2021年, 第37卷, 第6期　刊出日期：2021-12-26

  

• 全选
  |

学术论文
• Select
  超高维部分线性模型的PRAR变量选择

  杨鑫; 李冰月; 田萍

  应用概率统计. 2021, 37(6): 551-568. https://doi.org/10.3969/j.issn.1001-4268.2021.06.001

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文考虑超高维部分线性模型,其中参数向量维数是样本量的指数阶.基于profile最小二乘方法和保留正则化方法,本文提出了新的变量选择方法用来解决超高维部分线性模型的变量选择问题.在一定的正则条件下, 证明了所得估计量的符号相合性. 通过数值模拟和实例分析,将该方法与Lasso、SIS-Lasso、自适应Lasso方法进行对比,发现所提方法在恢复线性部分参数向量符号方面明显优于其它方法.

• Select
  具有复合相依的离散时间风险模型的尾部渐近及数值模拟

  井浩杰; 彭江艳; 蒋智权

  应用概率统计. 2021, 37(6): 569-584. https://doi.org/10.3969/j.issn.1001-4268.2021.06.002

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文研究具有复合相依的离散时间风险模型.保险公司进行风险和无风险投资导致了任意相依的随机折现因子.索赔额服从单边线性过程, 其中噪声项遵循成对渐近独立,噪声项和随机折现因子相互独立. 假设噪声项不必同分布并且是非负的随机变量,其分布分别为F_1,F_2,\cdots,F_n.当平均分布n^{-1}\tsm_{i=1}^nF_i是重尾时,本文得到离散时间风险模型的有限时间破产概率的渐近估计.最后通过蒙特卡洛模拟验证了本文的结果.

• Select
  正规部分因析设计别名成分数型的一些性质

  李智; 李智明

  应用概率统计. 2021, 37(6): 585-597. https://doi.org/10.3969/j.issn.1001-4268.2021.06.003

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  一般最小低阶混杂准则和最小混杂准则是挑选s\,(s\geq 2)水平最优正规部分因析设计的两个重要准则,其分类模式分别为别名成分数型与字长型.本文主要研究s水平正规设计的别名成分数型的一些性质,得到了s水平下字长型中的元素可以表示为别名成分数型的函数形式,揭示了别名成分数型与字长型之间的关系. 另一方面,
  通过字长型也可以计算某些别名成分数型. 进一步,得到了二水平设计的一些别名成分数型之间的表达公式.

• Select
  可变折扣马氏决策过程首达模型列的收敛问题

  吴晓; 郭圳滨

  应用概率统计. 2021, 37(6): 598-610. https://doi.org/10.3969/j.issn.1001-4268.2021.06.004

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文主要研究了可数状态空间上带多约束、可变折扣马氏决策过程首达模型序列的收敛问题. 利用``占有测度''及其相关性质,将受约束首达模型序列的优化问题转化为等价的受约束线性规划问题(凸分析方法),在合适条件下证明了首达模型序列的最优值和最优策略收敛于``极限''模型的最优值和最优策略.

• Select
  考虑相对收益的最优投资组合选择问题

  林祥; 钱艺平; 舒颖斌

  应用概率统计. 2021, 37(6): 611-626. https://doi.org/10.3969/j.issn.1001-4268.2021.06.005

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  本文研究了连续时间考虑相对收益的风险厌恶投资者的最优投资组合选择问题. 假设投资者可以投资于无风险资产和风险股票,并且选择某一与风险股票相关的随机基准作为目标.投资者选择最优的投资组合策略使得终端期望绝对收益和相对收益的权重和效用最大.首先,利用动态规划原理得到最优投资策略和值函数满足的Hamilton-Jacobi-Bellman方程.其次, 在投资者具有指数效用函数下,通过求解HJB方程得到了最优投资策略和值函数的显示表达式. 然后,分析了相对收益对投资者最优投资策略的影响,结果发现相对收益会改变投资者的风险承担. 最后,通过数值计算给出了最优投资策略和值函数与模型主要参数之间的关系.

综述报告
• Select
  区间删失失效时间数据的统计分析

  杜明月; 孙建国

  应用概率统计. 2021, 37(6): 627-654. https://doi.org/10.3969/j.issn.1001-4268.2021.06.006

  摘要 ( ) PDF全文 ( ) 可视化 收藏

  区间删失失效时间数据是失效时间或事件发生时间数据的一般类型. 对于这类数据,其感兴趣的失效时间仅已知或被观测落在某个区间内而不是被精确地观测到.此类数据经常出现在很多领域, 例如人口统计研究, 流行病学研究,医学或公共健康研究和社会科学, 以及其他不同的领域.纵向或者定期随访研究是产生区间删失数据的常见领域,例如许多临床试验或者观察性研究. 在本文中,我们将在简要地讨论背景和一些常用模型后,主要回顾一些过去五年时间左右,在几个重要的与回归分析相关的主题上的近期进展,以及区间删失数据分析中需要更多研究的一些问题.