广西壮族自治区自然科学基金(0728091)
- 作品数：17 被引量：119H指数：6
- 相关作者：杨善朝谢佳利梁鑫刘静赵翌更多>>
- 相关机构：广西师范大学桂林师范高等专科学校桂林空军学院更多>>
- 发文基金：广西壮族自治区自然科学基金国家自然科学基金广西研究生教育创新计划更多>>
- 相关领域：理学经济管理更多>>
- 风险度量ES的非参数估计被引量：7
- 2009年
- 期望损失(Expected Shortfall,ES)是当今最流行的金融资产风险度量的工具之一,是一个理想的一致性风险度量。本文在α-混合序列具有幂衰减混合系数的条件下,讨论了风险度量ES的样本估计量的性质,得到估计量的Bahadur表示以及渐近正态性。
- 刘静杨善朝
- 关键词：非参数估计渐近正态性Α-混合
- α混合序列下的核密度估计量的相合性被引量：4
- 2009年
- 本文在α-混合序列下,讨论了核密度估计量的强相合性与一致强相合性,并给出其收敛速度.这些结论改进了Bosq(1998)中引理2.1和定理2.1所获得的相应结论.
- 赵翌杨善朝
- 关键词：核密度估计强相合性一致强相合性
- 国内主要城市空气质量统计分析被引量：15
- 2009年
- 我国目前评价城市空气质量所用的空气污染指数法中仅以首要污染指数来反映空气质量状况,而忽视了次要污染物对空气质量的影响,这将会使评价结果的准确性产生偏差.本文在空气污染指数模型的基础上引入次要污染物,建立了新的空气质量评价模型,再利用该模型对我国近三年主要城市空气质量状况进行了评价及分析.
- 梁鑫谢佳利邵延会
- 关键词：空气质量空气污染指数(API)
- 认股权证价格过程的风险分析被引量：2
- 2008年
- 用逐次迭代算法证明认股权证定价。结果表明,该方法优于拉格朗日插值法;给出认股权证市场风险管理常用的Delta与Vega计算公式。对宝钢认股权证价格过程进行了风险分析,发现实际价格过程存在着较高的风险。
- 欧诗德杨善朝
- 关键词：权证迭代算法风险分析
- 广西GDP的统计预测模型及其应用被引量：14
- 2008年
- 本文利用SPSS统计软件及非参数统计方法(卡方检验和K-S检验法)对广西1950年至2006年共57年的GDP数据进行实证分析.在最佳准则(即AIC准则)下建立了ARIMA(1,2,1)时间序列模型,并利用非参数统计方法对此模型进行了适应性检验,然后利用2001年至2006年的实际值与该模型的预测值进行了比较.最后,本文利用该模型对广西未来五年的GDP进行了预测.
- 梁鑫谢佳利李朝
- 关键词：GDP时间序列分析ARIMA模型
- 期权定价理论在R&D项目投资决策中的应用再探讨被引量：2
- 2007年
- 如何评价R&D项目投资是R&D项目决策的关键,应用期权定价理论分析R&D投资项目,建立了求解其内含投资机会价值的数学模型,重点考虑了项目未来价值不服从几何布朗运动(即对数正态分布)的情况,此时复合期权的Geske定价公式不再适用,为了便于数值模拟,提出将R&D投资项目视为障碍期权,并采用非参数核估计方法进行数值模拟。
- 阳向军杨善朝
- 关键词：期权定价R&D项目投资障碍期权
- α混合序列下的核密度估计量的渐近正态性被引量：3
- 2010年
- 核密度估计是一类重要的非参数分布密度估计,而且α混合相依结构在金融时间序列中广泛存在。本文在α混合序列情形下,利用大小分块方法和矩不等式证明了核密度估计量的渐近正态性及其收敛速度,这个结果可以用于构造α混合序列未知的密度函数的置信区间,并且在适当窗宽条件下获得了较好的收敛速度。
- 赵翌杨善朝
- 关键词：核密度估计渐近正态性收敛速度
- α混合序列下的核型分位数估计的Bahadur表示被引量：3
- 2008年
- 考虑了在α混合序列下核型分位数估计的Bahadur表示,并建立该分位数估计的渐近正态性,将独立样本下的Bahadur表示进行了推广。
- 韦香兰杨善朝赵翌
- 关键词：BAHADUR表示渐近正态性
- 桂林市汽车销售量的时间序列预测模型被引量：4
- 2008年
- 选取1999年1月到2007年3月桂林市各季度的汽车销售量原始数据,在SPSS系统下,运用滑动求和自回归(ARIMA)方法及非参数方法建立桂林市汽车销售量时间序列模型ARIMA(p,d,q),从模型识别、参数估计、适应性检验和实际拟合4个方面来确定模型的参数(p,d,q),并对模型的预测效果进行检验。结果表明,ARIMA(0,2,2)模型能够较好地包含桂林市汽车销售量的发展趋势,该模型对2007年2季度至2008年2季度汽车销售量的预测值与实际值的误差小,相对误差可以控制在3%以内。
- 梁鑫庞丽彭冬梅
- 关键词：时间序列汽车销售量非参数统计
- VaR样本分位数估计的偏差改进被引量：6
- 2008年
- 本文指出了人们通常所使用的VaR样本分位数估计量会产生高估或低估的现象,并分析了产生这些现象的原因,提出在样本较大的情况下利用加权样本分位数估计量去估计VaR,在样本较小的情况下用基于Bootstrap方法的样本分位数估计量去估计VaR。数值模拟的结果表明,这些估计方法的估计精度得到了较好地改进。最后,运用这两种分位数估计量来估计两支股票(招商银行、中国石化)的日对数回报序列的VaR值,并比较它们的风险估计量的大小。
- 谢佳利杨善朝梁鑫
- 关键词：VAR数值模拟BOOTSTRAP方法
