排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
非参数估计方法是近二十年来现代统计学发展的一个重要方向,在实际应用中由于不需要预先设定模型的具体形式和误差分布,可以获得较宽的非线性变化,同时,在抽取样本对总体进行估计时,不必依赖于样本所从属的总体的分布形式,可以广泛地应用于不同类型的总体,这对减小偏差、提高预测精度、了解样本序列的动态结构都是极其有用的。本文就几种常用的非参数模型的优缺点进行了分析,得出使用不同方法的具体情况。 相似文献
2.
在金融风险的应用中,Copula函数不限制边缘分布的选择,因此,可以选用不同的边缘分布和Copula函数,以达到最好的模型效果。在研究金融资产模型时,选择一个好的边际分布同样至关重要。本文利用参数方法、非参数方法和半参数方法可以得到各种基于Copula函数的不同分布模型。 相似文献
3.
李凯敏 《云南民族大学学报(自然科学版)》2013,22(5):349-354
运用遗传算法对现货组合的跟踪误差进行优化,使得跟踪误差减小到0.01%以下,ETF现货组合对沪深300指数的跟踪效果较好,运用遗传算法求得的最小跟踪误差之下的现货组合权重来进行套利实证分析,并根据不完美市场条件下的期货定价模型求出无套利区间的上下界,准确地把握了最优套利机会,得到了较好的套利结果. 相似文献
1