排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
在空间数据分析中,由于空间预测在很大程度上依赖于对空间变化的现象分布的假设,因此建立空间数据分布模型是非常重要的问题.Stein(1999)指出,传统的方法利用变差函数描述插值的空间依赖性结构和基于似然方法的模型相比是相当不精确的.对于非正态分布的空间数据而言,Copula函数提供了一种可以分别指定相关结构和边缘分布而建立联合分布的可能性.文章基于Copula函数的非正态分布数据的空间插值方法,讨论模型参数的极大似然估计并运用生态环境数据进行实证研究. 相似文献
2.
文章引入一种新的权重函数,并构建新的波动率模型——MIX-GARCH-L模型,新模型能够充分利用高低频数据提炼出更有价值的信息。针对新模型参数估计问题,提出MIX-GARCH-L模型的参数估计方法来分析估计量的理论性质,证明了对应的中心极限定理以及用Service-Boostrap方法模拟检验估计量的数据表现。所提模型具有以下优势：新权重函数能够更好地根据交易特征的变动来自动调整不同交易日的权重,从而使每个高频交易日所分配到的权重与未来波动率产生的冲击效果一致;能够利用同一交易过程中多种高频交易数据,信息利用更加充分,使得MIX-GARCH-L模型具有更好的预测精度和预测优势。实证结果显示:MIX-GARCH-L模型的MSPE值明显小于GARCH-RV模型和GARCH-M模型的MSPE值,说明MIX-GARCH-L模型不仅在模型预测上有更高的预测精度,而且在稳健性上的表现也更好。 相似文献
1
