两阶段的贝叶斯模型选择与筛选试验分析

针对非正态响应的部分因子试验设计,当筛选试验所涉及的因子数目较大时,提出了一种两阶段的贝叶斯模型选择方法.首先,运用蒙特卡洛(MCMC)方法模拟广义线性模型各参数的后验分布,并根据各参数大于零或小于零的后验概率考察各变量的显著性,得到初始的当前模型与候选模型;其次,利用贝叶斯模型评估准则DIC对当前模型与候选模型进行逐步迭代优化,筛选出显著性因子,得到了具有最佳短期预测性能的模型;最后,实际的工业案例说明此方法能够有效处理非正态响应部分因子试验中显著性因子筛选问题.     

非正态响应的部分因子试验设计与仿真分析

讨论了非正态响应试验设计中广泛应用的广义线性模型,针对小样本的部分因子试验设计,运用MCMC方法模拟出广义线性模型各参数后验分布的马尔科夫链,提出了根据各参数大于零或小于零的后验概率识别显著性因子的新方法。通过部分因子试验的仿真数据利用SAS软件对GLM进行贝叶斯分析,结果表明基于MCMC模拟的GLM贝叶斯分析方法能有效地识别出部分因子试验设计中的显著性因子。     

非正态响应稳健参数设计的贝叶斯建模与优化

针对非正态响应的稳健参数设计问题,提出一种考虑噪声因子的贝叶斯建模与参数优化方法。首先,考虑经验贝叶斯先验信息,利用贝叶斯广义线性模型构建设计因子与输出响应之间的函数关系;其次,假设噪声因子服从已知的分布,在此基础上利用贝叶斯抽样技术获得考虑噪声因子波动的输出响应模拟抽样值;然后,在给定产品规格的基础上,利用输出响应的抽样值构建符合性后验概率函数,并利用遗传算法对所构建的符合性后验概率函数进行优化,获得对噪声因子波动具有稳健性的参数设计值;最后,结合实际的案例验证了所提方法的有效性。研究结果表明,所提方法有效地刻画了噪声因子的波动对产品或过程质量的影响,从而获得了更为稳健可靠的参数设计值。     

基于Jeffreys非信息超先验的贝叶斯变量选择算法

在计算机试验中,复杂现象的仿真拥有数目庞大的输入变量,因此,筛选出对输出影响重要的输入变量是至关重要的。我们通过Jeffreys非信息超先验,提出了一种新的贝叶斯变量选择算法。不同于计算机试验中存在的变量选择算法,我们的方法不需要调节控制稀疏性的超参数。新的变量选择方法通过EM（expectation-maximization）算法求解,试验结果表明,我们的方法不仅取得了理想的效果,而且大大地减少了计算的负担。     

基于神经网络的变量选择方法

变量选择是经济建模与预测研究中的一项重要步骤．本文针对该问题研究的困难,提出了基于神经网络的贡献分析变量选择新方法,仿真研究表明该方法的有效性     

广义线性模型的贝叶斯分析及稳健参数设计应用

讨论了非正态响应稳健参数设计中应用最为广泛的广义线性模型.针对广义线性模型在稳健参数设计中普遍存在的估计性问题,对广义线性模型的参数采用相对客观的Jeffreys先验分布,运用基于ARMS抽样算法的MCMC方法动态模拟出各参数后验分布的马尔科夫链,并给出了广义线性模型参数的估计值和显著性因子.根据实际工业试验数据,利用SAS软件对广义线性模型进行了贝叶斯分析,结果表明贝叶斯广义线性模型在参数估计的稳健性和显著性因子识别方面比一般的广义线性模型更加可靠和有效.     

联合均值与方差模型的变量选择

在许多应用方面, 特别在经济领域和工业产品的质量改进试验中, 非常有必要对方差建模. 推广经典的正态回归模型, 对联合均值与方差模型提出一种同时对均值模型和方差模型的变量选择方法. 提出的惩罚极大似然估计具有相合性和oracle性质. 随机模拟和实例研究结果表明该模型和方法是有用和有效的.     

具有杠杆效应的非线性SV模型及其应用

提出一类非线性SV模型,许多离散时间SV模型都是它的特例.这类模型的优点在于用它可以检验不同函数形式的随机波动,该模型的检验仅基于一个单独参数δ.在非线性SV模型的基础上,进一步把它扩展为具有杠杆效应的非线性SV模型.使用沪、深股市的指数日收益数据进行了实证分析,借助BUGS软件,利用Gibbs取样的MCMC方法对模型进行了贝叶斯参数估计,证明了应拒绝对数正态SV模型,而使用非线性SV模型.     

多响应三水平部分因子试验设计的建模与优化

针对多响应三水平部分因子试验,当筛选试验中候选变量个数大于试验样本数时,本文提出了一种考虑因子效应原则的建模与优化方法.首先,构建三水平对照试验,并结合二元变量指示器构建Bayesian Lasso模型;其次,根据因子效应原则,分三个阶段逐步更新二元变量指示器的先验信息,并利用变量指示器的后验概率来识别显著性变量,确定模型结构;然后,在此基础上结合贝叶斯抽样技术构建多变量过程能力指数函数,并通过最大化该函数获得最佳的参数设计值;最后,实际案例的结果表明:本文所提方法不仅能够有效地筛选出多响应三水平部分因子试验的显著性变量,而且能够获得最佳的参数设计值.     

基于正态逆高斯分布的抵押债务定价和因子模型

目前,高斯单因子定价模型已成为CDO定价的标准化模型并被广泛采用,但该模型不能准确刻画金融市场数据的厚尾性并存在相关性微笑现象,模型计量的结果不能很好的拟合市场报价。鉴于此,本文构建了基于正态逆高斯分布的因子模型对CDO估值,并对iTraxx Europe指数分券进行实证研究,通过模型理论估值和市场报价之间的差异来度量模型的定价能力,研究结果表明使用NIG-Copula分布有效改善了定价模型,能够更好地拟合了金融市场数据的厚尾现象,且在一定程度上解决了相关性微笑现象,能更好地拟合市场报价数据。