發(fā)布時間：2020-07-19 16:00

【摘要】：高維數據均值向量假設檢驗是近來統(tǒng)計研究的熱點及難點問題。當數據維數p固定時,均值向量檢驗通常采用霍特林T~2(Hotelling T~2)檢驗方法。當數據維數p發(fā)散且大于樣本量n時,霍特林T~2檢驗不再適用。我們基于投影思想提出高維數據均值向量的一種新檢驗方法,定義如下:Tnew=‖X_1-X_2‖2+kn‖a'(X_1+-X_2)‖2;其中kn→∞,a為已知的p維單位向量。第二項即是投影項,它提高了檢驗的功效。該檢驗統(tǒng)計量并未涉及任何的求逆矩陣的運算,所以能夠適應于pn情形。在一些常見條件下,新檢驗統(tǒng)計量可以被證明是漸近正態(tài)的。在局部備擇假設下,本文給出新檢驗統(tǒng)計量的漸近檢驗功效。與Bai和Saranadasa(1996)~([5])(簡記BS)和Chen和Qin(2010)~([2])(簡記CQ)相比,新檢驗統(tǒng)計量具有更高漸近檢驗功效。本文對新檢驗統(tǒng)計量開展了數值模擬研究,新檢驗統(tǒng)計量有很好的表現(xiàn)。本文收集并分析2000年5月至2017年10月我國A股12個行業(yè)的股票價格數據,發(fā)現(xiàn)7個行業(yè)具有顯著的“五月賣出”的效應,即11月至4月的股票月收益率向量與5月至10月的股票月收益率向量不相等。
【學位授予單位】：廣州大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：C81
【圖文】：

的經驗分布, 實則是模擬定理3.1結論。在圖4-1、圖4-2中, 在R語言的環(huán)境下, 對 , = 1, · · ·, 分布的不同假設, 分別描繪數據維數 與樣本量 的6個組合的統(tǒng)計量ˉ 的經驗分布密度曲線, 同時與標準正態(tài)分布（理論分布）的密度曲線作比較

對11月-4月總體的股票收益率之間進行相關性分析,結果表明相關性較強的有1371組股票。表5-2描述了5月-10月和11 月-4 月總體股票收益率之間相關系數頻數分布情況。從圖5-1可知, 大部分樣本股之間存在較強的線性相關關系。31

【參考文獻】

相關期刊論文 前3條

1 茅椏捷;李艷婷;;高維數據均值的統(tǒng)計監(jiān)測[J];數理統(tǒng)計與管理;2015年03期

2 郭崇慧;賈宏峰;;基于一維搜索的ICA自適應算法及其在股票分析中的應用[J];數理統(tǒng)計與管理;2012年03期

3 張兵;中國股市日歷效應研究:基于滾動樣本檢驗的方法[J];金融研究;2005年07期

相關博士學位論文 前4條

1 劉忠穎;高維總體均值向量和協(xié)方差矩陣的同時檢驗[D];東北師范大學;2018年

2 趙俊光;高維數據下總體均值的假設檢驗問題[D];北京理工大學;2016年

3 胡琴琴;高維模型的約束變量選擇和條件特征篩選[D];山東大學;2015年

4 曹明響;具有不等協(xié)方差陣的高維k樣本均值檢驗[D];北京理工大學;2014年

相關碩士學位論文 前1條

1 周魁魁;幾種關于高維總體均值檢驗功效的模擬比較研究[D];華中師范大學;2018年

本文編號：2762633