【摘要】：變點問題作為統計學的一個重要研究方向,在金融、氣象等領域中被廣泛的作用。本文討論了在獨立的Gamma分布中尺度參數的多變點問題,利用可逆跳躍馬爾可夫鏈蒙特卡羅算法(RJMCMC)去計算參數的后驗分布以及變點的位置。基于該RJMCMC算法,對連漲連跌收益率進行了研究分析。在第一章中,簡要概述了變點問題的由來,對變點問題在不同領域的應用研究進行了描述,并介紹了幾種常見的研究方法,最后介紹了單變點問題和多變點問題的研究現狀。第二章介紹了貝葉斯方法,列舉了一些關于貝葉斯多變點問題的研究。描述了Gamma分布與Gamma分布族的概念,以及Gamma分布在現實中的應用。在第二章的最后給出了模型的假設,以及一些參數的先驗分布。在第三章中,在貝葉斯估計、Monte Carlo方法、M-H算法的基礎上提出了RJMCMC算法。給出了RJMCMC算法的步驟,計算出了Gamma分布的基于RJMCMC算法四個轉換的接受概率。第四章設計了一個模擬例子來檢驗RJMCMC方法的正確性與高效性。首先生成有變點的Gamma分布序列,利用RJMCMC算法得出變點個數的估計,并與SN方法比較。第五章進行實證分析,運用RJMCMC算法對2000年到2015年的上證指數連漲連跌收益率進行變點檢測分析,找出數據中存在的變點,根據所找出的變點位置,尋找變結構點附近政策的變化并加以分析第六章針對面板數據,采取基于最小二乘法的均值共同變點檢驗統計量,來探討面板數據均值共同變點的存在性及估計,并對Nasdaq、Xetra DAX、Hangseng等六大股市的日收益率進行實證分析。第七章對本文進行了總結,同時給出不足以及展望。
[Abstract]:As an important research direction of statistics, change point problem is widely used in finance, meteorology and other fields. In this paper, we discuss the multivariate point problem of the scale parameter in the independent Gamma distribution, and use the reversible jump Markov chain Monte Carlo algorithm (RJMCMC) to calculate the posterior distribution of the parameter and the position of the change point. Based on the RJMCMC algorithm, the yield of continuous rise and fall is studied and analyzed. In the first chapter, the origin of the change point problem is briefly summarized, the application research of the change point problem in different fields is described, and several common research methods are introduced. Finally, the research status of the single change point problem and the variable point problem is introduced. In the second chapter, Bayesian method is introduced, and some researches on Bayesian variable point problem are listed. The concepts of Gamma distribution and Gamma distribution family and the application of Gamma distribution in reality are described. At the end of chapter 2, the hypothesis of the model and the prior distribution of some parameters are given. In chapter 3, the RJMCMC algorithm is proposed on the basis of Bayesian estimation Monte Carlo method and M-H algorithm. The steps of RJMCMC algorithm are given, and the acceptance probability of four transformations based on RJMCMC algorithm for Gamma distribution is calculated. In chapter 4, a simulation example is designed to verify the correctness and efficiency of RJMCMC method. First, the Gamma distribution sequence with variation points is generated, and the number of change points is estimated by using RJMCMC algorithm, and compared with SN method. The fifth chapter carries on the empirical analysis, uses the RJMCMC algorithm to carry on the change point detection analysis to the Shanghai stock market index from 2000 to 2015, finds out the change point which exists in the data, according to the location of the change point, Looking for the change of policy near the variable structure point and analyzing the sixth chapter, aiming at the panel data, taking the mean common change point test statistic based on the least square method to discuss the existence and estimation of the common change point of the panel data. The daily returns of six major stock markets, such as Nasdaq Xetra DAXG Hangseng, are analyzed empirically. The seventh chapter summarizes this paper, and gives the deficiency and prospect.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O212

【相似文獻】

相關期刊論文 前10條

1 張學新;;變點檢測問題最新進展綜述[J];江漢大學學報(自然科學版);2012年02期

2 周影輝;倪中新;謝琳;;泊松序列中變點的快速識別方法[J];統計與決策;2013年11期

3 陳希孺;變點統計分析簡介[J];數理統計與管理;1991年01期

4 繆柏其,趙林城,譚智平;關于變點個數及位置的檢測和估計[J];應用數學學報;2003年01期

5 王黎明;變點統計分析問題及其應用[J];內蒙古統計;2004年03期

6 黃志堅;張志華;金家善;;基于分組數據的可靠性變點分析[J];兵工自動化;2007年10期

7 王黎明;;三種變點問題理論及其應用[J];泰山學院學報;2007年06期

8 張恒;張志華;;產品使用可靠性的變點模型及其統計分析[J];湖北師范學院學報(自然科學版);2009年03期

9 王景樂;劉維奇;;時間序列中方差的結構變點的小波識別(英文)[J];應用概率統計;2010年02期

10 廖遠u&;朱平芳;;均值和方差雙重變點的貝葉斯偵測[J];統計研究;2011年11期

相關會議論文 前3條

1 陳惠;湯銀才;;已知變點數下二次回歸模型方差變點分析[A];中國現場統計研究會第12屆學術年會論文集[C];2005年

2 汪永新;;短樣本多指標動態(tài)經濟數據變點的識別方法[A];中國現場統計研究會第九屆學術年會論文集[C];1999年

3 李強;王黎明;王文雯;;基于中國股市行業(yè)收益率面板數據的貝葉斯方法變點檢測[A];中國系統工程學會第十八屆學術年會論文集——A13其他管理領域的創(chuàng)新研究成果問題[C];2014年

相關博士學位論文 前9條

1 張立文;分位數回歸中變點問題的若干研究[D];復旦大學;2014年

2 王丹;重尾序列與非參數回歸模型的變點分析[D];西北大學;2014年

3 李拂曉;幾類時間序列模型變點監(jiān)測與檢驗[D];西北工業(yè)大學;2015年

4 譚常春;變點問題的統計推斷及其在金融中的應用[D];中國科學技術大學;2007年

5 韓四兒;兩類厚尾相依序列的變點分析[D];西北工業(yè)大學;2007年

6 董翠玲;測量誤差模型方差變點的統計推斷[D];中國科學技術大學;2013年

7 聶維琳;變點靠近序列端點的檢測問題[D];武漢大學;2010年

8 趙華玲;逐段線性回歸中變點問題的統計推斷[D];武漢大學;2011年

9 王景樂;非參數模型中變點的檢測及刪失數據中刪失指標隨機缺失下回歸函數的估計[D];復旦大學;2012年

相關碩士學位論文 前10條

1 胡俊迎;基于RJMCMC的Gamma分布尺度參數的多變點檢測[D];合肥工業(yè)大學;2017年

2 陳少夢;基于Cucconi檢驗及變點模型的非參數統計質量控制圖研究[D];浙江大學;2015年

3 劉俐;基于變點—模糊理論的龍灘水庫汛期分期調度研究[D];廣西大學;2015年

4 劉晉芳;多元正態(tài)向量均值變點在線監(jiān)測[D];山西大學;2015年

5 王新喬;半參數面板回歸模型的變點分析[D];大連理工大學;2015年

6 樊慶祝;基于貝葉斯分析理論的快遞業(yè)務量變點研究[D];廣西師范學院;2015年

7 呂會琴;厚尾相依序列變點Ratio檢驗[D];西安工程大學;2016年

8 侯炳山;面板數據中均值與方差的斷點分析[D];浙江大學;2016年

9 李明宇;面板數據AR(1)模型的變點分析[D];浙江大學;2016年

10 張瑞紅;基于局部多項式回歸的時間序列變點檢測[D];南京大學;2016年

，

本文編號：2178177