自回归模型的加权复合Expectile回归估计及其应用

本文基于充分利用多个Expectile信息能提高参数估计效率的假设,提出了AR模型的加权复合Expectile回归(WCER)估计,探讨了该估计的最优权重,建立了其大样本性质,发现根据由数据驱动的最优权重所获得的WCER估计与最优权重已知时所获得的WCER估计具有相同的渐近有效性.数值模拟表明,当误差为厚尾或非对称分布,所提出的WCER估计大大优于传统最小二乘估计.即使误差分布未知,依然可以得到像极大似然估计一样具有优良统计性质的WCER估计.应用所提出的方法分析恒生指数和标准普尔500指数,实证分析表明:所提出的WCER估计在有效性意义下非常具有竞争力.     

基于半参数回归的联合定轨误差估计仿真算法

通过对联合定轨非线性影响因素特征的分析,提出了一种参数建模与非参数分量表示相结合的联合定轨非线性半参数回归建模方法。首先讨论了联合定轨模型及常值系统误差估计算法,在此基础上建立了一种广义非线性半参数回归联合定轨模型,设计了相应的卫星轨道参数、系统误差参数及模型误差估计算法,并从理论上证明了半参数模型轨道估计精度优于经典最小二乘轨道估计精度。仿真计算结果表明,广义非线性半参数回归联合估计方法能将模型误差和随机误差有效分离,同时联合定轨精度也得到了进一步的改善,从实际应用角度验证了半参数回归联合定轨建模方法的合理性和可行性。     

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.     

感应电机直接转矩控制系统变结构MRAS速度辨识

基于变结构控制和自适应控制理论,提出了一种模型参考变结构(MRAS-VS)观测器,用于感应电机无速度传感器直接转矩控制系统的转速辨识.该法将变结构和模型参考自适应(MRAS)进行有机的整合,选择转子磁链电压模型和电流模型分别作为参考模型和可调模型,采用两模型输出的偏差构造了一个滑模面.理论分析和仿真结果表明,所提出的感应电机无速度传感器直接转矩控制系统的转速辨识方法具有较高的转子磁链观测准确度,因而改善了转速估计的动静态性能.     

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.     

函数型核加权估计法及其在经济学中的应用

本文基于变系数模型提出了一个新的统计推断方法:函数型核函数加权最小二乘法.该方法将变系数模型中经典的核函数加权最小二乘法和参数模型中的函数型最小二乘法巧妙结合,通过条件特征函数构造损失函数进而定义了函数型核函数最小二乘估计量.该估计量既具有函数型最小二乘法的优势——在扰动项服从厚尾分布时也能够稳健估计参数,又具有非参数核估计的特点——估计量的相合性不依赖于参数模型的正确设定.同时,本文探讨了该估计量的大样本性质,证明了其相合性和渐近正态性.进一步,本文研究了该估计量的自适应估计,即基于估计量渐近方差的相合估计量来选择最优估计.最后,本文通过数值模拟来探究函数型核函数最小二乘法的有限样本性质,并将该方法应用到我国PM_(2.5)和经济增长关系的研究中.     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

ARMA模型辨识及其在光纤陀螺漂移建模中的应用

针对含有噪声的时间序列模型辨识精度低的问题,采用自回归函数的衰减正弦曲线方法估计含有噪声的ARMA模型系统参数,AR参数从衰减正弦曲线直接获得,MA参数估计采用相关匹配技术.仿真结果表明,时于具有不同信噪比噪声干扰的系统,该算法具有良好的收敛性和准确性.在此基础上,将该方法应用到光纤陀螺漂移误差建模中,实验结果表明,采用该算法所确定的模型能够精确的反应光纤陀螺的漂移趋势.     

基于级差格式的GM(2,1)模型参数估计优化研究

参数估计的优化是提高灰色模型精度的一个重要途径,级差格式的提出避免了背景值的复杂构造.现有的GM(2,1)模型计算较为复杂,且参数估计基于目标函数是原始序列一次差分序列的拟合误差平方和最小化来确定,同时,参数估计中微分到差分的转换以及背景值构造存在较大误差.针对这些问题,本文基于GM(2,1)模型微分方程的时间响应函数推导了级差格式,给出了最小二乘法的参数估计方法,然后基于原始序列误差平方和最小的目标函数,优化了模型的两个初始条件,同时,推导出GM(1,1)回归模型和GM(1,1,exp)模型是该模型的特殊情况,最后通过实例比较本文优化方法与现有方法估计的GM(2,1)模型拟合精度与预测精度.实例结果显示,本文的优化方法估计的GM(2,1)模型具有较好的效果.     

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.     

归并数据回归模型的半参数估计方法

基于受限因变量的生存函数,构造归并数据回归模型的一个新的半参数估计量, 并设计多项实验与HP估计量进行模拟比较. 模拟显示, 所构造的估计量具有较好的小样本表现.     

Semiparametric analysis of isotonic errors-in-variables regression models with randomly right censored response

This paper considers the estimation of a semiparametric isotonic regression model when the covariates are measured with additive errors and the response is randomly right censored by a censoring time. The authors show that the proposed estimator of the regression parameter is rootn consistent and asymptotically normal. The authors also show that the isotonic estimator of the functional component, at a fixed point, is cubic root-n consistent and converges in distribution to the slope at zero of the greatest convex minorant of the sum of a two-sided standard Brownian motion and the square of the time parameter. A simulation study is carried out to investigate the performance of the estimators proposed in this article.     

NONMRAMETRIC AND SEMIPARAMETRICREGRESSION MODELS WITH LOCALLYGENERALIZED GAUSSIAN ERROR

1.IntroductionLetpbeanaturalnumberandAbeacompactsetinW,K(")~g(xj")) e(")ti~1)2,...5acwherexln),x;n),''t.in)EAaredesignpoints,gisanunknownfunction,ej")arerandomerrors.Georgiovil]definedg.(x)~fWu.(x)K(")asanestimateofg,whereWei(x)=i=1Wei(x,xl"),xln),''5x;…     

SEMIPARAMETRIC MODEL SELECTION IN LARGE SAMPLES

1 IntroductionThere are obvious reasons for the popularity of linear regression among which are illter-pretation and simplicity in computation. But this does not mean that a llnear relationship isalways sufficient. In some aPpllcations, the mean is linearly related to some variables but therelation to additiona1 variables are not easily parameterized. Partly linear models become thenatural choices in such aPplicationst the linear model is drinimally altered to allow one or a fewof the indepen…     

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

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

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.     

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.     

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.     

Estimation of a subset of regression coefficients of interest in a model with non-spherical disturbances

This paper considers the estimation of a subset of regression coefficients in a linear regression model with non-spherical disturbances, when other regression coefficients are of no interest. A family of estimators is considered and its asymptotic distribution is derived. This proposed family of improved estimators is compared with the usual unrestricted FGLS estimator, and dominance conditions are obtained with respect to risk under quadratic loss as well as the Pitman nearness criterion. The results of a numerical simulation are presented to illustrate the risk performance of various estimators.