在传统的贝叶斯控制图研究中,通常将参数设为已知常量,忽略了工程实践性。文章对参数估计条件下的贝叶斯均值控制图性能展开研究,应用Monte Carlo仿真方法计算贝叶斯控制图的性能指标平均运行链长ARL0,分析了参数估计对控制图的性能影响,阐述了影响趋势的本质原因,设计了参数估计条件下保证统计性能的贝叶斯控制图设计方法,为拓展贝叶斯控制图的工程实践性提供了有益的尝试。

在传统的FEWMA控制图研究中,通常将参数设为已知常量,从而忽略了工程实践性。文章应用Monte Carlo仿真方法计算参数估计条件下的FEWMA控制图受控时的平均运行链长,分析了估计参数对控制图的性能影响,并设计了参数估计条件下能保证统计性能的FEWMA控制图设计方法。

云模型共有三个未知参数:期望、熵、超熵。经典的云参数的估计方法有矩估计法和极大似然估计法,二者都是在将样本均值作为期望的估计值的前提下,分别求得熵和超熵的矩估计和极大似然估计。在期望不是一个未知参数,而是一个随机变量,且分布已知的假设下,应用贝叶斯理论,得到期望的后验分布及其后验估计,并基于期望的后验估计求得熵、超熵的后验矩估计和后验极大似然估计。以均方误差最小为准则,将经典的矩估计、极大似然估计与后验的矩估计、后验极大似然估计比较,得到后验的极大似然估计效果最优的结论。

针对多元累计和控制图（MCUSUM）在具体实施中缺乏整体协方差矩阵，以及无法确定过程的均值偏移的情况。文章提出了通过使用压缩估计法得到协方差矩阵，然后与自适应加权方法相结合来对统计量进行计算，利用蒙特卡洛模拟仿真法对控制图的平均运行链长进行计算，以此来描述控制图的性能。和传统方法计算统计量的控制图进行比较，结果表明文章提出的控制图在样本少、均值偏移不定的情况下性能较优。将控制图技术应用到锂电池行业，并在OCV工序中取得了较好的效果。

关于简单线性曲线的在线监测方法多数假定受控参数是已知的,或者假定有足够多的历史样本来估计未知参数。Mahmoud~([1])分析了参数估计对三种监测简单线性曲线方法的影响,但其部分模拟结果有一定差错。本文主要目的是研究参数估计对Zhang等~([2])提出的基于似然比检验的监测简单线性曲线控制图的性能影响,并对Mahmoud~([1])中的模拟方法进行纠正,同时对四种方法进行比较。模拟结果表明,若使用参数已知时的控制限,而历史样本数据较少时,控制图的性能会受到严重影响。

关于简单线性曲线的在线监测方法多数假定受控参数是已知的,或者假定有足够多的历史样本来估计未知参数。Mahmoud~([1])分析了参数估计对三种监测简单线性曲线方法的影响,但其部分模拟结果有一定差错。本文主要目的是研究参数估计对Zhang等~([2])提出的基于似然比检验的监测简单线性曲线控制图的性能影响,并对Mahmoud~([1])中的模拟方法进行纠正,同时对四种方法进行比较。模拟结果表明,若使用参数已知时的控制限,而历史样本数据较少时,控制图的性能会受到严重影响。

一、问题的提出在客观实际中,许多随机现象都服从或近似服从正态分布,在这些随机现象的分布中,它所含的参数有的并不是一个未知的常数,而是一个随机变量,比如测量误差,由于各种原因,每天的平均误差都不一样,出现任何数的可能性都存

金融市场数据通常具有“高峰厚尾”的特征,普通正态分布很难拟合这类数据。稳定分布族不存在显式密度函数表达式,常用的一些估计方法无法处理它的参数估计问题。可是稳定分布被证明可以较好地拟合金融市场收益率这类具有“高峰厚尾”特征的数据。文章提出了一种新颖的解决稳定分布参数估计的方法:基于经验似然的贝叶斯计算的稳定分布参数估计方法,将其对比正态分布应用到上证指数收益率数据的分布拟合中去,并用稳定化的PP图检验拟合效果。同时,为了解决基于历史数据的金融数据的预测问题,提出了基于经验似然的贝叶斯预测,并利用该方法结合稳

为了解决AR(1)-MA(0)双重模型的参数估计问题,文章引入一种新的方法即基于MCMC和贝叶斯估计方法,对该模型的参数进行了估计,系统地推导出了模型中各参数的估计值;通过数值模拟,说明用该方法估计此类模型的参数是可行的,且与传统方法相比更易于实现。

近年来交易成本和流动性对于股票资产的预期收益或定价影响受到学术界和业界的关注,期货市场的各种交易产生大量数据,这些数据中隐藏着重要的信息,但采用逐笔高频交易数据对期货市场交易成本、流动性和资产定价问题进行系统研究的比较少,对期货市场交易成本和流动性的内涵、特征、度量方法,以及交易成本和流动性在期货资产定价中的作用等问题有待深入探讨。从序贯交易模型的视角,基于贝叶斯参数估计方法及逐笔高频交易数据和每日收盘价格数据测量期货市场的交易成本,对不同交易成本和流动性测量方法进行比较研究,探讨各种交易成本与流动性的相互关系,选出合适的流动性测量方法。同时,从逐笔高频交易数据存在报价离散化、价格聚集和非对称信息等方面对交易成本模型修正和扩展。将交易成本与真实收益率结合并考虑市场规模和周内效应的作用,构建期货市场资产定价模型,从中国期货市场选取不同品种的主力合约数据进行实证研究。研究结果表明,基于贝叶斯参数估计和逐笔高频交易数据的交易成本的测量方法具有明显的优点,可以克服传统基于矩估计交易成本测量交易成本的不足,更适合用来作为流动性的代理变量。(1)订单对价格存在比较显著的冲击现象,这些冲击表明私人信息被包含在这些合约的交易里。(2)基于完整模型的交易成本更适合用来作为流动性的代理变量,与定义法的流行性成本估计值的相关系数更高,基于逐笔高频交易数据和完整模型的交易成本是最优的流动性的代理变量。(3)交易成本确实被包含在超额收益中,总体来说,交易成本对资产收益率的影响具有比较明显的周内效应。因此,流动性对投资期货的收益率有很大贡献,为了达到更高的收益,通常需要为获得好的流动性而付出更高的代价。从序贯交易模型的视角,基于贝叶斯参数估计方法和逐笔高频交易数据测量期货市场的交易成本,有助于市场参与主体更好地认识和分析期货市场的交易成本、流动性和资产收益之间的关系,对市场监管机构有效评估市场质量、设计合理的期货市场交易制度、有效降低市场交易者的交易成本、增强期货市场流动性、提高市场运行效率具有一定的参考价值。

近年来交易成本和流动性对于股票资产的预期收益或定价影响受到学术界和业界的关注,期货市场的各种交易产生大量数据,这些数据中隐藏着重要的信息,但采用逐笔高频交易数据对期货市场交易成本、流动性和资产定价问题进行系统研究的比较少,对期货市场交易成本和流动性的内涵、特征、度量方法,以及交易成本和流动性在期货资产定价中的作用等问题有待深入探讨。从序贯交易模型的视角,基于贝叶斯参数估计方法及逐笔高频交易数据和每日收盘价格数据测量期货市场的交易成本,对不同交易成本和流动性测量方法进行比较研究,探讨各种交易成本与流动性的相

文章在响应变量随机缺失下研究非线性均值方差模型的参数估计问题。基于回归插补和随机回归插补两种缺失插补方法以及结合Gauss-Newton迭代计算算法给出该模型中未知参数的极大似然估计。并通过对两个随机模拟例子实际例子的研究分析,结果都表明了所提出的模型与统计方法具有可行性和实用性。

逆高斯回归模型可用于分析正偏态数据，人们通常研究解释变量对其均值参数的影响，但往往忽略了对其散度参数的影响，文章则基于解释变量对均值和散度都有影响的前提，针对联合均值和散度逆高斯回归模型，探讨模型参数的极大似然估计问题。MM算法在优化问题上具有分离参数、降低目标函数的维度、简化求解过程等优点，将MM算法应用于联合均值和散度逆高斯回归模型，能将多元似然函数彻底分解为一系列一元函数之和，从而绕开了参数估计中的矩阵求逆问题。模拟研究表明，当数据量达到100时就能得到很好的估计效果；实证分析表明，理论研究在实际应用中具有可行性。

文章在响应变量随机缺失下研究非线性均值方差模型的参数估计问题。基于回归插补和随机回归插补两种缺失插补方法以及结合Gauss-Newton迭代计算算法给出该模型中未知参数的极大似然估计。并通过对两个随机模拟例子实际例子的研究分析,结果都表明了所提出的模型与统计方法具有可行性和实用性。

文章针对输入自变量参数与输出因变量均为三角模糊数的模糊线性回归模型,引入模糊数的可能性均值和方差概念,提出三角模糊数的可能性均值-方差欧氏距离测度。在此基础上,结合最小二乘原理,考虑实测值与估计值之间的均值-方差欧氏距离最小,从而得到模糊回归方程的参数估计值。最后,通过一个实例说明方法的有效性和可行性。