基于Kriging和MCMC的结构可靠性主动学习算法

在进行机械结构可靠性分析时,由于很多工程问题的性能函数较为复杂,计算成本很高,所以常采用代理模型拟合隐式性能函数来降低计算成本.为了能够利用较少的样本信息,获得较高的可靠度计算精度,将Kriging代理模型与学习函数相结合,提出一种主动学习可靠性分析计算方法.该方法找出学习效果最好的样本点对Kriging模型进行更新,...     

On the use of power transformations in CAViaR models

Value at risk (VaR) is a risk measure widely used by financial institutions in allocating risk. VaR forecast estimation involves the conditional evaluation of quantiles based on the currently available information. Recent advances in VaR evaluation incorporate a proxy for conditional variance, yielding the conditional autoregressive VaR (CAViaR) models. However, early work in finance literature has shown that the introduction of power transformations has resulted in improvements in volatility forecasting. Having a direct association between volatility and conditional VaR, we adopt power-transformed CAViaR models. We investigate whether the flexible conditional VaR dynamics associated with power-transformed CAViaR models can result in better forecasting results than those assumed by the nontransformed CAViaR models. Estimation in CAViaR models is based on an early-rejection Markov chain Monte Carlo algorithm. We illustrate our forecasting evaluation results using simulated and financial daily return data series. The results demonstrate that there is strong evidence that supports the use of power-transformed CAViaR models when forecasting VaR.     

周期单变点Poisson过程及参数Bayes估计

根据某商场内累计逛街总人数,建立具有周期单变点的Poisson过程模型,研究周期等参数的满条件分布,并分别在绝对损失和平方损失作为损失函数的条件下,利用Gibbs与Metropolis-Hastings算法,讨论未知参数的Bayes估计.对给出的结果进行随机模拟与实例分析,表明两种损失函数下的Bayes估计均具有较好的精度.     

随机跳变广义双指数分布下的双重跳跃扩散模型及应用

结合非对称双指数分布与有偏双指数分布构建了广义双指数分布,该分布能充分展现金融市场的有偏、非对称与尖峰厚尾特征. 借鉴Kou提出的双指数跳跃扩散模型,构建和分析了广义双指数分布下的单层跳跃扩散模型(GDED-KDJ),考虑到金融序列的异方差性与波动跳跃性,参考Eraker提出的双重跳跃扩散模型, 进一步将GDED-KDJ模型扩展为随机跳变广义双指数分布下的双重跳跃扩散模型,分析了新模型具备的一般性、有偏性、非对称性与尖峰厚尾性,进而从理论上证明了新模型的优越性. 同时,还研究了新模型的条件似然函数及MCMC迭代求解算法.最后,利用金融危机期间我国主要三种金属期货价格的三月连 续数据进行实证,结果也进一步表明新模型的可行性、有效性与优越性.     

On Selecting a Power Transformation in Time-Series Analysis

The primary aim of this paper is to select an appropriate power transformation when we use ARMA models for a given time series. We propose a Bayesian procedure for estimating the power transformation as well as other parameters in time series models. The posterior distributions of interest are obtained utilizing the Gibbs sampler, a Markov Chain Monte Carlo (MCMC) method. The proposed methodology is illustrated with two real data sets. The performance of the proposed procedure is compared with other competing procedures. © 1997 John Wiley & Sons, Ltd.     

非参数Bayes样条回归

对于非参数回归模型y= f(x)+ε,其中f (x)为光滑的连续函数.用样条函数来逼近f (x),不具体选择结点的个数,考虑到结点个数的不确定性,给定结点个数一个均匀的无信息先验,用Bayes模型平均的方法来估计f (x).得到了f (x)的Bayes估计和Bayes后验区间估计.     

EV回归的半参数部分线性模型的Bayes估计

考察部分线性模型y=X^τ_β+g(t)+ε,ε~N(0,σ²),其中回归变量X可以精确测量,而t具有测量误差. 用光滑样条估计非参数函数g(t), 结合光滑样条的Bayes解释及Bayes的线性回归, 将模型中的未知参数赋以一定的先验, 运用Gibbs抽样方法从后验分布中抽样, 用后验样本的均值来估计未知参数. MCMC模拟的另外一个好处是容易从后验样本中构造后验样本区间估计. 最后,提供了一个模拟例子来说明Bayes方法的估计效果.     

基于自适应Metropolis算法的 α 稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能，但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题，提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵，使其不断地逼近目标分布，从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数，而且具有良好的鲁棒性和灵活性。     

国内外非同步期货交易市场之间的跳跃溢出行为: 基于风险事件的视角

为探索国内外非同步期货交易市场之间的跳跃溢出行为, 利用贝叶斯 MCMC推断的SVCJ模型对国内外期货市场之间的跳跃溢出概率、跳跃溢出强度、跳跃溢出频度及溢出的跳跃大小进行了实证分析.研究结果表明: 国内外期货市场存在显著的跳跃溢出概率与跳跃溢出强度;对跳跃溢出的概率和强度而言,国外期货市场的跳跃更可能在第二天到达国内期货市场,而国内期货市场的跳跃则更可能在同日到达国外期货市场,且国内期货市场的跳跃溢出到达次日国外期货市场的频度相对更高,这些现象可主要归因于国内外期货市场正规交易时间的非同步性; 另外,溢出跳跃大小的测度进一步支持了跳跃溢出行为大都是由不寻常的风险事件引起的观点.     

闪烁噪声下的改进粒子滤波跟踪算法

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统的滤波算法在闪烁噪声下,滤波性能急剧下降甚至发散。提出了一种改进的粒子滤波(particle filter, PF)算法,按照高斯牛顿迭代方法对迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)中的测量更新进行修正,利用修正的IEKF来产生PF的重要性密度函数。进一步,采用马尔科夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法来消除重采样引起的粒子贫化问题。在给出的闪烁噪声统计模型基础上,将所提算法与PF及MCMCPF算法进行了仿真比较,结果表明该算法具有更好的跟踪性能。