NMAR机制下线性回归模型的贝叶斯分析

本文对正态线性模型中存在不可忽略缺失数据时,如何使用贝叶斯方法对参数进行估计进行了探讨。并给出了相应的后验分布,介绍了相关的抽样方法。     

我国创业板市场风险的度量及分析——基于随机波动率模型的实证研究

创业板自上市以来,其高风险问题一直是学术界和实务界研究的重点问题。为精确度量创业板市场风险,将MCMC参数估计方法引入到随机波动率模型中,进而计算出基于随机波动率模型的创业板市场风险价值(VaR)。实证结果显示:在一天持有期内,在95%的置信水平下,创业板市场发生的最大损失不会超过3.19%;在99%的置信水平下,创业板市场的最大损失不会超过4.45%。此外本文还使用GARCH族模型对创业板市场的风险进行了辅助研究。     

农业研究中非线性模型参数估计的贝叶斯方法

在农业研究中,非线性模型有着广泛的应用,其参数估计往往采用变量替换等经典方法.该研究以非线性模型为例,提出了基于Gibbs抽样的贝叶斯估计方法,并以农业研究中的一个实例,演示了贝叶斯估计方法的可行性.结果表明:非线性模型参数估计的贝叶斯方法稳健可靠,适用于农业研究中的复杂非线性模型.     

非线性回归方程 Y =aXb+ ε 参数的贝叶斯估计与应用

对于回归方程参数的估计,常采用经典统计方法。近年来,伴随着计算机技术的快速发展,贝叶斯统计获得了广泛应用。本文利用贝叶斯统计对非线性回归方程Y=aX^b＋ε进行参数估计,并进行了实例演示,验证了该方法的有效性。     

互联网金融波动性的MCMC算法分析

基于金融市场的波动聚集、杠杆效应等种种特性,建立ARMA-GJR-GARCH模型并选取互联网金融板块日对数收益率的数据对互联网金融股市的波动性进行分析,采用MCMC方法对模型的参数进行贝叶斯估计以充分利用先验信息和样本信息使参数估计更精确并解决高维数值积分的不便.结果表明:互联网金融板块收益率存在比较明显的杠杆效应,利空消息比利好消息对互联网金融市场产生的冲击更大,且在互联网金融市场中,突发事所引起的风险可以被有效控制.     

随机波动率模型分析与应用

本文首先分析了金融时间序列中常用的随机波动率模型结构,介绍了马尔可夫链蒙特卡洛MCMC方法并采用基于MCMC模拟的贝叶斯分析对随机波动率模型的参数进行估计了,其次应用该模型对世界黄金价格指数时间序列的走势与波动进行分析,实证结果表明SV模型能较好的拟合金价走势并作出预测。     

多变量模型参数的贝叶斯估计及其在农业研究中的应用

对于农业研究中多变量线性模型参数的估计,以往常采用经典统计方法。随着计算机技术的进步,贝叶斯统计方法在科学研究的各个领域迅速发展。文章利用贝叶斯统计方法对农业研究中的多变量模型进行参数估计,并与经典统计方法进行比较,验证了贝叶斯方法的有效性。该方法可为农业研究中多变量模型参数的估计提供新的途径和手段。     

基于删失试验的贝叶斯共享异质分段指数危险模型

针对在删失试验的生存分析中,为了估计不同协变量在组内的相互影响以及一些无法观测的协变量产生的异质影响,在基准危险函数为分段指数的情形下,给出贝叶斯共享异质模型,利用Gibbs抽样得出参数的后验分布,然后对模型给出一个实证分析．模型采用乘法异质模型,利用WinBUGS软件得出后验参数相关统计量,说明此模型的有效性和可靠性．     

基于贝叶斯的金融时间序列预测研究

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息,导致预测结果和实际数据的偏差较大,贝叶斯参数估计方法可以充分利用参数的先验信息,使得估计参数的方差更小,估计结果更加精确,预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展,贝叶斯分析方法估计模型的计算困难逐渐减弱,因此,近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据,采用Eviews和WinBugs软件,对样本数据进行预处理,利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。     

基于惩罚方法的贝叶斯群组变量选择

本文针对既选择组水平变量又选择组内单个变量这两种情况下的变量选择惩罚方法,从贝叶斯的角度进行分析,指出其能被表示为一个最大后验估计.之后,给出贝叶斯框架下的两种群组变量选择惩罚方法的层次模型表达形式,并给出参数估计适于Gibbs抽样的满条件分布.最后,通过模拟比较得出结论:分别用BGL、BSGL模型进行组变量选择和双层变量选择是可行的,但得到的模型在验证集上的预测误差较大.     

中国股票市场波动率跳跃模型实证研究

波动率是衡量股票指数收益变化的基本特征之一,诸多研究表明包含跳跃过程的模型能够较好的捕捉波动率的异常变动。在中国,学者们对股票市场的波动已有较深入的研究,但对包含跳跃过程的波动率模型的研究却很鲜见。本文在Chan and Maheu（2002）提出的GARJI-ND模型基础上建立了EGARJI-ND模型,并根据广义误差分布函数建立了GARJI-GED和EGARJI-GED模型,然后使用上海证券综合指数每日收盘数据对四个模型进行参数估计,最后比较四个模型的拟合效果。     

混合效应随机微分方程的贝叶斯分析(英文)

采用带有随机微分方程的非线性混合效应模型对群体药物代谢动力学数据建模,通过在状态方程中引入随机项,将常微分方程扩展到随机微分方程.和常微分方程相比,随机微分方程可解决群体药物代谢动力学模型中相关残差问题.利用贝叶斯估计对非线性混合效应随机微分方程模型参数进行估计,给出群体参数及个体参数的精确后验分布,将Gibbs和Metropolis-Hastings算法相结合,给出参数估计值.通过计算机模拟和实例分析验证了方法的可靠性,结果表明利用非线性混合效应随机微分方程模型及贝叶斯估计方法分析群体药物代谢动力学数据是可行的.     

正态混合模型的Bayes分析

正态混合分布模型是数据概率建模的一种灵活和高效的工具,只要项数足够大,正态混合密度可以任意逼近一个光滑密度。正态混合模型还可以用来对那些不能用标准的参数分布族来拟和的总体进行密度估计或近似。但是在正态混合模型的研究中,存在着两个难题:一是怎样估计混合模型的参数;二是混合成分的个数k的确定。通过对模型参数用Gibbs抽样法来进行抽样,构造生死Markov链(BDMCMC),设计算法确定混合成分的个数k和混合模型的参数。     

Weibull分布恒加试验的Bayes推断

利用自适应舍选抽样和Gibbs抽样对CE模型下Weibull分布场合恒定应力加速寿命试验进行了Bayes估计.最后通过模拟实例表明该估计是有效的.     

股票市场数据的统计实证分析

多元统计分析方法是研究股票价格的一般方法,本文利用统计分析方法考察并确定上市公司与股票价格相关的基本因素,利用聚类分析与因子分析两种分析方法来进行实例研究,并判断出各公司股票质量特征,为投资者的投资提供科学严谨的建议。     

中国股票市场中机构投资者与个人投资者的投资行为分析

个人投资者和机构投资者是证券市场上的两类重要的参与者,研究我国股票市场中机构投资者和个人投资者的投资行为对于指导我国股票市场的健康发展具有重要的意义．本文分析我国股票市场中机构投资者和个人投资者的行为特点、操作规律,介绍我国股票市场中的机构投资者常用的操纵股价方法和投资手法、投资策略,为更好地了解我国股票市场的内在规律提供可靠依据。     

中国股票市场中机构投资者与个人投资者的投资行为分析

个人投资者和机构投资者是证券市场上的两类重要的参与者,研究我国股票市场中机构投资者和个人投资者的投资行为对于指导我国股票市场的健康发展具有重要的意义。本文分析我国股票市场中机构投资者和个人投资者的行为特点、操作规律,介绍我国股票市场中的机构投资者常用的操纵股价方法和投资手法、投资策略,为更好地了解我国股票市场的内在规律提供可靠依据。     

一元线性回归模型参数估计的MCMC算法

本文探讨了基于MCMC算法实现的一元线性回归模型参数估计的贝叶斯方法,对经典统计方法和贝叶斯统计进行了比较.