回归函数的非参数分块Delta序列估计

在非参数回归模型中，本提出了一种回归函数的分块Delta序列估计方法，定义了回归函数的分块Delta序列估计，得到这种估计的渐近无偏性，均方收敛性和强性敛性。     

非参数回归函数估计的渐近正态性

研究了独立或相依样本时非参数回归函数的Nadaraya-Watson估计，在简洁合理的条件下，证明了估计量的渐近正态性，获得的结论可在时间序列分析中得到应用．     

可加模型回归函数估计的强相合性

Stone提出了用最小二乘法和非参数方法结合使用估计回归函数m(x)=E(Y│x=x)的方法并建立了估计的弱相合性;此文在一定条件下,得到了m(x)的估计■_n(x)=■_n~′x sum from i=1 to n(W_(ni)(x)δ_i)的强相合性.     

误差为AANA序列时非参数回归模型估计的相合性

研究了误差为AANA序列时非参数回归模型未知函数g（·）估计量的相合性问题,而AANA序列比NA序列要弱．在-般的条件下,利用C,不等式、Jensen不等式、AANA序列的极大值不等式以及权函数的-些性质,给出了非参数回归模型未知函数g（·）估计量的P-阶平均相合性和-致P-阶平均相合性,推广了相关文献已获得的部分结果．     

弱相关模型中的分块拟回归

为了减少计算复杂性,在计算机试验设计中,最近人们提出了一种新的统计方法--拟回归Owen(2000),An and Owen(2001)).在独立同分布模型中,拟回归不仅能提高计算速度,而且有较好的统计性质.然而,对相关数据模型,这种方法的统计性质并不好.针对这一问题,在不增加计算复杂性的条件下,本文提出一种分块拟回归方法.我们研究分块拟回归的小样本和大样本性质,如无偏性、均方收敛性.强收敛性和渐近正态性.结果表明分块拟回归比原拟回归渐近有效.本文还讨论了曲线拟合的性质,指出了分块拟回归(包括原拟回归)在高维问题中的缺陷,为改善曲线拟合,我们还提出一种修正分块拟回归.研究表明,在高维问题中,修正分块拟回归是十分有效的.     

非参数回归模型误差分布的相合核估计

对于非参数回归模型(1),文章基于回归函数核估计g_n(x)的残差e_(ni)=yi-g_n(xi),构造了误差分布密度的核估计f_n(x)=1/na_n sum from i=1 to n k,并在一定条件下建主了f_n(x)的一致强相合性及L_1—模收敛。     

函数型非参数回归模型及其在金融中的应用

函数型数据分析是分析高频数据的重要工具。在实际中函数型协变量和响应变量之间的线性假设通常不成立。本文提出了函数型非参数部分自回归模型来刻画函数型协变量和响应变量之间的非线性关系,本文接着使用非参数核估计方法给出了该模型的估计,并通过统计模拟验证了该估计方法的优良性,最后我们给出了上证指数的一个实例来说明我们模型的良好预测能力。     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题.基于Plug-in经验似然方法,构造经验似然比检验统计量.证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域.最后通过数据模拟,讨论了其检验功效.     

多元线性回归参数的估计

多元线性回归是研究变量与变量之间的关系常用的统计方法.运用普通最小二乘估计、最大似然估计及矩估计的方法,分别系统推导多元线性回归参数的点估计,进一步探讨了回归参数的区间估计.     

关于非参数回归核估计的强相合性

令Z_n={(X_1,Y_1),(X_2,Y_2),…,(X_n,Y_n)}是来自于R~d×R~1随机向量(X,Y)的一个随机样本,m(x)是Y给定X=x时的回归函数,由m_n(x)表示m(x)的建基于Z_n的核估计,在加于核函数K(x)上的一般性条件下,我们得出m_n(x)的当E|Y|~p<∞,p>1时的强相合性.     

非参数核估计计算VaR在农业板块的实证研究

使用非参数核密度估计方法计算风险价值VaR,由于所用方法不需要进行分布假设,其计算较参数方法更为准确。用此方法对45只农、林、牧、渔类农业上市公司的股票收益率的风险价值VaR进行计算,发现农业上市公司的股票投资风险比普通的股票要高,此结论对于农业投资者、市场管理者以及农业上市公司经营者的决策具有一定参考价值。     

非参回归函数递归核估计的相合性

设(j,j)XY,j=1,2,,n是取值于R×R上的一列i.i.d的样本,Y=m(x) ε是回归模型,其中m(x)=E(YX=x)是未知的回归函数。本文给出递归方法下m(x)的核估计方法,并建立估计量大样本的相合性。     

变系数回归模型的参数估计

讨论了变系数回归模型中变系数的加权最小二乘估计和变系数的加权可估函数的线性估计的最优性;推广了Gauss-Markov定理;并且构造出参数σ2的估计量.     

函数系数自回归时间序列的异常值估计

介绍函数系数自回归模型（FAR）,并从理论上分析了函数系数自回归模型的异常值鉴别方法;对于可加的异常值（AO）和新生的异常值（IO）,在平方和分解的基础上给出了这两种类型的异常值及其方差的估计公式。为检验该方法的有效性,进行模拟实验,设计了模拟实验的详细步骤,并列出了多种不同情形的模拟结果。     

改进的非参数核估计预测上证指数

改进了单纯利用非参数核估计预测上证指数的方法。首先利用隐马尔科夫模型将数据分成两种状态,即正常状态和非正常状态。然后对正常状态的数据仍然使用非参数核估计进行预测,而对非正常状态的数据则结合支持向量机(SVM)进行预测。由于在较少数据预测问题中支持向量机模型预测具有较大的优势,从而使新的预测方法较以前的方法具有更好的预测效果。     

基于非线性回归的极值模型参数估计

根据基金净值样本数据的尾部特点,运用POT方法确定临界值,运用非线性回归方法给出参数的最小二乘估计,建立极大值分布的GPD模型,并对模型进行了检验,最后,运用建立的模型对一些极值点进行预测,结果较为理想.