非線性期望空間均值不確定下參數(shù)估計的實現(xiàn)與應用研究.pdf_第1頁
已閱讀1頁,還剩95頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、本文主要研究了非線性期望空間下最大分布的最優(yōu)無偏估計的實現(xiàn)和應用,以隨機模擬和實證研究為主要方法,探索均值不確定時,金融中“最壞情形的風險測度”的應用結果,并與經典情形進行比較。
  最大分布參數(shù)的最優(yōu)無偏估計已經被證明分別為它們最小和最大的次序統(tǒng)計量。為了進行最大分布的隨機模擬,從來自均勻的分布族的樣本出發(fā),漸近地近似出最大分布的參數(shù)估計,并且隨著樣本容量增大到一定程度,兩個參數(shù)(μ,(μ)估計的近似值及其差異趨于穩(wěn)定值,進而針

2、對不同的樣本總體,從具有分布多樣性到無法預測的真隨機數(shù),都被拿來進行相應的模擬,由此得出最大分布均值不確定性的一個較為直觀的結果。
  而對于隨機模擬數(shù)據的均值不確定性來說,本文主要考慮上期望回歸模型E(Y|X)=g(β,X)+(μ)中的殘差。假定殘差的分布具有上期望(μ)和下期望μ,首先假定存在殘差的一個分布使得它的期望最大,采用mini-max-risk回歸和二次估值技術,通過懲罰最大風險的方法,先得出β的相合估計,并且在接下

3、來的過程中把(μ)的估計轉化為凸估計,最終得到其相合估計。
  上期望回歸具體說來是考慮到了殘差的分布不確定性,在經典統(tǒng)計觀點下,歸結為現(xiàn)實中存在著一定的不可觀測的、不透明的潛在的變量,影響著我們所要觀測的自變量,進而影響著我們想要預測的響應變量。為了不忽略這部分變量的影響,同時又為了避免維數(shù)災難,人們引入了部分線性模型,文章不同于以往的backfitting算法和profile likelihood估計,從懲罰光滑參數(shù)的角度,進

4、行考察,并且結合上期望估計在存在懲罰項時,只要分布族滿足一定條件,上期望估計便會漸近地近似于分布確定的模型估計,由此得出部分線性模型和上期望回歸模型之間的聯(lián)系。
  最后進行實證研究,以金融產品價格和交易量的關系為研究對象,假定殘差存在均值不確定性,在原始模型的基礎上,對回歸模型進行調整,以此研究金融市場價格行為特征,著重觀測當交易量取值較大時模型的擬合程度,并與經典回歸模型的擬合結果進行比較,發(fā)現(xiàn)交易量Vt的分布具有一定的偏斜,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論