KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。     

混合序列下分位数估计的强相合及其Bahadur表示

本文在混合序列下,证明了分位数估计的强相合性并给出其Bahadur表示.     

ψ-混合序列下分位数估计的强相合及其Bahadur表示

在ψ-混合序列下,利用指数不等式证明分位数估计的强相合性,并给出其Bahadur表示.     

NOD下VaR样本分位数估计的强相合性及其Bahadur表示

利用NOD样本的性质及其相关不等式,研究了在NOD序列情况下,风险度量VaR非参数估计量的性质.证明了VaR样本分位数估计的强相合性,同时也给出了VaR样本分位数估计的Bahadur表示.     

宽象限相依序列下分位数估计的强相合性及Bahadur表示

本文在宽象限相依序列随机序列下,利用宽象限相依序列和的矩不等式及相关性质证明了分位数估计的强相合性并给出其Bahadur表示.     

删失相依数据下的分位数核估计的Bahadur型表达

该文考虑了在删失相依数据下分位数函数的核估计.在适当条件下,建立了该估计的弱和强Bahadur型表达形式.作为它的应用,导出了该估计的渐近正态性.通过模拟给出了该估计在有限样本下的表现.     

非共同支撑回归模型中参数估计的Bahadur渐近有效性

对于具有非共同支撑误差分布的线性回归模型，在可以重复观测的条件，导出了回归参数估计的Bahadur界，并基于该Bahadur界定义了Bahadur渐近有效估计的概念。最后，利用极值统计量构造了相应的Bahadur渐近有效估计。     

GARCH模型的二次加权复合分位数估计

基于复合分位数回归理论对GARCH模型提出更加稳健有效的二次加权复合分位数回归(BWCQR)估计，讨论了该估计权重的数值解及其大样本性质.数值模拟显示，当扰动项为厚尾分布时所提出的BWCQR估计明显优于传统的类极大似然(QMLE)估计、分位数回归(QR)估计和复合分位数回归(CQR)估计.应用BWCQR方法建立股指的波动率系统，进一步验证了BWCQR估计在实践意义下的竞争性.     

一类双边截断分布族中的Bahadur有效性

讨论了一类双边截断分布族中的Bahadur渐近有效性问题.基于一定的光滑性假设,得到了这种双边截断分布族的Bahadur界,并因此给出了该分布族中相合估计为Bahadur渐近有效估计的定义.对于一类常用的非参数估计,讨论了它们的Bahadur渐近有效性问题,指出这些常用的估计在给出的定义意义下,皆不是Bahadur渐近有效估计.从而在一个侧面上说明了所讨论的分布族与文献中讨论的其他双边截断分布族有本质的不同.     

左截断右删失数据下分位数差的估计

首先, 利用核光滑方法研究左截断右删失数据下总体分位数差的估计, 得到了左截断右删失数据下分位数差的光滑估计及估计量的大样本性质. 其次, 在均方误差意义下, 证明了光滑分位数差估计比左截断右删失数据下乘积限分位函数的差有更高的估计效率. 最后数值模拟分析高斯核函数下选择不同窗宽对改善乘积限分位数差估计效率的影响.     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

基于KL分位数估计方法的VaR估计及实证分析

为了有效地度量小概率水平下金融产品的风险价值量VaR,在概率水平小于等于0.05的情况下对KL分位数估计进行数值模拟分析,在此基础上提出利用KL分位数估计量去估计VaR的方法.为此先介绍了KL分位数估计子样本容量的选择和均方误差的计算,再分别对KL分位数估计与SQ样本分位数估计做模拟分析并讨论其拟合效果,比较不同分布和不同样本取值下两者的均方误差比率,模拟分析结果表明:一般情况下KL分位数估计优于SQ样本分位数估计.最后,将KL分位数估计分别运用于桂林旅游、桂林三金这两支股票的风险度量(VaR估计),得出投资桂林旅游股票的风险大于投资桂林三金股票的风险.     

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.     

WOD样本下VaR核估计的强相合性及Bahadur表示

风险价值是金融界测量市场风险的主流指标，被众多金融机构所采用，其估计量的研究是一个值得探讨的问题.利用WOD序列的性质及其指数不等式，在WOD样本下研究风险价值核估计量的性质，同时给出风险价值核估计的收敛速率和Bahadur表示，运用数值模拟的方式评估核估计的效果，所获结论推广了相关文献的研究结果.     

复合分位数下的国债利率期限结构研究

本文采用复合分位数回归(CQR)的估计方法对利率期限结构模型贴现率的估计与预报进行研究。实证结果表明,在小样本情形下复合分位数回归方法要比最小二乘法和分位数回归法稳健性更强,表现出对参数.     

面板数据复合分位数回归模型的渐进相对效率

针对面板数据个体固定效应复合分位数回归模型,研究回归系数估计的渐进相对效率.采用计算复合分位数回归估计和最小二乘法估计的协方差矩阵的迹的比值,计算结果表明复合分位数回归相对于最小二乘法的渐进相对效率的比值大于70%.还将Zou在2008年提出的适应性lasso的想法应用于此面板数据个体固定效应复合分位数回归模型,构造出适应性lasso惩罚复合分位数回归估计,并在适当条件下证明其估计的渐进性质.     

Pareto风险模型中分位数保费的贝叶斯估计

分位数保费原理是非寿险精算中的一种重要的保费原理,在保险中有重要的应用.建立分位数保费原理的Pareto风险模型,通过引入损失函数,结合一些统计技巧,给出了分位数保费原理下风险保费的贝叶斯保费、贝叶斯估计、极大似然估计以及分位数估计.进而,讨论了这些估计的统计性质.最后,利用数值模拟的方法比较了这些估计的平均误差.     

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.     

函数型数据下条件分位数的经验似然推断

针对函数型数据下条件分位数的区间估计问题提出应用经验似然方法来构造条件分位数的置信区间,并在适当的条件下得到了经验似然比统计量渐近服从χ~2(1).     

缺失数据下条件分位数的估计及其渐近性质

在响应变量满足随机缺失机制下，利用完全记录单元方法分别给出不含附加信息和含附加信息时条件分位数的估计，并在给定的正则条件下证明估计的渐近正态性．