跳跃随机波动的阈值模型风险值的贝叶斯估计

文章基于一类跳跃随机波动的阈值模型风险值估计贝叶斯分析,在给定先验分布下,以马尔科夫链蒙特卡洛方法估计模型中的未知参数,并给出了MCMC模拟算法,进而讨论了风险值的预测。根据模拟结果,我们得知,如果没有考虑金融时间序列的外生冲击导致的跳跃行为,将会高估风险值,因此考虑跳跃行为后,将增加风险值估计的精度。     

经验贝叶斯单位根检验

为避免经典贝叶斯检验中先验分布函数对检验的影响,文章应用经验贝叶斯方法对一阶自回归模型作单位根检验,通过收集历史数据,应用非参数经验贝叶斯方法,推导出贝叶斯决策函数。Monte-Carlo模拟显示,经验贝叶斯方法与经典统计方法相比,经验贝叶斯方法有较高的势;与传统贝叶斯方法相比,经验贝叶斯方法作单位根检验比传统的贝叶斯方法有更高的势。文章最后提供了一个金融实例,收集了NASDAQ综合指数从2015年9月21至2016年7月6日的数据,对其收益率作单位根检验,验证收益率序列是一个平稳过程。     

贝叶斯回归方法估计成本-效果可接受曲线

成本效果经济学分析中,许多研究结果表明贝叶斯方法相比于传统统计方法具有各方面的优势。本文首先从贝叶斯原理和模拟实证两方面,比较了贝叶斯计算与传统统计方法,得出在弱先验信息的情况下,贝叶斯估计近似于极大似然估计。但在具有可靠经验信息的情况下,贝叶斯估计更加准确。同时,在此基础上,计算了意愿支付法下的成本-效果可接受曲线,以及在不同先验信息下,该曲线的变化情况,得出贝叶斯方法不仅能够给出更加合理的解释,而且在同一意愿支付货币下,强先验下增量净效益大于0的把握更大。由此,我们提出应该将贝叶斯方法作为成本-效果分析的一个主要研究方向。     

极大似然估计法在带t-噪声AR（1）模型中的应用探索

多元t-分布既包含薄尾分布又容纳厚尾分布,其应用范围远较正态分布为广,近年来越来越受到人们的关注。我们对时间序列模型中最简单的零均值AR（1）模型引入了t-噪声,证明在已知t-分布的自由度时,可采用极大似然估计法来估计模型中的未知参数,并对估计值的有效性作了数据模拟和实证分析。     

计量经济学方法之时间序列分析

本文介绍了一元时间序列分析中常用的AR、MA、ARMA和ARIMA等经典模型,分析了这几个经典模型的理论要点以及单位根检验的方法和程序,总结了时间序列分析在预测等方面的优势及其在复杂科学管理中的应用,并以我国一月期国债回购利率和上证180月收益率为分析对象,介绍了一元线性回归分析的基本步骤。     

世界债务危机下的人民币汇率变化趋势研究——以GARCH模型族为分析基础

在世界债务危机的背景下,研究我国汇率制度改革后美元对人民币汇率的变化趋势是非常具有现实意义的。文章以时间序列中的GARCH模型族为模型基础,进行汇率问题的研究。通过尝试不同残差分布假定下多种模型的拟合情况进行筛选和分析,得出应用非对称EGARCH模型进行拟合的效果最优。     

逆威布尔分布假设下B-S模型的贝叶斯分析

现实金融市场中,期权价格的随机性来源于资产价格和波动率参数的随机性,经典B-S模型假设波动率为常数,无法解释现实中出现的诸多新问题。运用贝叶斯方法,将价格过程与波动率的随机性考虑到B-S模型中;变换假设条件,以逆Weibull分布作为波动率参数平方的先验分布,重新推导期权价格的先验密度、后验密度以及预测密度函数的表达式;探讨理论推导结果的参数估计与数值实现方法,为进一步的研究做好理论铺垫。     

我国房地产投资时序模型的建立与预测

房地产投资是我国固定资产投资的一项重要指标,科学预测我国房地产投资在未来几年的变化具有着十分重要的意义。本文对我国房地产自2000年到2010年这11年间的投资金额数据进行时间序列分析,通过建立AR模型,预测出了2011年到2012年我国房地产总体投资情况,具有一定的现实参考意义。     

中国投资的时滞效应分析

根据凯恩斯的宏观经济框架，投资对经济增长起着不可忽视的作用。然而事实上，投资的成效往往不能在当期得到体现，而需要通过时间的推移来逐步发挥作用，因而具有很强的时滞性。通过基于Box-Jenkins方法的时间序列分析技术，对中国1980---2010年的年度固定资产投资总额数据序列进行建模分析，验证该序列的时间序列特性。研究并选择了序列的最佳AR还是ARMA模型，从而确定中国投资的具体对经济的影响形式。     

深圳人口与医疗需求预测

本文目的是解决深圳人口与医疗需求预测问题。对于户籍人口用经典的人口指数增长模型来估计和预测;对于非户籍人口选择了用时间序列自回归AR模型来估计和预测。把两类人口数相加可得到深圳总的常住人口数,再对各区的医疗需求进行未来十年的预测。在估计各种疾病的病床需求量时,首先预测未来深圳的人口年龄分布情况。通过历史数据建立各个年龄段的人口转移概率矩阵,预测未来的人口年龄分布情况。再根据各种疾病在各个年龄段的发病概率矩阵,计算得到未来各种疾病的发病人数和所需要的病床数。最后得到医疗需求方案。     

基于贝叶斯决策的先验分布的选取方法

通过引入损失函数和风险函数，把选择一个合理的先验看做是一个贝叶斯决策问题。并且在“0—1”损失函数的情况下．后验似然合理先验就是所提出的最小风险合理先验。此外，在一定的条件下，ML-Ⅱ先验与最小风险合理先验是等价的。     

上海股市有效性与可预测性并存的实证研究

选取上证日收盘价综合指数（1997／01／02－2001／05／30）作为样本,对上海股市的有效性与可预测性分别建立模型进行验证和分析：利用时间序列相关性分析和随机游程模型对上海股市的弱有效性进行检验;建立AR模型验证上海股市的可预测性。通过检验发现,上海股市既通过了弱有效性的检验,又通过了AR模型的验证,即是一个可预测的弱式有效市场。     

时间序列分析在金融中的应用

本文介绍了时间序列分析在金融中的应用.首先明确了时间序列的概念及其四种基本组成成分,然后以自回归模型和移动平均模型为例,说明了时间序列模型的常规形式和特点及其应用意义.最后分别从定性和定量两个角度,分析了时间序列在金融中的应用.     

基于稳定分布条件的GARCH模型研究

本文应用GARCH模型对1995～2008年的沪深A股指数收益率序列进行分析,对正态分布、学生t分布、广义误差分布以及稳定分布下的GARCH模型进行对比研究,发现基于极大似然准则和AIC信息准则下,新信息服从稳定分布的GARCH模型优于其他模型。     

基于SKT分布的中国股市波动率研究

本文以上证指数收益率序列为例,利用R／S分析法,假设残差分别在正态分布、t分布、GED分布及SKT分布下,使用“滚动时间窗”的方法对波动率进行预测,并采ARFIMA（p,d,q）-FGARCH（m,n）-M模型对收益率序列进行了实证分析。实证结果表明：上证收益率序列存在长记忆性;基于SKT分布条件下ARFIMA（2,1）-FGARCH（1,1）-M模型能够较好的处理序列“尖峰厚尾”和聚集现象并且较其他分布条件下具备较强的预测精度。     

上证综指收益波动性及VaR度量研究

基于对上证综指日回报序列分布分别作正态分布、t分布和广义误差分布(GED)的假设基础上,采用(E)GARCH模型和方差-协方差法,度量了上海股票市场的潜在风险和波动性。在验证了三个模型对VaR估计的有效性之后,得出AR(1)-EGARCH(1,1)-M-GED模型对上海股票市场的拟合最优,并得出了有效的VaR估值。     

药物经济学评价中的贝叶斯法介绍

21世纪是贝叶斯统计的世纪,其作为两大统计学派之一,已被越来越多地应用于包括医疗在内的科学、技术、管理、商业等多个领域。本文从贝叶斯法的原理、概率含义、计算技术等方面较全面地介绍了贝叶斯法,以促进贝叶斯法在药物经济学评价中的应用。贝叶斯法的优势主要体现在先验信息的应用及推测方面,而马尔可夫链蒙特卡洛模拟技术（MCMC）使得贝叶斯法的这种优势在计算技术中得以实现,其计算过程是通过从后验分布中随机抽取一个大样本来形成贝叶斯推断。贝叶斯法可以在理论上准确地提供药物经济学中增量成本一效果比（ICER）、成本一效果可接受曲线（CEAC）、净货币收益（NMB）和净健康收益（NHE）的概率阐述。     

时间序列分析在金融价格预测中的应用

与回归分析不同，时间序列分析不是根据与其它变量的因素关系来预测一个变量的未来变化，而是根据该变量自身过去的规律来预测其未来的变化。这与实际中价格信息的复杂性特征具有较好的符合关系。作在Intnet网上查取了伦敦金属交易所（LME）镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个，用其中的前37个数据进行时间序列分析，得到了AR（3）模型，用最小二乘法和Yule-Walker法预测后五个数据，得到了较好的效果。因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景。     

我国经济波动中产业结构影响的计量分析

文章从经济学中经典的周期波动理论出发,以贝叶斯估计方法为基础,结合我国近几年三次产业结构发展现状,采用改革开放以来我国GDP和三次产业产出等相关经济序列数据,确定了我国自1978年以来各次产业在我国经济增长中份额的Markov转移模型,并得到了模型参数的贝叶斯估计。最后,据实证结果得出结论,提出促进经济增长,优化产业结构的一些政策性建议。     

基于FIGARCH模型的中国房地产指数的实证分析

在T分布和正态分布假设下采用GARCH模型和FIGARCH模型对上证地产股指数日收益率序列进行建模分析,结果表明,上证地产股指数日收益率序列的波动具有显著的长记忆性,表明外部冲击对波动有着长期的影响。因此,采用FIGARCH模型建模的效果优于采用GARCH模型建模的效果,并且在T分布假设下拟合模型,其效果优于在正态分布假设下拟合的模型。