导读:本文包含了变窗宽论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:渐近,局部,模型,线性,联立,乘法,广义。
变窗宽论文文献综述
郑丽姿[1]（2019）在《基于跳扩散模型变窗宽非参数估计的Shibor动态研究》一文中研究指出银行间同业拆借市场利率,作为我国正式步入利率市场化的进程后最先开放的利率,对经济活动产生重要影响。中国人民银行为促进利率市场化,于2007年1月4日推出上海同业拆借利率即Shibor作为我国货币市场基准利率,受经济环境的冲击影响,其波动特征则具有重要研究价值。目前学术界对Shibor的研究主要集中在其可行性和稳定性上,本文将着重研究Shibor的波动性,为更好得了解中国利率市场的特点提供思路和方法。通过国内外研究发现,重要的宏观经济事件会引起利率市场的波动,本文通过对Shibor隔夜数据的观测发现,其突然的大波动与相对应时间所发生的重要经济事件有着紧密联系,因此研究其跳跃特征对利率风险的把控具有重要意义。跳扩散模型是刻画短期利率的有效模型之一,本文运用变窗宽非参数估计方法和常数核估计(NW估计)方法估计模型的系数,以验证变窗宽思想引入提高了估计精度。首先通过蒙特卡罗模拟,对两种跳扩散模型的漂移系数和波动率系数分别进行变窗宽估计和NW估计,通过对误差指标的比较表明变窗宽估计更加贴近真实值,并通过改变相关设定的参数和设定固定轨道的方法进行多次仿真实验证明变窗宽估计的稳健性,以此为精准化度量利率的波动行为提供理论基础。实证分析中,本文以2007-2017年Shibor利率作为研究对象,识别其跳跃特征和宏观经济事件的时间联系。通过平稳性分析,将Shibor的隔夜数据(O/N)分割成测试集和训练集,利用变窗宽估计方法和NW估计方法估计其漂移系数和波动率系数,比较误差指标表明变窗宽估计适用于对Shibor利率场景的描述,特别对于如Shibor利率存在跳跃现象的数据,变窗宽估计值更加体现高精度性。因此,本文从实际问题出发,为更好得研究和拟合具有跳跃行为的Shibor利率数据,用跳扩散模型取代一般化利率模型对数据进行模拟,比较参数估计和非参数估计的优劣后引入变窗宽思想,提出使用变窗宽非参数估计方法对模型进行估计,该估计方法充分利用数据信息,极大提高估计精度。经过蒙特卡罗的多维度模拟,验证了变窗宽估计较NW估计的优化性和稳健性。再应用于对Shibor数据的波动性研究中,说明变窗宽非参数估计方法能更加准确捕捉数据信息,并给出高精度估计,也以此说明该方法的实际经济场景应用价值。(本文来源于《上海师范大学》期刊2019-05-01）
玄海燕,李琪,杨娜娜[2]（2013）在《时空加权回归模型的变窗宽局部估计》一文中研究指出基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.(本文来源于《甘肃联合大学学报(自然科学版)》期刊2013年04期）
孙营[3]（2013）在《变系数联立模型的变窗宽局部线性两阶段最小二乘估计》一文中研究指出研究了变系数联立模型的参数的估计问题,利用变窗宽局部线性两阶段最小二乘法对变系数联立模型的系数进行了估计,进而得到了估计量的大样本性质。(本文来源于《广东石油化工学院学报》期刊2013年03期）
杨益民[4]（2013）在《左截断数据下回归函数的变窗宽局部线性M估计》一文中研究指出在左截断数据下构造了回归函数的变窗宽局部线性M估计,得到了该估计的弱相合性以及渐近正态性结果,把文[1]在完全数据下的结果推广到左截断数据下.模拟结果表明该估计处理离群数据时具有稳健性.(本文来源于《杭州师范大学学报(自然科学版)》期刊2013年03期）
田玉刚,杜渊会,何义丰[5]（2012）在《变窗宽核加权估计下的变形趋势拟合方法》一文中研究指出变形监测数据处理的方法有很多,但这些方法对数据量及数据的采集方式有特定的要求,或者计算过程复杂。针对这些问题,提出了基于变窗宽核加权估计的变形趋势拟合方法,即先用较大窗宽的核加权估计去拟合变形的整体趋势,再用较小窗宽的核加权估计去拟合残余变形量——局部趋势。并针对这一新方法,提出了一种新的窗宽计算方法,即时序间隔标准差窗宽。以某大坝某一监测点32期的高程变形拟合为例,比较了不同的窗宽以及不同变窗宽组合的核加权拟合效果。结果表明,采用时序间隔标准差窗宽的核加权拟合比经验窗宽的拟合精度高;而基于变窗宽的核加权拟合比前两者精度更高。(本文来源于《测绘科学技术学报》期刊2012年01期）
姚丽丽,宋向东,赵梦琳,张云霞,刘燕[6]（2011）在《部分线性回归模型变窗宽一步局部M-估计》一文中研究指出讨论了部分线性回归模型的变窗宽一步局部M-估计.用一步局部M-估计给出未知函数的估计,用平均方法给出参数估计.进一步通过两个引理证明一步M-估计的渐近正态性.所提出的方法继承了局部多项式的优点并且克服了最小二乘法缺乏稳健性的缺点.(本文来源于《数学的实践与认识》期刊2011年22期）
姚丽丽[7]（2011）在《部分线性回归模型变窗宽M-估计》一文中研究指出部分线性回归模型是Engel等人在研究天气对电力需求的影响时提出的。部分线性回归模型既包含了参数部分也包含了非参数部分，它比线性模型更自由灵活，吸引了许多的学者来研究部分线性模型中参数部分和非参数部分的相合性和渐近正态性。关于部分线性回归模型的研究，己经有了一些估计方法，主要有核估计、样条估计、分片多项式估计等。这些回归方法都是基于最小二乘法，缺乏稳健性。论文运用了稳健统计中的M-方法讨论了具有函数关系的部分线性模型以及部分线性回归模型中未知函数和未知参数的估计问题。主要内容如下：首先，论文介绍了模型的发展历史和研究现状以及与M-估计相关的基础知识。其次，论文利用了M-方法，并嵌入变窗宽，建立了具有函数关系的部分线性回归模型中未知函数及未知参数的变窗宽M-估计，并证明其所具有的相合性及其渐近正态性。进一步讨论了变窗宽一步局部M-估计，在初估计足够好的情况下，具有与M-估计相同的渐近的正态性。一步局部M-估计不但稳健了局部最小二乘估计而且真实地继承了局部最小二乘估计的所有好性质，而且减少了计算量。再次，论文讨论了部分线性回归模型中未知函数及未知参数的变窗宽M-估计的存在性和唯一性。最后，论文将最小二乘加权估计以及M-估计结合起来，讨论了较为特殊的部分线性回归模型中的未知函数和未知参数估计的收敛速度和强相合性。(本文来源于《燕山大学》期刊2011-11-01）
罗中德,杨善朝[8]（2011）在《ρ混合过程下变窗宽局部M-估计的强相合性》一文中研究指出考虑到在实际应用中,运用变窗宽局部M-估计进行非参数估计时,所收集到的数据有时并非独立样本,而可能是一些混合样本.因此,本文就观测数据为ρ混合过程的条件下,讨论了变窗宽局部M-估计的强相合性,并给出两个具有较弱假设条件的定理.(本文来源于《应用概率统计》期刊2011年05期）
孙营,郭鹏江[9]（2011）在《变系数联立模型的局部线性广义矩变窗宽估计》一文中研究指出在随机设计条件下,提出了一类变系数联立模型,运用局部线性广义矩变窗宽估计,对模型的变系数进行了估计,研究了估计量的大样本性质.利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质,局部线性广义矩变窗宽估计具有相合性和渐进正态性.(本文来源于《纯粹数学与应用数学》期刊2011年02期）
李甫,石光明,张犁,齐飞[10]（2010）在《应用于光电目标跟踪的变窗宽核粒子滤波》一文中研究指出核函数粒子滤波(KPF)是小噪声动态系统目标跟踪的一种有效方法,核窗宽选择是该方法中核密度估计的核心问题。本文提出了一种基于协方差的变窗宽核粒子滤波算法。该方法首先通过粒子集的协方差矩阵估计粒子的粗略核窗宽和其粗略的后验概率密度,然后调节全局核窗宽获得适用于每一个粒子的精确核窗宽,提高核密度的估计精度;然后,通过迭代寻找后验概率模型,使得粒子集能够在核密度估计后向后验概率密度的真实分布移动,从而提高跟踪精度。通过这种方法生成的新粒子是对后验概率密度的一个更加近似的表达。实验结果表明,在小噪声动态系统中,本文提出的变窗宽核函数粒子滤波在光电目标跟踪的性能和效率(PF的20%粒子数目)上都优于传统的粒子滤波(PF)、UPF(Unscented Particle Filter)以及KPF方法。(本文来源于《光学精密工程》期刊2010年03期）
变窗宽论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变窗宽论文参考文献
[1].郑丽姿.基于跳扩散模型变窗宽非参数估计的Shibor动态研究[D].上海师范大学.2019
[2].玄海燕,李琪,杨娜娜.时空加权回归模型的变窗宽局部估计[J].甘肃联合大学学报(自然科学版).2013
[3].孙营.变系数联立模型的变窗宽局部线性两阶段最小二乘估计[J].广东石油化工学院学报.2013
[4].杨益民.左截断数据下回归函数的变窗宽局部线性M估计[J].杭州师范大学学报(自然科学版).2013
[5].田玉刚,杜渊会,何义丰.变窗宽核加权估计下的变形趋势拟合方法[J].测绘科学技术学报.2012
[6].姚丽丽,宋向东,赵梦琳,张云霞,刘燕.部分线性回归模型变窗宽一步局部M-估计[J].数学的实践与认识.2011
[7].姚丽丽.部分线性回归模型变窗宽M-估计[D].燕山大学.2011
[8].罗中德,杨善朝.ρ混合过程下变窗宽局部M-估计的强相合性[J].应用概率统计.2011
[9].孙营,郭鹏江.变系数联立模型的局部线性广义矩变窗宽估计[J].纯粹数学与应用数学.2011
[10].李甫,石光明,张犁,齐飞.应用于光电目标跟踪的变窗宽核粒子滤波[J].光学精密工程.2010
论文知识图
