分整阶数半参数估计的有限样本性质研究

随着对经济和金融时间序列长记忆性的研究,分整阶数估计已成为当前理论研究的焦点问题。以对数周期图回归和局部Whittle方法为代表的半参数分整阶数估计方法在实践中得到广泛应用,但对这两类半参数估计方法的有限样本性质的比较则鲜有涉及,影响了在实践中对估计方法的选择。利用蒙特卡洛模拟方法,在不同数据产生的过程下,这两种半参数估计方法有限样本性质的研究结果表明：在ARFIMA(0, d, 0)过程下,LW类估计量具有较好的小样本性质;在平稳ARFIMA(1, d, 0)过程下,本文建议的QGPH估计量的有限样本性质要优于其他对数周期图估计量;在非平稳过程下,MGPH的偏差最小。     

一个新的时变系数分位数回归模型及应用

结合普通分位数回归的模型结构和可行性最小二乘方法的时变系数特征,在普通分位数回归模型的损失函数中引入动态误差设定,提出了一个新的模型：时变系数分位数回归模型,并给出其模型表示、模型估计以及模型检验等建模方法。时变系数分位数回归模型更能够适应广泛数据类型的建模需求,体现回归系数的时变特征,揭示解释变量对响应变量完整条件分布特征的影响,具有广阔的应用前景。将其应用于组合投资决策分析,构造出VaR风险动态组合投资方案,并与VaR风险静态组合投资方案、方差风险静态组合投资方案、方差风险动态组合投资方案等进行实证比较。结果表明,基于时变系数分位数回归模型的VaR风险动态组合投资方案所得投资效果在收益、方差、Sharpe比率和VaR数值等方面都显著优于其他三种方案。     

分位数回归的金融风险度量理论及实证

金融风险度量指标VaR是风险管理的重要内容。本文研究了不同的分位数回归模型在估计该指标时的表现,并选取标准普尔500指数、日经225指数、上证综指、深证成指进行了实证检验。在递归形式的分位数回归CAViaR模型中,本文的研究发现,SAV-CAViaR模型被拒绝的概率最高。而后验测试表明,IGARCH-CAViaR模型更适合刻画相对成熟的美国和日本金融市场风险的演化过程,而分位数回归的GARCH模型(QGARCH)在国内金融市场有良好表现,尤其是用于估计市场指数收益的1%VaR。     

非等间隔动态面板数据模型：估计方法与应用实例

非等间隔动态面板数据模型由于相邻两期观测之间的时间长度不尽相同使得传统动态面板数据模型的估计方法失效,本文提出使用非线性最小二乘、最短距离以及它们的一步估计量对该模型进行估计,证明了这四个估计量的一致性和渐进正态性,同时借助蒙特卡洛模拟的方法验证了它们在有限样本中的估计精度,并且进一步使用所提出的估计量讨论了以往文献由于缺乏相应的估计方法而没有被研究或者充分讨论的问题,得到了一些新的结论。     

基于AEPD分布和ALD分布的VaR模型

本文以成熟市场和新兴市场的六个主要的市场指数为例,将更精确反映金融资产收益率典型事实的AEPD分布和ALD分布运用于股票市场VaR的度量。并与其它常见的非参、半参和参数法VaR模型进行全面比较。实证表明,对于参数法模型,误差项服从ALD分布和正态分布的GARCH族模型分别当且仅当在度量低分位数和高分位数水平下的VaR值时表现优异;而误差项服从AEPD分布的GARCH族模型在度量各种分位数水平下的VaR值时均取得不错的效果。另外对于CAViaR模型,它们在度量VaR时与参数法中表现最好的AR-GJR-GARCH-AEPD(ALD)两个模型效果相当。     

层级数据空间误差自回归模型的估计方法研究

本文建立同时考虑空间误差自回归和嵌套随机效应误差分量的层级数据空间误差自回归模型,并推导最优权重GMM估计量,对空间自回归系数和误差项的方差进行估计。然后,定义对应的FGLS估计量,对层级数据空间误差自回归模型的总体回归系数进行估计。通过蒙特卡洛模拟,验证了所提出模型估计量的有限样本性质。模拟结果表明,本文提出的最优权重GMM估计量以及总体回归系数的GMM FGLS估计量有很好的小样本性质。     

具有异质性非参数时间趋势的面板数据模型的估计

本文为一类具有异质性非参数时间趋势的面板数据模型提出了一种简单估计方法。基于局部多项式回归的思想,首先去除数据中的时间趋势成分,然后由最小二乘法来估计公共系数,同时得到时间趋势函数的非参数估计。在一些正则条件下,研究了这些估计量的渐近性质,即在时间维度T和横截面维度n同时趋向无穷时,建立了各个估计量的渐近相合性和渐近正态性。最后通过蒙特卡洛模拟,考查了这种估计方法的有限样本性质。     

IV估计的最优工具变量选取方法

IV估计的有限样本性质对工具变量的选取十分敏感,尤其是存在弱工具变量的情形。本文在Donald和Newey(2001)的基础上研究了常用的IV估计———2SLS的最优工具变量选取方法。首先通过对2SLS估计量进行Nagar分解,从理论上推导出估计量的近似MSE表达式;根据这一表达式,提出IV估计的最优工具变量选取准则,并证明选取准则的渐近有效性。模拟结果表明,本文提出的工具变量选取准则能够极大地改善2SLS估计量的有限样本表现。本研究为实证中面临的工具变量选择问题提供了理论依据。     

基于极值分布理论的VaR与ES度量

本文应用极值分布理论对金融收益序列的尾部进行估计,计算收益序列的在险价值VaR和预期不足ES来度量市场风险。通过伪最大似然估计方法估计的GARCH模型对收益数据进行拟合,应用极值理论中的GPD对新息分布的尾部建模,得到了基于尾部估计产生收益序列的VaR和ES值。采用上证指数日对数收益数据为样本,得到了度量条件极值和无条件极值下VaR和ES的结果。实证研究表明:在置信水平很高(如99%)的条件下,采用极值方法度量风险值效果更好。而置信水平在95%下,其他方法和极值方法结合效果会很好。用ES度量风险能够使我们了解不利情况发生时风险的可能情况。     

人口普查净误差估计中的双系统估计量研究

评估普查计数的完整性已经成为五年或十年一次的人口普查不可分割的一部分。评估通常采取质量评估调查的方式。该调查建立在双系统估计量基础上。考虑到普查登记质量及人口移动因素,这三份人口登记名单可提供7个总体指标。由于质量评估调查采取抽样的方式进行,所以这些总体指标要用样本来构造其估计量。基于复杂抽样方法形成的双系统估计量没有现成的方差公式计算其方差。通常使用分层刀切方差估计量近似计算双系统估计量的方差。这需要计算第一步所有样本抽样单位的复制权数。本文将对双系统估计量构造的各个环节进行理论与实践相结合的阐述,深入解析其中深层次的理论问题,为基础理论研究做出贡献,另外也将探讨基于双系统估计量的合成估计量在区域人口数目估计中的应用问题。