半参数STAR模型的估计及应用

文中首次提出了一个新的STAR模型,在保留了转换函数的前提下,让转换变量以非参数的形式进入转换函数,从而有效减少了模型误设的风险,提高了样本内拟合和样本外预测的能力.蒙特卡罗实验的结果显示半参数STAR模型的有限样本拟合结果令人满意.利用1994年1月到2012年7月的人民币实际有效汇率月度数据,将半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力进行比较,结果显示半参数STAR模型在样本外预测能力上具有显著优势.     

估计Verhulst 模型中参数的线性规划方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘准则,而在模型精度检验时又经常采用平均相对误差.本文主要在平均相对误差达到最小准则或最大相对误差达到最小准则下,阐明了Verhulst模型中参数估计问题可转化为线性规划问题,可以利用线性规划方法估计Verhulst模型中的参数.实际应用表明本文的方法是可行的且有效的,比传统方法预测精度高.     

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.     

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.     

经常购买模型及其参数的极大似然估计

在分析巴斯模型和重复购买的产品生命周期模型等的基础上，提出经常购买模型，详细讨论该模型的参数的极大似然估计法，并采用实例检验模型及参数估计方法，分析模型的参数估计结果，在此基础上使用模型做产品销量预测，表明模型的参数估计方法及预测方法的有效性。     

由模型表面与特征点的拟合估计三维物体的位姿参数

本文提出一种由模型表面与特征点的拟合估计三维物体位姿参数的方法。这种方法用广义距离代替精确距离进行，或到曲面距离的计算，用修正的拟牛顿法对位姿参数进行迭代估计。计算机模拟结果验证了这一方法的有效性、准确性和稳定性。     

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。     

一种基于半马尔可夫网络流量模型的延迟估计算法

提出一种基于半马尔可夫网络流量模型的延迟估计算法,用于估计传榆链路的延迟超过某个阈值的概率,该值可做为控制器设计及控制策略选择的依据.利用半马尔可夫理论对网络流量进行建模,建立了延迟与网络传输中的队列队长、及队长与网络流速率的函数关系,之后经过推导和有限分割,得出网络延迟概率计算公式,并分析了该算法的复杂度.在计算布朗运动积分时采用Itǒ积分实现.仿真证明该算法是有效、可行的.     

基于半参数退化模型的长寿命产品可靠性评估

退化模型是评估长寿命产品可靠性的有效方法,但已有参数退化模型忽略了退化量分布未知、最优退化量分布和退化量有界性等问题,导致模型可靠性评估精度不足,适用范围有限。针对已有方法的不足,提出一种评估长寿命产品可靠性的半参数退化模型。首先,通过考虑边界的非参数对数变换核密度估计方法拟合产品在各检测时刻的退化量分布;然后,基于退化量分布与寿命分布的关系,利用最小二乘法与遗传算法估计产品寿命分布参数;最后,GaAs激光器与合金钢的实例应用表明,所构建模型能够更好地拟合退化数据,可靠性评估精度更高。     

软件可靠性模型及其参数估值技术

软件产品的可靠性评估主要取决于软件可靠性模型及其参数估值技术。本文探讨了六种软件可靠性增长模型的内在关系,提出了一个统一的软件可靠性增长模型,并从数理统计角度介绍了两种可靠性模型参数估值方法:最大似然估值法和最小均方误差估值法。最后,通过实例说明了软件可靠性模型及其参数估值技术在软件产品的可靠性评估方面的具体应用。     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

时滞多变量离散灰色模型及其应用

针对多变量灰色模型存在驱动因素机制不明确和缺乏驱动项引入规则的问题.通过引入时滞项控制驱动因素,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.根据灰色扩维识别方法,探索驱动项选择和时滞参数测算方法,并给出模型建模预测步骤;最后,采用该模型解决我国农村水环境与农村区域发展的滞后效应测算、建模和预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

具有截面相关的变系数面板数据模型的估计及应用

本文建立了一类变系数面板数据模型.此模型假设自变量的系数是某一平滑变量的未知函数,允许自变量,平滑变量和误差项存在通过共同因子结构引入的截面相关.由于一些共同因子的不可观测性,本文采用局部线性共同相关效应估计方法对未知的函数进行估计并给出了估计量的渐近性质.蒙特卡罗模拟结果表明该估计方法具有良好的小样本性质.利用1990-2012年中国省级面板数据,本文对我国外商直接投资与经济增长之间的关系进行了实证分析,结果表明:外商直接投资和经济增长之间存在明显非线性关系,各省份不同的初始经济水平会导致外商直接投资对经济增长的影响不同.     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

CVM数据分析中的半参数模型及实证研究

条件价值评估法（CVM）是目前国际上评价景观价值最广泛的方法. 二分式选择问卷是最有效的CVM问卷格式,但二分式选择问卷数据不能提供支付意愿（WTP）的直接估计,其参数模型不能够充分拟合WTP,且不能充分挖掘样本数据信息. 针对上述问题,本文提出一种基于生存分析的CVM 数据分析方法,构建基于半参数比例风险模型的支付意愿影响因素分析模型,为CVM 数据分析提供新的路径. 以三江平原湿地景观价值评价为例进行实证分析,得到黑龙江省居民平均支付意愿为90.53元/人/年,个人收入、环保意识以及受访者所处地理位置是影响其支付意愿的主要危险因素. 研究证明了半参数分析方法在处理二分式CVM数据分析中的可行性及有效性.     

广义加权多重函数平均组合预测及其参数估计

提出一种新的组合预测模型———广义加权多重函数平均组合预测模型,并利用二次规划算法给出其加权系数的不同参数估计方法。该模型具有广泛的代表性,它集多种组合预测模型于一体,是一种新的群组集结方法,通过选择合适的模型组合形式及最佳的模型参数,能够有效地提高预测精度。预测实例表明了该模型的有效性。     

风险度量半参数变系数复合Expectile回归模型及应用

本文结合半参数变系数回归模型、期望分位数风险价值(EVaR)的思想以及充分利用多个Expectile信息能提高参数估计效率的假设,提出了一类半参数变系数复合Expectile回归模型,并对该模型进行了估计,建立了所提出复合Expectile回归(CER)估计的大样本性质.针对该模型既含有参数部分也含有非参数部分的特征,采用了方便计算的三步估计方法.通过数值模拟也发现,当误差为厚尾或非对称分布时,在均方根误差(RMSE)的标准下,所提出的CER估计大大优于最小二乘(LS)估计和简单的Expectile回归(ER)估计.另外,本文还应用所发展的理论分析了我国货币政策对上证综指的影响.     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.