风险度量半参数变系数复合Expectile回归模型及应用

本文结合半参数变系数回归模型、期望分位数风险价值(EVaR)的思想以及充分利用多个Expectile信息能提高参数估计效率的假设,提出了一类半参数变系数复合Expectile回归模型,并对该模型进行了估计,建立了所提出复合Expectile回归(CER)估计的大样本性质.针对该模型既含有参数部分也含有非参数部分的特征,采用了方便计算的三步估计方法.通过数值模拟也发现,当误差为厚尾或非对称分布时,在均方根误差(RMSE)的标准下,所提出的CER估计大大优于最小二乘(LS)估计和简单的Expectile回归(ER)估计.另外,本文还应用所发展的理论分析了我国货币政策对上证综指的影响.     

一类三端点区间数判断矩阵的一致性及权重研究

提出一类新型不确定判断矩阵--三端点区间数判断矩阵并研究其一致性和权重求解方法.基于三端点区间数判断矩阵的完全一致性概念,定义最可能值偏差变量和上、下限偏差变量,建立三端点区间数判断矩阵的权重求解模型.为减少因决策者的判断误差造成的决策误导,在第二阶段建立权重分布范围估计模型,论证了模型所具有的性质,算例说明了方法的有效性.     

非标准多传感器信息融合下的状态融合估计

给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响.针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型.此外对传感器问具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法.该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计.给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性.     

基于优化回波数据的图像配准InSAR干涉相位估计

提出一种基于优化回波数据的自适应图像配准InSAR干涉相位估计方法.该方法充分利用相应像素对及其相邻像素的相干信息,通过获得的最优加权向量对SAR图像进行自适应配准处理,实现对回波数据优化从而获得地形干涉相位最优估计.实验结果表明了该方法有效性的同时,能够在SAR图像配准误差较大(可以允许达到一个分辨单元)的情况下,得到稳健的干涉相位估计结果.     

基于参数化分位回归模型的非寿险准备金评估

准备金及其风险边际对保险公司的偿付能力具有决定性影响.均值回归模型在非寿险准备金评估中的应用较为普遍,但需要通过Bootstrap等方法计算准备金的风险边际.分位回归模型可以一次性求得准备金及其风险边际的预测值,所以在非寿险准备金评估中具有独特的应用价值.基于GB2(Generalized Beta type 2)分布建立了一种参数化分位回归模型,该模型首先对GB2分布中的位置参数和尺度参数同时引入流量三角形数据中的事故年和进展年作为解释变量,增加了模型的灵活性;其次,根据模型参数的极大似然估计结果,借助分位数函数的表达式,计算了不同分位数水平下的准备金预测值;最后,利用极大似然估计的渐近性质,通过Delta方法给出了准备金预测值的误差.基于一组增量赔款数据的实证研究结果表明,GB2参数化分位回归模型在非寿险准备金评估及其风险边际的预测中具有良好的应用价值.     

基于二元不完全偏好的群决策方法

分析了群决策过程中不完全区间数互反判断矩阵和不完全区间数互补判断矩阵的集成方法.基于决策者给出的允许偏差,定义了群决策满意度隶属函数,建立了求解群体偏好满意程度最大化的权重模型,提出了群体偏好一致性程度的衡量指标,研究了对一致性程度较差的决策者判断进行交互调整的方法.为解决模型存在多组最优解以及因决策者判断误差波动造成的决策误导问题,建立了群体偏好权重分布范围的估计模型.通过算例分析,证明了方法的有效性及实用性.     

基于GRAS方法的CGE模型参数估计——以上海区域经济SAM表为例

为更新包含负值的社会核算矩阵(SAM表),有效保留先验信息,同时进行CGE模型弹性参数和比例参数的估计,本文构建了基于改进的GRAS方法,以CGE模型最优分配为约束条件的优化模型,并进行数值模拟.构建的优化模型可直接求解全局最优解,无需进行弹性参数和比例参数误差分布假设.模拟结果显示,本模型能有效保留上海区域经济SAM表先验信息,同时对出口CET函数、CES生产函数和进口Armington条件弹性参数进行了有效估计.     

基于函数γ+δi的加权WGM(1,1)模型及其在技术创新中的应用

针对以前文献加权WGM(1,1)模型人工赋权,由于序列(0)(n)后的权重未知,从而导致无法还原x(0)(n)以后的预测值的问题,本文提出了线性函数γ+δi赋权.本文首先证明了WGM(1,1)模型的基本形式;第二,基于WGM(1,1)模型的基本形式,用最小二乘法估计其参数γ,δ,a,b,构建了线性加权WGM(1,1)模型;第三,为对比分析,又构建了加权改进WIGM(1,1)模型;第四,通过技术创新实例对所构模型进行实证.其结果表明,WGM(1,1)模型能减少序列平均相对百分比误差(MAPE).若经过WGM(1,1)模型拟合后,仍有较大的MAPE值,这时还可以用WIGM(1,1)模型再拟合,以进一步减少MAPE值;最后,从理论与实证上,论述了WGM(1,1)和WIGM(1,1)模型的有效性及最佳使用条件.     

支持向量回归参数调整的一种启发式算法

对支持向量回归 （Support Vector Regression, SVR）的自由参数进行调整是提高SVR模型推广能力的重要途径，通常通过最小化模型的推广误差估计来实现。交叉验（Cross Validation, CV）误差是推广误差的一种近似无偏估计，基于CV误差的参数调整大多采用网格搜索法，计算比较费时，需要寻找高效的参数调整算法。通过对径向基核函数SVR的CV误差随参数变化趋势的分析，提出一种启发式搜索算法。该算法采用阶梯式搜索以找出近似最优解，然后用局部算法求取更精确的解。基准数据集上的实验表明所提算法的有效性和高效性。     

动态ER Rule分类器构建与应用

基于证据推理规则(ER Rule)的分类器为带有不确定性的数据分类问题提供了一种新的有效解决方案,属性参考值数量能较大程度上影响分类的准确率和复杂性,而目前针对先验知识较匮乏时如何合理确定参考值数量的研究较少.为此,本文提出了一种动态ER Rule分类器.首先,以最小化均方误差为优化目标,通过智能优化算法获取动态ER Rule分类器的最优参考值和权重;然后,以最大化测试集准确率为目标,通过多次随机实验获取参考值数量最优值;在此基础上,给出了基于PSO的动态ER Rule分类器实现方式.以5个UCI基准数据集为例,说明了本文所提动态ER Rule分类器的有效性和稳定性;并通过遥感图像蓝藻水华识别问题,验证了动态ER Rule分类器在实际应用中的可行性.结果表明,动态ER Rule分类器在保证分类准确率的同时,为确定属性参考值数量提供了一种客观的方法,对ER Rule在其他领域的推广应用具有一定参考意义.     

ROBUST NONPARAMETRIC REGRESSION BASED ON L_1-NORM AND B-SPLINES

ＲＯＢＵＳＴＮＯＮＰＡＲＡＭＥＴＲＩＣＲＥＧＲＥＳＳＩＯＮＢＡＳＥＤＯＮＬ＿１－ＮＯＲＭＡＮＤＢ－ＳＰＬＩＮＥＳＳＨＩＰｅｉｄｅ（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｏｂａｂｉｌｉｔｙａｎｄＳｔａｔｉｓｔｉｃｓ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎ...     

Smooth estimation of ROC curve in the presence of auxiliary information

Receiver operating characteristic (ROC) curve is often used to study and compare two-sample problems in medicine. When more information may be available on one treatment than the other, one can improve estimator of ROC curve if the auxiliary population information is taken into account. The authors show that the empirical likelihood method can be naturally adapted to make efficient use of the auxiliary information to such problems. The authors propose a smoothed empirical likelihood estimator for ROC curve with some auxiliary information in medical studies. The proposed estimates are more efficient than those ROC estimators without any auxiliary information, in the sense of comparing asymptotic variances and mean squared error (MSE). Some asymptotic properties for the empirical likelihood estimation of ROC curve are established. A simulation study is presented to demonstrate the performance of the proposed estimators.     

威布尔部件的经验贝叶斯评估

在逐步增加Ⅱ型截尾寿命试验下, 讨论了威布尔部件可靠性指标的估计及性质. 基于Linex损失函数, 给出了威布尔部件寿命分布参数、可靠度函数及失效率函数的一致最小方差无偏估计、贝叶斯估计及经验贝叶斯估计, 并证明了经验贝叶斯估计的渐进最优性. 最后运用Monte-Carlo方法对各种估计 的均方误差进行了模拟比较. 结果表明, 经验贝叶斯估计精度高.     

线性回归模型的非线性稳健估计——基于经验过程理论的研究

线性回归模型参数估计的有效性及对厚尾扰动和离群值的稳健性有进一步改进的余地.本文基于条件分布函数提出线性参数模型的一种新的非线性稳健估计量,利用经验过程理论证明了其相合性和渐近正态性.相对于OLS(ordinary least squares)估计量和常用的稳健LAD(least absolute deviations)和Huber估计量,此估计量可全面把握因变量的分布信息,较准确地由样本数据反映真正的数据生成过程,关于扰动项的厚尾分布具有更好的稳健性,且可更好地消弱极端离群值样本对参数估计的不良影响.多种实验设计的模拟表明,此估计量在有限样本下表现良好;在厚尾扰动或离群值出现的时候,显示出良好的稳健性,且优于OLS、LAD以及Huber估计量的小样本表现.     

Estimation in Linear Regression with Laplace Measurement Error Using Tweedie-Type Formula

Based on a Tweedie-type formula developed under the Laplace distribution, this paper proposes a new bias-corrected estimator of the regression parameters in a simple linear model when the measurement error follows a Laplace distribution. Large sample properties, including the consistency and the asymptotic normality, are investigated. The finite sample performance of the proposed estimators are evaluated via simulation studies, as well as comparison studies with some existing estimation procedures.     

Unbiased condition of the dispersion effects estimator in unreplicated two-level factorial experiments

This article presents a general form of the estimator for identifying dispersion effects from unreplicated two-level factorial experiments, and shows that the widely used estimators such as the BH, MH, and AMH estimators are all special cases of the proposed one, designated as the G estimator. The unbiased condition of the G estimator is proved, and a lower bound of variance of the G estimator is provided. A simulation based on a realistic design illustrates the variation of the variance and MSE (mean square error) of the G estimator on different coefficients. This estimator may be more flexible and has better performance than other methods such as the BH and MH estimators by appropriately selecting the coefficients.     

具有内生性的随机变系数模型的PLS估计

在随机变系数模型中,自变量很可能与系数方程中的随机斜率相关,从而引起内生性问题.这样的内生性同样会导致标准的OLS (ordinary least squares)估计量有偏且非一致.本文通过非参方法来解决这种内生性问题.首先设定此种相关性为一个未知方程,将其直接加入模型,再利用PLS (profile least squares)方法进行估计.在给出确定性参数的渐近性质后,本文比较了PLS和OLS估计量的有限样本性质.Monte Carlo结果显示,一般而言,PLS方法都优于OLS方法.最后,本文以社会经济地位对学生成绩的影响为例,考察了PLS和OLS估计值的区别.     

高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

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.