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。     

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.     

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.     

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.     

舰船运动姿态的多维自回归建模

由于受到诸多随机因素的影响，海上航行舰船的姿态运动呈现复杂的动力系统的特征。可从时域的角度，采用时间序列中多维自回归模型实现对舰船运动姿态的辨识。文章同时给出拟合的真实例子以及它的预报。