Variable selection in joint location,scale and skewness models of the skew-normal distribution

Variable selection is an important research topic in modern statistics, traditional variable selection methods can only select the mean model and (or) the variance model, and cannot be used to select the joint mean, variance and skewness models. In this paper, the authors propose the joint location, scale and skewness models when the data set under consideration involves asymmetric outcomes, and consider the problem of variable selection for our proposed models. Based on an efficient unified penalized likelihood method, the consistency and the oracle property of the penalized estimators are established. The authors develop the variable selection procedure for the proposed joint models, which can efficiently simultaneously estimate and select important variables in location model, scale model and skewness model. Simulation studies and body mass index data analysis are presented to illustrate the proposed methods.     

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.     

财务困境预测中的变量筛选——基于平均影响值的SVM方法

在财务困境预测中,如何从大量备选指标中筛选出预警指标是一个重要环节。为了更有效地设计财务困境预测模型,本文将平均影响值方法应用于SVM回归来进行变量筛选,首先对训练集数据用SVM进行训练,然后分别增减每一自变量的10%来进行仿真,对两个仿真结果的差值按样本数平均,得出平均影响值;最后对各个自变量的平均影响值按绝对值大小排序,从而进行变量筛选。实证结果表明,该方法能够以较少的特征变量实现较高的分类精度,是切实有效的。     

基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.     

不良贷款有无回收判别:一类可选变量的支持向量机方法

针对不良贷款有无回收判别问题中属性变量数目多、示性变量比例高的特点,提出了一类可选择变量的支持向量机方法进行判别预测.该方法一是将逐步回归的支持向量机思想应用在模型变量的选择上,二是将线性逐步回归的结果作为模型选择变量的初始状态,解决了传统支持向量机只能使用固定变量的问题. 实证结果显示,该方法不仅提高了样本外预测的正确率, 而且具有很好的稳健性.     

高效的因子分类筛选方法及仿真应用

针对序贯分支（SB）方法难以对位置效应和散度效应同时筛选的情形，基于多重序贯分支的基本思想，同时考虑位置和散度效应，将显著因子分类别筛选出来。首先，通过“预分支”步骤，将因子按照其位置和散度效应符号分组；然后，采用序贯分支方法将所有子组同时进行位置和散度效应显著性检验，在结合序贯概率比检验（SPRT）控制筛选过程中的第一类和第二类错误的基础上，实现因子的分类筛选，以便后续阶段的建模及优化；最后，通过仿真试验说明所提方法在解决因子分类筛选问题上的有效性、高效性及稳健性。     

人民币汇率的半参数预测模型

利用从2006年1月4日到2008年7月18日人民币对美元汇率中间价的日均数据, 同时运用非参数函数系数模型和GARCH模型来分析人民币对美元汇率收益率与波动率的非线性时间序列特征. 实证结果表明, 半参数组合模型具有较好的拟合以及预测效果, 而且汇率管制政策变动的虚拟变量的估计 系数显著不为0. 跨度为50天的样本外预测显示: 96%的收益率真实值都落在2.5%以及97.5%的非参数分位 数回归预测线区间之内; 参数GARCH(1,1)模型拟合的波动率所显示出的汇率震荡与实际情况一致.     

Double Penalized Quantile Regression for the Linear Mixed Effects Model

Journal of Systems Science and Complexity - This paper proposes a double penalized quantile regression for linear mixed effects model, which can select fixed and random effects simultaneously....     

Integrating dual-role variables in data envelopment analysis

Traditional data envelopment analysis (DEA) theory assumes that decision variables are regarded as inputs or outputs, and no variable can play the roles of both an input and an output at the same time. In fact, there exist some variables that work as inputs and outputs simultaneously and are called dual-role variables. Traditional DEA models cannot be used to appraise the performance of decision making units containing dual-role variables. The paper analyzes the structure and properties of the production systems comprising dual-role variables, and proposes a DEA model integrating dual-role variables. Finally the proposed model is illustrated to evaluate the efficiency of university departments.       

基于偏最小二乘回归的农村居民人均纯收入预测

偏最小二乘回归是一种能在一个算法下同时实现回归建模、数据简化和两组变量间相关分析的新型多元回归分析方法。农村居民人均纯收入受到多种因素的影响,各因素间相互制约和影响,存在着严重的多重相关性,而偏最小二乘回归方法能很好地解决这一问题。通过将偏最小二乘回归分析方法用于农村居民人均纯收入拟合和预测时,结果表明,该方法具有建模简单、计算结果可靠的特点,具有较强的实用性。图2,表4,参6。     

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.     

带网络结构的自适应Lasso分位数回归及其应用

CVaR是衡量组合投资的重要风险测度,如何在CVaR组合模型中选择稳健的资产组合以降低管理时间和经济成本十分重要.理论上CVaR模型下的资产组合决策可转化为分位数回归,受此驱动,该文构建了带网络结构的自适应Lasso分位数回归,对高维资产进行选择.自适应Lasso对变量的回归系数进行加权约束,理论上具有变量选择的一致性.网络结构是基于复杂网络理论构造,能够体现出资产之间的复杂联动关系,因此它对改进选择结果是有利的.该文基于线性规划进行求解,对CVaR组合投资决策中特有的计算问题采取两步迭代的方式进行.多种情形下的模拟分析显示,新模型的变量选择效果和预测表现均最优,且随着变量之间相关性的增强,网络结构带来的优势愈发明显.最后,使用249只股票数据进行了实证分析,通过滚动建模的方式,得出新模型具有良好的稳健性与应用意义.     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

偏最小二乘回归在刀具磨损试验建模中的应用

应用灰色关联度筛选变量，将样本变量筛选为部分样本变量和全部样本变量组合用于建模的自变量，以刀具后刀面磨损量作为因变量，对不同切削条件下铣削加工过程刀具后刀面磨损的多组实验数据，采用偏最小二乘回归分析方法，建立对所选自变量的偏最小二乘回归模型。结果表明，该方法提取的成分具有线性无关的特点，对刀具磨损有较好的解释能力，且利于建模和预测，同时可以消除输入因素的多重共线性。刀具磨损的回归模型计算出不同切削条件下刀具后刀面的磨损量，以全部样本变量所建立的模型预测效果更为理想。     

基于对数模糊偏好规划的层次化对抗策略评估

针对不完备决策信息条件下的信息化体系对抗策略评估问题,提出了基于对数模糊偏好规划的评估方法。结合对抗策略评估相关要素的分析和领域内专家的经验,构建对抗策略评估的层次化结构。在此基础上，提出了对数模糊偏好规划评估模型以及两阶段集成处理方法,可同时利用定性和定量数据,为模糊两两比较矩阵生成唯一的归一化最优评估优先向量,并直接、同时地处理对抗策略评估过程中的全局模糊比较超矩阵。结合战机突防案例进行实例分析,结果表明该方法可在不同策略准则情况下,给出不同最优对抗策略评估,可用于指导战机飞行员选取相应的最佳行动。     

不完全信息下非常规突发事件应急决策缺失数据处理模型

针对层次分析法和网络分析法在"情景-应对"型非常规突发事件应急决策中应用时,由于决策时间的紧迫性、决策信息的不完全性、专家经验和人的认知能力有限性等因素导致的专家决策判断矩阵数据不一致和缺失问题,提出用未知数填充缺失元素以获取准完全矩阵,再建立对数均值诱导偏差矩阵模型来求解未知数的缺失数据处理方法,并通过应急案例进行了仿真实验,实验结果验证了本模型的有效性.本模型充分利用原始应急决策判断矩阵信息,不需要计算残缺矩阵的权向量,所求解出的缺失数据估计值满足全局一致性条件,能辅助应急决策者智能处理和估计应急决策判断矩阵缺失数据.     

Copula-based risk management models for multivariable RMB exchange rate in the process of RMB internationalization

This paper investigates the dependence of the exchange rate of onshore Renminbi (RMB) and offshore RMB against US dollar (i.e., CNY and CNH) based on copula models. Eleven different copulas were selected to construct multivariate distribution and estimate the value-at-risk for RMB exchange rate. Empirical results show that time-invariant Student-t copula is the best model to fit the sample data. The positive upper and lower dependence indicates that CNY and CNH series tend to move in the same direction. Moreover, the dependence between the two exchange rates is asymmetric, which means that traditional models, such as Pearson’s correlation, are inappropriate to measure the correlations between these markets. The best fitted model is chosen to estimate the financial risk, which can help business practitioners and policymakers track risk evolution and make good decisions.     

基于离散PSO的软测量辅助变量选择算法

工业对象的复杂化带来了可测变量的增多,这些变量集合中大量冗余的信息会降低软测量建模的精度。针对这个问题,提出了基于离散PSO的软测量辅助变量选择算法。算法将传统PSO连续的优化过程通过对粒子位置的隶属度计算,将其离散成0或1。0、1分别表示某变量未被选中和被选中,每个粒子就代表一种变量选取情况。将PLS回归用于适应度函数的计算,有利于克服多元回归中多重共线问题。最后,将该算法用在了丙烯精馏塔塔顶丙烯浓度的软测量实验中,实验结果表明该方法有效,并提高了模型的预测精度。     

Dependence between stock returns and investor sentiment in Chinese markets: A copula approach

Using data of newly opened stock trading accounts in China as a proxy of investor sentiment index,the authors employ the time-varying copula-GARCH model with Hansen’s skewed Student-t innovations to investigate the dynamic dependence between investor sentiment and stock returns.The empirical findings show that shifts in investor sentiment are asymptotically positively correlated to stock returns in extreme value situations in both A shares market and B shares market in China,that is to say,stock prices will increase(decrease) more when investors become more bullish(bearish).Also, results show that the dependence between investor sentiment and stock returns is time-varying,which means that the traditional Pearson’s correlation based on normal distribution is not enough to describe the relationship between stock market behavior and investor behavior.     

OUTLIERS AND INFLUENTIAL OBSERVATIONS IN A RIDGE MEAN SHIFT REGRESSION

ＯＵＴＬＩＥＲＳＡＮＤＩＮＦＬＵＥＮＴＩＡＬＯＢＳＥＲＶＡＴＩＯＮＳＩＮＡＲＩＤＧＥＭＥＡＮＳＨＩＦＴＲＥＧＲＥＳＳＩＯＮＰＡＮＪｉａｎｘｉｎ（ＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＹｕｎｎａｎＰｒｏｖｉｎｃｅ，Ｋｕｎｍｉｎｇ６...