组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.     

基于ARMA模型与均值-方差模型的我国股市投资组合选择

基于统计假设检验、财务分析以及ARMA预测模型,并采用一个扩展均值-方差投资组合模型,研究了在我国A股市场构建具有实践意义的投资组合的问题.结果表明,由本研究分析框架得到的投资组合是比较有效的,该组合的实际月收益率最小值为8.2%,且在实际的股票投资中具有较强的操作性;同时,投资组合是一个动态过程,需要根据预测和实际运行情况不断进行修正.     

基于均值—方差模型的保险资金投资组合研究

利用Markowitz于均值—方差组合模型,根据近三年的投资收益率情况,在给定预期收益率的情况下,构建了各类资产的最优配置。     

异方差的估计与实证

“异方差”是微观计量建模中不可回避的问题，尽管计量经济学理论从残差项出发给出大量的检验方法，但对如何估计异方差则没有给出明确答案。从数据分布出发，认为极大似然法在估计异方差方面具有独特的优势。首先建立异方差的极大似然估计模型，然后对一实际调查数据进行异方差估计。     

Tobit方差分量模型的极大似然估计

本文对非负的且含有大量零的混合类型数据提出了Tobit方差分量模型,许多很有用的Tobit模型是我们模型的特例.我们运用MCEM算法给出了模型的极大似然估计,其中E-步运用了Gibbs抽样的Monte Carlo模拟,并用Louis方法得到参数的标准误差估计.     

广义线性模型中变量选择的相合性

在自然联系函数下广义线性模型中,当因变量是一维时,在一定条件下基于Wald检验统计量的变量选择的相合性成立.证明了当因变量为多维时、去掉原有条件中的两个条件,剩下其他条件不变或减弱,该变量选择的相合性仍然成立.该结论推广和改进了原有结果.     

摩擦市场下多阶段投资组合的均值方差模型

研究税收、红利和新型交易成本下摩擦市场的多阶段均值-方差模型的投资组合问题。在允许卖空的情况下,以终端财富最大化为目标,通过建立辅助问题,利用逆序动态规划的求解方法,得到了各阶段的最优投资策略解析表达式,同时也得到了均值方差有效前沿的解析表达式。     

基于均值－方差模型的保险资金投资组合研究

首先介绍了马科维茨的均值-方差模型,然后求出了2006-2010年期间的股票收益率、证券投资基金收益率、国债收益率、企业债收益率、银行存款利率,最后根据保监会对保险公司资金使用的要求建立数学模型求出了保险公司的最优投资组合为65.68％投资于存款和国债,29.2％投资于企业债,5.12％投资于基金.     

均值-方差模型研究

文章探讨了投资组合风险规划模型,首先回顾了一般的均值-方差模型,在此基础上,对模型进行了拓展,提出了解方程的思想,最后通过案例实证分析得到组合的最优解.     

基于加权可能性均值和方差的投资组合选择的一个注记

本注记运用传统的方法针对模糊数提出一个新的加权可能性方差,有别于由Robert Fuller和Peter Ma-jlender提出的以算术平均值与其水平集端点的偏差的平方期望值作为可能性方差,并将其应用于二次效用函数的投资组合选择中.     

潜半参数回归模型的变量选择

作者提出了潜半参数回归模型及其估计方法.该方法应用双重判罚,使得在估计非参数的同时可以对参数部分进行参数估计和变量选择.在分析过程中作者还得到了潜变量的估计值.     

删失回归模型中SCAD型变量选择与估计(英文)

删失回归模型是一种很重要的响应变量受限制的模型,它广泛应用于计量经济学中.基于SCAD罚函数,提出了SCAD型罚变量选择方法.该方法可选出重要的回归变量,即真参数中非零系数,同时给出非零参数相合估计.另外,证明了变量选择方法是相合的,具有oracle性质.最后,进行数值模拟计算说明所提出方法的效果。     

部分线性模型的adaptive group lasso变量选择

对部分线性模型的aglasso(adaptive group lasso)参数估计及变量选择问题进行研究.通过构造aglasso的估计函数,将分组部分线性模型变量的选择问题转化为分组因子的选择问题.理论研究表明:该方法能相合地识别真实模型,并且估计具有oracle性质.最后通过模拟研究了所提方法的有限样本性质.     

广义线性模型中的变量选择

对自然联系函数下广义线性模型的变量选择问题进行了研究．首先，分别按Ward准则和似然比准则，给出了两种变量选择的方法；然后，在一定的条件下，证明了上述两种变量选择方法的弱相合性．     

相加模型中成分函数选择的新方法

作者提出一种新的相加模型中成分函数选择方法,并将Tibshirani 的LASSO方法推广到非参数的相加模型.数值模拟研究显示该方法可以同时估计与选择成分函数,计算简便.     

变系数模型的变量选择及在股票数据中的应用

作者研究了纵向数据分析中变系数模型的变量选择及效应估计问题,该模型允许变量的效应随时间改变.本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算.将本文方法用于股票价格分析,能够快速地在公司的众多财务变量中挑选出对股票收益率有显著影响的变量,并估计这些变量的时变效应,很好地解释股票收益率的变化.     

Logistic回归中的变量选择

在许多情况中,我们需要对logsitic回归模型中的重要变量进行选择,这适用于预测问题,本文从信息论准则出发提出了一种选择程序,并且证明了这些程序是强相合的。