公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

Hawkes过程分支比估计——一种简单的非参数方法被引量：4: 2015年; Hawkes自激发过程是近年来被广泛用于金融建模的一个良好模型。本文提出了一种Hawkes自激发过程的分支比的简单估计方法,该方法是对Hardiman和Bouchaud提出的均值-方差估计量的改进。在继承均值-方差估计量形式简便的优点的同时,克服其参数难以选择的缺陷,减小了估计的系统性偏差。模拟结果验证了改进的效果,同时我们将该估计方法用于我国股市内生性水平的分析之中。; 吴奔张波; 关键词：分支比内生性

金融高频高维数据的波动率矩阵估计:基于GARCH-Ito分组因子模型: 2022年; 在高频金融数据分析中,高维波动率矩阵的估计和预测十分具有挑战性,当金融资产存在自然的分组结构时,此问题尤为突出.为此,本文提出一种新的GARCH-Ito分组因子模型,将对数价格序列表示为共同因子、分组因子以及异质项,并通过将离散的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)结构嵌入特征值过程的波动率中,实现刻画数据波动率动态的目的.本文利用伪极大似然法得到模型的参数估计,建立极限理论,模拟研究表明其良好的有限样本性质.在实证研究中,利用上海证券交易所主板及深圳证券交易所创业板的股票高频价格数据,对比了不分组的模型及波动率矩阵的非参数多尺度已实现波动率(multi-scale realized volatility,MSRV)估计,对比结果显示本文模型具有更好的波动率预测效果.; 高维清吴奔吴奔; 关键词：高频数据

基于卷积神经网络深度学习的颈椎骨龄分期模型的建立: 2024年; 目的本研究应用基于深度学习中的卷积神经网络(convolutional neural networks,CNN)开发出自动化颈椎骨龄分期的特征融合模型,以辅助正畸学的临床诊断及研究。方法本研究回顾性纳入了北京大学口腔医院正畸科7~17岁患者的头颅侧位片1797张,这些图像由正畸医师分为6个颈椎骨龄分期(CS1~CS6),最终纳入1655例(男774例,女881例),再通过人工标注头颅侧位片第二至第四颈椎上的标志点组成数据集。构建由关键点检测、特征融合和分类器模块组成的特征融合模型,然后将数据集输入模型进行训练、验证和测试,得到各样本的预测分期。最后计算模型的分期性能指标,并比较随机森林和人工神经网络(artificial neural network,ANN)两种分类器的分期性能。结果两种分类器的特征融合模型中,ANN分类器的分期准确率达到82.18%,加权Kappa值达到0.8919,显著高于随机森林分类器(准确率78.85%、加权Kappa值为0.8715)。结论特征融合模型不仅实现了全自动的颈椎骨龄分期,而且提高了模型准确率,可以在临床实践和研究中帮助正畸医师提供方便、快速和可靠的颈椎骨龄分期。; 周正涛吴奔谷岩; 关键词：人工智能卷积神经网络头颅侧位片

交易信息、跳跃发现与波动率估计被引量：7: 2017年; 在高频金融数据研究中,估计金融资产价格序列积分波动率时,往往需要考虑市场微观结构噪声与资产价格跳跃的影响。本文将市场微观结构噪声部分地表示成交易信息的参数函数,并结合资产收益序列的跳跃特征,提出资产收益的高斯混合模型。本文利用EM算法进行噪声参数估计的同时,识别资产价格的跳跃,进而提出一种新的积分波动率的估计量。本文提出的方法可以视为Li等(2016)的改进,并在模拟研究中,得到了比Li等(2016)更好的参数估计效果,且即使在跳跃幅度分布误设的情况下,也具有良好的识别跳跃的功能。在应用举例中,对比了本文方法与Lee和Mykland(2008)的跳跃发现方法,论证了本文的模型在识别跳跃方面的可靠性。; 吴奔张波; 关键词：已实现波动率高斯混合模型

通货膨胀率的非平稳时间序列预测和结构性断点诊断:以中美等国为例: 2023年; 当今中国和世界正处于百年未有之大变局,维护国家的经济稳定性至关重要.众所周知,严重的通货膨胀是经济不稳定的一个重要因素.因此,建模和预测通货膨胀率成为了亟待解决的问题.在本文中,我们研究了包括中国和美国在内的世界四个主要国家近十年的消费者价格指数(CPI)通胀率,提出含结构性断点波动率与时变参数均值随机波动模型(stochastic volatility in mean model with time-varying parameters and structural breaks in the volatility, SB-TVP-SVM),并给出了相应的贝叶斯估计框架.在以往的大多数研究中,研究者们往往忽略了非平稳特征同时存在于CPI通胀率的条件均值和波动率序列中的可能性.通过引入不可观测的结构性断点, SB-TVP-SVM解决了这一问题,从而得到相比于既有方法更高的序列预测精度.我们模型估计出的结构性断点与过去十年来最大的全球事件高度相关,例如新冠病毒疫情以及俄乌地区冲突.; 高维清吴奔吴奔; 关键词：通货膨胀贝叶斯估计

全选清除导出

共1页<1>

吴奔