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.     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警,有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理,在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM）,并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法,BSLM方法对距离当前时刻较近的泡沫具有更高的检验势,并且能更早地事前预警泡沫;在对中国股票市场主要指数2000~2015年的泡沫检验中,新方法能判断泡沫的生成时间和破灭时间,发现上证指数和深圳成指的泡沫具有较强的联动性。     

空间滞后模型的稳健检验

针对现有空间滞后模型检验存在的问题,首先用矩估计方法得到空间误差参数的一致估计量,然后以局部稳健检验方法为理论基础, 构造稳健检验统计量.该方法既成功回避了采用极大似然估计法构造检验统计量时遇到的繁琐计算问题,又有效解决了现有局部稳健检验方法适用范围受限的缺陷.同时,相对于直接采用矩估计法构造检验统计量的方法,该方法也有明显优势. 蒙特卡罗模拟的结果支持上述论断.     

时间序列条件矩持续和协同持续性研究

根据非线性单整理论提出了矩持续和矩协同持续的概念,从时间序列各阶矩长期均衡关系的角度构建了协整和波动协同持续性的统一数学框架,并进一步给出了矩持续和矩协同持续性在三阶矩和四阶矩情形的表现形式;其次在ARMA-GARCHSK模型体系下给出了时间序列矩持续和矩协同持续存在的充分必要条件;最后给出了向量ARMA-GARCHSK模型矩协同持续的ARMA表示形式和误差修正模型.     

嵌套Logistic模型的矩估计

讨论多元极值分布嵌套 Logistic模型 ,给出了分布参数的矩估计及其渐近协方差阵元素的显式表示和数值结果 .当边缘参数相等时 ,用合并样本估计公共参数 ,可以提高估计量的精度 .     

多元条件高阶矩波动性建模

类似于二阶矩风险(方差风险)的时变性,高阶矩风险也具有时变性.同时,为讨论多个市场或多个金融资产对应高阶矩风险之间的关系,需要建立多元条件高阶矩波动模型.提出了多元GARCHSK模型并给出其向量表达,用独立成分分解技术来解决多元GARCHSK建模中的“维数灾难”问题,给出多元条件高阶矩波动率的估计方法.最后,利用该模型对我国股市4个主要股指的高阶矩风险进行了动态描述.     

Harlow下偏矩证券组合优化模型的求解方法研究

针对Harlow下偏矩证券组合优化模型求解的困难，通过恰当变换，得到了该模型的转换形式，此转换模型不但求解容易，而且能得到相应证券组合的下偏矩统计量的精确值，为下偏矩在投资分析中的应用提供了简便易行的方法；最后，通过上海证券交易所的实际数据说明了该模型的实用性。     

基于不变矩和禁忌搜索算法的图像识别方法

为了满足图像识别较高的识别率和较低的时间消耗两方面的要求,提出了一种不变矩和禁忌搜索结合算法,即以不变矩作为特征参数,以禁忌搜索算法加快图像数据检测。在最佳的迭代步长下,不变矩和禁忌搜索结合算法在平均识别率、消耗时间、平均重复个数等参数方面,要明显优于一般不变矩算法。不变矩和禁忌搜索结合算法兼顾了识别率和时间消耗两个方面的因素,可以应用于一些高速的图像识别场合。     

基于领域知识的模型检验方法

提出了一种基于领域知识的模型检验方法.该方法主要是采用本体论方法,将业务领域内的潜规则表示成领域知识,构成领域规则库,对领域规则采用图形化表示与使用SWRL描述相结合的方式,形成了对规则知识的内、外部表示,为领域知识的直观显示和有效推理提供基础.领域规则形成的规则库为模型检验提供了依据和复用基础,确保用户构建的应用模型满足业务领域需求.     

时空地理加权回归模型的时空非平稳性检验

针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计. 构造合适的统计量对回归系数进行关于时间和空间的非平稳性检验,利用三阶矩χ²逼近方法计算检验的p值. 最后,模拟算例和实际例子都说明该检验方法的有效性.     

软件可靠性关键参数判定的矩估计方法

已有的基于结构的软件可靠性研究中大多假设建模参数为已知常量,导致模型忽略了参数估计的统计特征对于系统可靠性的影响.针对该问题,提出一种基于矩估计的软件可靠性关键参数判定方法,该方法通过分析基于结构软件可靠性模型的特点,建立各建模参数的矩估计量与系统可靠性预测结果之间的关系,量化各参数对于系统可靠性的影响,判定关键参数.为系统可靠性控制、系统结构优化及软件测试资源最优化分配等问题的解决提供了理论支持,通过对两个实际软件系统的分析验证了方法的有效性.     

组合信用风险测度的藤copula方法

研究组合信用风险测度问题,用藤copula描述违约相依结构,提出一种测度组合信用风险的藤copula方法.实证结果表明:常用多元copula方法往往低估或高估风险值,而藤copula方法在各种常用的多元copula相依结构假定下的VaR和ES估计值与实际风险值很接近,VaP都通过了回测检验,ES回测检验指标也表明藤copula方法估计的ES更准确.因此,相对于常用多元copula,藤copula方法更具灵活性,能提高组合信用风险测度的准确性.     

Box—Cox变换模型模拟矩估计方法研究

基于对Ｂｏｘ－Ｃｏｘ变换模型参数估计方法的研究，分析了极大似然方法之不足，提出了相应参数估计方法——基于残差的广义模拟矩估计方法，并研制了相应的算法．该方法同时解决了Ｂｏｘ－Ｃｏｘ变换模型出现序列相关与异方差时的参数估计问题，力求反映真实模型．算例则验证了方法的有效性     

检验国家重点新产品评估质量的几种定量方法

介绍了 1 998年国家重点新产品评估试点中用于检验评估质量的几种主要定量方法 :1 )检验不同评价者对项目总体水平的评价差异的显著性统计检验法 ;2 )检验不同评价者或不同方法对项目排序的差异的 Spearman等级相关系数法 ;3)检验不同评价者对项目分类的差异度方法 ;4 )检验重点推荐类项目优于推荐类项目的方法 ;5 )检验第二级评估入选项目优于第一级评估入选项目的方法.     

极端风险条件下的市场反应检验

大量的理论和实证研究结果表明人们的交易行为会受到交易者心理的影响.然而, 研究极端风险条件下市场反应的文献并不多见. 在基于风险价值VaR的基础上提出了一种检验极端风险条件下市场反应的统计方法,并将该方法应用到对美国道琼斯工业平均指数的研究中.实证研究结果表明, 对于极端风险而言, 市场的反应并非理性的,具有很强的心理学特征: 长期来看, 市场大跌后会有很大的反弹的概率;而市场大涨之后, 无论是长期还是短期, 都会有很大的动量持续概率;而市场作为整体而言是以动量持续特征为主.     

多维条件方差偏度峰度建模

为了考察多个市场或多个金融资产之间的高阶矩风险度量问题,有效地捕获收益率时间序列高阶矩动态特征,在考虑当前预期和波动性条件下,推导了高阶中心矩和协矩之间的关系,提出了能够有效解决维数灾祸问题的多维条件高阶矩模型.在多维S_U分布基础上,采用动态条件相关性(DCC)和自回归条件密度技术,通过智能优化算法对条件高阶矩模型的时变参数进行估计.实证研究结果表明,多维条件高阶矩模型较好的拟合了收益率时间序列高阶矩动态特征,与之前的高阶矩模型相比,能够有效解决高阶矩模型的维数灾祸问题,表明该模型能够捕捉到我国多个市场之间高阶矩风险特征,提高多维条件高阶矩模型测度能力.     

一种基于残差熵的动态模型检验方法

针对时间序列的模型检验与定阶问题,构造了一种新的统计量“残差熵”。该物理量融合了随机序列的相关性和信息论中信源熵的思想,综合反映了残差中所残留的信息量。在正态假设的基础上推导了模型“残差熵”的估算公式,并给出了具体的应用方法。实例计算表明:“残差熵”可用于模型的检验和定阶,极小化残差熵是一种有效的模型检验准则,并与经典的模型检验准则做了性能比较。     

基于自动机理论的UML活动图模型检验方法

UML活动图被认为是最合适的软件过程描述语言,研究UML活动图的模型检验方法是很有必要的。提出一种基于自动机理论的UML活动图的模型检验方法。该方法给出UML活动图的形式语义,通过计算RTC-STEP,得到LTS,并将LTS映射到Büchi自动机,用LTL表示系统性质,并将LTL公式转换为相应的Büchi自动机,用基于自动机理论的模型检验方法检验UML活动图。     

基于本体的元数据扩展模型的检验

借鉴本体的思想,利用描述逻辑建立了面向语义的元数据模型,它是一个7元组,包括术语集、实例集、术语定义集、实例声明集、属性分配集、术语注释集和术语约束集.将元数据模型的检验抽象为术语检验和实例检验两大问题,并对术语检验和实例检验及其转换问题进行研究.研究表明,两类检验问题可分别细化为4类和2类子问题,这些子问题可以相互转换.     

基于变量双重检验的Fisher信用风险度量模型

为提高模型入选样本变量的准确性与稳定性，本文采用附加信息检验和多重共线性检验选择自变量，并应用Fisher判别原理建立信用风险度量函数。实证结果显示，所建立的模型对全部246个样本的误判率仅为6．91％，准确率为93．09％；而对风险样本的误判率为4．55％，正确辨别精度高达95．45％。