中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

具有未知跳跃股票价格异方差性的 Bootstrap模拟检验

采用Bootstrap模拟方法检验股票价格异方差性．利用随机分析方法获得波动率的一个渐进估计，这种估计能够消除股票价格中可能存在的随机跳跃的影响，并且无需确定波动率函数的具体形式、建立了一个关于波动率为常数的原假设的统计量，用Bootstrap模拟方法可以获得该统计量的分布．用此检验方法对中国沪深两市指数进行检验，获得了两市中指数呈异方差性的结论．这种检验方法对认识市场微观结构、资产定价、投资和风险管理都具有积极作用．     

基于异方差高斯间距回归的产品设计时间预测模型

为了使产品设计时间预测模型既克服小样本和异方差噪音问题,又提供除预测值以外的其它有用信息,建立一种基于异方差高斯间距回归(heteroscedastic Gaussian margin regression,HGMR)的预测模型.首先,假定基于核函数的回归模型的权重向量服从高斯分布,以最小化相对熵为优化目标,利用预测值的置信区间设置约束条件,构造可同时给出预测值和预测区间的HGMR模型;然后,利用样本的独立性和异方差性对优化问题进行转化,证明HGMR模型具有较好的推广性能,并设计求解相应优化问题的迭代方法;最后,以注塑模具设计的实例进行分析,结果表明基于HGMR的时间预测模型是可行有效的.     

基于LSTR模型的变结构面板单位根检验

针对结构变化的面板数据,利用非线性平滑转换函数修正IPS面板单位根检验,提出LSTR-IPS面板单位根检验方法.通过模拟研究表明,LSTR-IPS比传统的面板单位根检验方法具有更高的功效,并且当样本量越大时,LSTR-IPS检验的功效越高,特别是随着时间T的增大,检验功效呈上升趋势.最后,对我国经济增长进行平稳性检验,表明经济增长为带结构变化的趋势平稳过程而非一阶单整过程,说明LSTR-IPS检验能更准确地判断面板数据的平稳性.     

关于异方差模型中试验设计的选取

在响应变量的方差在紧致空间中变动的（即异方差）情况下，对大样本空间中的D－，G－及A－最优试验设计给出几个结论；对效率函数为单调的及对称的两种情况，分别考虑D－最优设计和G－最优设计的设计点位置，权数，以及D－最优设计的G－效率和G－最优设计的D－效率，同时给出带参数的结果和数值结果，最后给出两个相关的定理及其证明。     

一元线性模型异方差的局部多项式回归

本文将局部多项式回归的非参数方法用于线性模型中异方差的估计 ,改进了传统的两阶段法 ,得到了估计的一致性和渐近正态性 ,为探讨估计的有限样本性 ,给出了若干模拟的例子。     

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.     

异方差下条件处理效应的非参数估计及应用

处理效应模型作为分析政策效应的量化工具,在社会与经济的各个领域有着广泛的应用.现有文献为了得到处理效应的一致估计量,通常需要加一些较强的限制条件(如条件均值独立)或采用工具变量法,在较弱的与实际更吻合的条件下给出处理效应的一致估计量并不多见.本文在误差项对称的假定下,讨论了条件处理效应模型的非参数识别和估计,并进一步估计了平均处理效应.我们通过放松模型中函数形式的假定,同时考虑了较为普遍的广义异方差形式,大大减少了模型误设的可能性,拓展了现有模型的适用性.本文对估计量的大样本性质进行了分析,表明了估计量的一致性和渐近正态性,蒙特卡罗模拟显示了估计量良好的有限样本性质.最后,本文将估计量应用于研究大学教育回报及其性别差异,进一步解释了估计量的实用价值.     

季节虚假回归中参数及统计量的分布特征

实际应用中,通常在回归模型中添加季节虚拟变量来消除季节性的影响,但是当数据生成过程是独立的季节单位根情形下会导致虚假回归现象的发生.本文利用泛函中心极限定理推导出回归参数及相关统计量的渐近分布,从理论上解释了季节虚假回归问题产生的根源.并且,采用蒙特卡罗方法模拟了回归参数及相关统计量的分布特征.最后,通过与非季节情形进行了比较,发现此时R2和DW统计量不再能有效识别普通最小二乘回归中的“季节虚假回归”现象.     

基于广义非线性工具变量法的综列单位根检验

当截面个体之间显著相关时,非线性工具变量法(NIV)综列单位根检验存在严重的分布扭曲.该文基于似无关回归形式的可行广义最小二乘法和非线性工具变量估计方法,提出了广义非线性工具变量法(GNIV)综列单位根检验,以修正NIV检验的分布扭曲. 在存在综列单位根的原假设下,GNIV检验统计量的极限分布为标准正态分布,而在备选假设下则趋向于负无穷大. 仿真实验结果显示,在截面个体之间显著相关时,GNIV检验的有限样本性质显著优于Chang的NIV检验和Pesaran的CIPS检验.     

修正的KSS检验及其对中国通货膨胀率的应用

Kapetanios等^[1] 提出在指数平滑转换自回归（ESTAR）模型框架下进行单位根检验. 他们的检验是基于误差项为独立同分布的强假设下得到的,该假设在现实中很难成立. 当误差项为平稳弱相依时,该检验统计量的极限分布包含冗余参数. 通过构造修正的KSS检验,得到了不包含冗余参数的检验统计量. 蒙特卡罗模拟结果表明该修正的统计量大大减少了序列相关性带来的水平扭曲（size distortion）,且该检验统计量对于非线性平稳过程的检验功效高于PP检验. 将该检验用于中国的通货膨胀率,发现它存在着一个单位根,是非平稳过程.     

使用高斯分布估计策略的改进樽海鞘群算法

针对樽海鞘群算法在求解复杂优化问题时存在种群多样性减弱、易于陷入局部最优等不足, 提出了一种使用高斯分布估计策略的改进樽海鞘群算法(salp swarm algorithm using elite pool strategy and Gaussian distribution estimation strategy, GDESSA)。首先提出一种精英池选择策略, 领导者位置在每次更新时随机从精英池中选择一个个体作为食物源, 增强领导者的探索能力, 丰富种群多样性。其次利用高斯分布估计策略对追随者公式进行改进, 通过拟合优势群体信息, 修正种群进化方向, 增强算法的寻优能力。使用CEC2017测试函数对改进算法进行测试, 并通过统计分析、收敛性分析、稳定性分析、Wilcoxon检验、Friedman检验、Iman-Davenport检验评估改进算法性能。仿真结果表明: 本文提出的改进策略能有效提高算法性能; 提出的改进算法相比其他算法, 具有更快的收敛速度和更好的收敛精度。     

基于逆高斯退化模型的错误指定分析

针对目前随机过程退化模型错误指定研究较少,且主要集中在线性模型中的现状,研究了逆高斯过程(inverse Gaussian,IG)的两类错误指定:不含随机效应情况下非平稳IG过程被错误指定为非线性Wiener过程,以及含随机效应IG过程被错误指定为简单IG过程。基于伪最大似然估计近似正态性理论获得了这两种情形下伪平均失效前时间(mean-time-to-failure,MTTF)估计的分布特征,并以某合金疲劳裂纹数据为例,分析比较了模型错误指定对MTTF的影响。结果还显示,在特定参数设置或样本数、观测次数组合设置下,模型错误指定将对MTTF的估计带来较大影响,这在工程实践中具有一定参考价值。     

上海股市EMH实证检验

鉴于“有效市场假设”ＥＭＨ在经济领域的基石地位，本文旨在针对上海股市ＥＭＨ的成立状况给予系统的实证检验．首先介绍了ＥＭＨ的经济涵义，之后由其数学描述“随机游走模型”出发，将ＥＭＨ的验证工作剖解为价格的单位根检验和收益的独立性检验两部分．针对ＥＭＨ验证这两方面时所用传统方法的不足，引进提出了若干更符合ＥＭＨ经济涵义的检验方法．最后通过对“钱龙系统”提供的实际数据进行实证检验，得到的结论是：ＥＭＨ在上海股市不成立．     

一种求解数值优化问题的快速进化规划算法

步长变量(自适应参数)是影响进化规划算法性能的一个重要参数，但该参数往往减小较快导致搜索速度下降或早熟收敛。针对这一问题，对变异算子进行了改进，对成功的变异进行适当延伸，当个体变异失败时，对变异量实施Gauss或Cauchy扰动，从而使精细化搜索和大范围搜索有机结合起来。对若干经典算例的仿真实验表明该算法的有效性。     

中国外贸差额及外汇储备月度变动特征 ——基于结构突变的数据分析

采用带有两个内生结构突变点的单位根检验方法, 对1994年以来中国外贸差额及外汇储备月度变动时间序列数据进行 分析, 结论表明两序列均为带有两个突变点的退势平稳过程. 并根据突变发生时点, 揭示外贸差额及外汇储备的特征和发展历程. 分析显示, 虽然美国次贷问题引起的全球金融危机使得外贸差额及外汇储备月度变动额均值有所下降, 但并未改变两序列的上升趋势, 可以预测贸易顺差及外汇储备额至少在短期内还将不断扩大.     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

基于双马尔可夫链的概率假设密度滤波器

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础。在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss-mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新。仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器。