后验分布可以用来进行统计推断.模拟试验表明双指数跳跃扩散模型能够体现资产收益的许多经验特征,尖峰厚尾特征和期权定价中的“波动微笑”.     

基于EVT-POT-SV-GED模型的极值风险度量

针对金融资产收益的异常变化,采用SV-GED模型捕捉收益分布的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,结合SV-GED模型与极值理论拟合标准残差的尾部分布,建立了一种新的度量金融风险的基于EVT-POT-SV-GED的动态、VaR模型.用该模型对上证综指做实证分析,结果表明该模型能够更精确、合理地度量上证综指收益的风险.     

我国商业银行整体风险度量及其敏感性分析——基于我国商业银行财务数据和金融市场公开数据

依据我国14 家上市商业银行的财务数据和金融市场公开数据, 利用风险因子模型和损失分布法采取蒙特卡洛模拟技术分别生成市场、信用和操作风险敞口回报的分布, 在此基础上, 引入Copula 函数构建此三种主要风险敞口回报的联合分布, 以回报形式的VaR 度量我国商业银行整体风险, 考察研究整体风险对我国商业银行金融业务组合变化和风险相关性变化的敏感性. 实证结果表明: 基于Copula 理论的VaR 估计方法能够很好的度量整体风险, 而线性加成VaR 高估了整体风险, 正态VaR 低估了整体风险; 与市场风险相关的金融业务组合比例增加会加大整体风险, 且操作风险非常显著的尖峰厚尾特性对商业银行整体风险的影响较大; 易发生极端损失的操作风险与市场风险、信用风险之间的交叉作用增强时, 金融监管机构要特别关注.     

一致性风险价值及其算法与实证研究

目前金融市场风险测量的主流方法是VaR方法,但其测量的风险值有时难以准确地反应投资者真实心理感受,而且缺乏投资组合分散风险特性所要求的次可加性.针对这些问题该文选择了一致性风险价值(CVaR)作为新的风险度量方法,通过构造一种混合分布来模拟收益率分布.提出CVaR的完全参数计算方法,并进行了实证研究.     

网上支付系统的风险计量模型及实证分析

网上支付行为可看作电子货币资产（电子现金、电子支票和数字信用卡等）组合的交易过程，对网上支付风险进行计量，就是构建一个合适的资产配置模型，使得网上支付系统的效用最大化或交易成本最小，VaR方法提供了一种有效的电子货币资产配置模型。电子货币资产回报的时间序列是一个具有平衡性的Markov链，因此，采用MCMC方法，通过构建一个平衡分析为π(x)的Markov链得到随机样本，动态模拟出电子货币资产回报的分布，并通过定价公式得出其损益分布，最终计算出相应的VaR值使用以上构建的网上支付系统风险计理模型，对某商业银行调研后采集到有关数据样本作了实证分析，可为金融机构防范与控制网上支付风险提供参考。     

外汇风险的极值相关模型

研究在已知某一分量极值出现的情况下,通过多维随机向量的联合条件分布的近似分布,利用半参数方法,给出一个极值相关模型,估计多维随机向量的任意尾部事件概率.应用该方法估计加元和日元资产组合一天的99.9%,99.99%,99.999%VaR值分别为0.0321,0.0439,0.0598.     

股市风险VaR与ES的动态度量与分析

首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值VaR和ES的模型，并在多种分布情形下动态测算上证综合指数的风险，结果表明基于GED分布的VaR模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性，而ES模型则有效地弥补了VaR模型的不足之处。     

考虑广义多维空间效应的S-VaR测算

VaR(value at risk)的测算精度一直是业界和学术关注热点问题.本文应用定义的经济测度距离和引力空间权重矩阵,建立广义多维空间计量模型捕捉金融系统的空间效应信息,构造S-VaR(saptial-value at risk),提高VaR的测算精度.以SP亚洲50指数作为股票资产组合替代变量进行实证分析,结果表明:广义多维空间效应S-VaR能捕捉金融市场存在的多维空间相关性和风险的空间溢出效应,提高了VaR模型在风险预测中的精确性.     

评估Value-at-Risk模型——条件矩检验方法

提出一种基于条件矩检验的Value-at-Risk （VaR）模型评估方法. 其基本思想是如果VaR模型无设定误差，则观察到的“突破”事件是鞅过程.因此可以通过检验“突破”事件是否为鞅对VaR模型进行设定检验. 采用条件矩检验方法对风险管理行业普遍使用的八种VaR 模型进行回测检验，作者发现条件历史模拟法表现最好，通过了各种检验，而无条件正态分布VaR模型表现最差，没有通过任何一种检验. 在风险管理实务中，作者推荐使用条件历史模拟法度量和管理金融风险.     

应用半参数方法计算市场风险的受险价值

由于厚尾分布,通常基于正态分布假定的VaR参数法在99%置信水平下计量市场风险时会严重低估风险,文中提出了一种半参数方法。通过对石油市场收益数据的检验,在99%置信水平下,半参数方法的风险计量效果好于通常的参数方法。