教育部人文社会科学研究基金(10YJA910005)
- 作品数：13 被引量：28H指数：3
- 相关作者：凌能祥汪金菊李成好丁洁贾兆丽更多>>
- 相关机构：合肥工业大学安徽大学云南大学更多>>
- 发文基金：教育部人文社会科学研究基金安徽省自然科学基金国家自然科学基金更多>>
- 相关领域：理学经济管理更多>>
- 绕积马氏链的中心极限定理
- 2013年
- 讨论了具有离散参数的绕积马氏链的中心极限定理,给出了加在过程样本函数上充分条件。得到了绕积马氏链的中心极限定理成立的充分条件.
- 贾兆丽
- 关键词：随机环境绕积马氏链中心极限定理
- 基于相依函数型数据条件均值函数估计的渐近性质被引量：2
- 2011年
- 文章利用熵的方法研究了基于函数型数据的条件均值函数估计的一致收敛速度,在一定条件下获得了基于相依函数型数据的条件均值函数估计量的几乎完全一致收敛速度,推广了i.i.d场合下或某些相依情形下的的逐点收敛速度。
- 丁洁凌能祥
- 关键词：函数型数据
- 我国省域间技术创新能力的不均衡：2006-2008被引量：8
- 2011年
- 本文利用夏普里值分解方法,定量考察了2006—2008年间科技活动人员、科技经费、外商直接投资、城市化程度、市场竞争程度等因素对我国省域间技术创新能力水平的差距及其演变的贡献。研究结果表明:省域间技术创新能力的差距有拉大的趋势;科技活动人员对技术创新能力不均衡具有扩大效应,而科技经费对技术创新能力的不均衡有比较大的负效应;市场竞争程度、FDI、城市化程度也是2006—2008年间技术创新能力差距变化的重要原因,但是其贡献程度略有下降。据此对增强各地区的技术创新能力,缩小差距,提出了相关的政策和建议。
- 王宇新姚梅
- 关键词：技术创新基尼系数
- 基于相依函数型数据非参数回归函数的稳健核估计被引量：2
- 2011年
- 本文研究了基于相依函数型数据非参数回归函数的核估计.利用稳健的方法,在一定条件下获得了与i.i.d.场合下类似的估计量的几乎完全收敛速度,推广了现有文献中的相关结论.
- 程伟凌能祥
- 固定设计函数型非参数回归模型的估计被引量：1
- 2013年
- 本文研究一类固定设计函数型非参数回归模型回归算子的估计问题,其中,解释变量X是取值于某函数空间的函数型变量,响应变量Y为实值随机变量,在误差是一弱平稳线性过程及适当的条件下,获得未知回归函数算子估计量的相合性及其收敛速度和渐近正态性,推广了现有文献中的相关结果.
- 陆晓恒潘阳丽凌能祥
- 关键词：函数型数据相合性渐近正态性
- 基于ARMA-稀疏贝叶斯模型的汇率预测研究被引量：2
- 2014年
- 文章基于ARMA模型和稀疏贝叶斯模型,提出了ARMA-稀疏贝叶斯模型,充分利用ARMA模型和稀疏贝叶斯模型在线性模型及非线性模型预测中的优势,将收益率序列分解为线性自相关主体和非线性残差2个部分,然后用ARMA模型对线性自相关主体数据进行预测估计,用稀疏贝叶斯模型对非线性残差进行预测估计,最后合成人民币兑美元日汇率中间价序列预测结果。研究结果证明,运用所建模型预测人民币日汇率中间价和上证指数收盘价,均取得了较好的效果。
- 李明景汪金菊
- 关键词：ARMA模型汇率
- 混合序列的Bernstein型不等式及其逆矩被引量：4
- 2012年
- 吴铁肩等在Lindeberg型条件下,得到非负独立随机变量逆矩的渐近逼近.该文获得了φ-混合、Ψ-混合序列的Bernstein型不等式及其完全收敛性,并给出其逆矩的渐近逼近,推广和改进了吴铁肩等和胡舒合等文中的相应结果.
- 胡舒合李晓琴杨文志王学军
- 关键词：Ψ-混合Ψ-混合
- 相依函数型数据条件密度估计的渐近性质被引量：1
- 2012年
- 利用Kolmogorov熵的方法研究了基于相依函数型数据条件密度函数的非参数估计,在一定的条件下建立了条件密度函数双重核估计量的几乎完全一致收敛速度及估计量的渐近分布,推广了现有文献中相关结果.
- 凌能祥丁洁
- 关键词：渐近正态性
- 随机环境中马氏链的Brunel极大遍历定理
- 2012年
- 随机环境中的马氏链是一类重要的随机过程.由于这类过程在金融、保险、计算机网络、随机服务系统等领域的广泛应用,对其理论和方法的研究,特别是其遍历性的理论和方法的研究受到很多学者的关注.本文利用单调收敛定理,在比较自然的条件下,获得了随机环境中马氏链的极大遍历性定理,推广了现有文献中的相关结果.
- 贾兆丽凌能祥
- 关键词：随机环境马氏链遍历定理
- 基于HMM的VaR风险度量及其实证分析被引量：3
- 2013年
- 文章基于隐马尔科夫模型(HMM)提出了度量金融资产风险价值(VaR)的HMM-ARMA-GARCH模型。首先对金融资产收益率序列建立正常状态和异常状态的隐马尔科夫模型,使用期望最大化算法估算出模型中的未知参数,再利用Viterbi算法估算出收益率序列所对应的隐状态序列,根据隐状态序列把收益率序列数据分成正常状态类序列和异常状态类序列2个大类,对2个状态类序列分别建立ARMA-GARCH模型来估算VaR。最后利用该模型和传统的ARMA-GARCH模型对上证企债指数进行了实证分析,采用Ku-piec失败频率检验法对VaR的准确性进行检验。实证结果表明,该模型的VaR计算方法具有较好的估计效果,能够有效地降低GARCH模型高估波动持续性的现象。
- 汪金菊吴燕飞王杨
- 关键词：隐马尔科夫模型ARMA-GARCH模型
