导读:本文包含了广义自回归模型论文开题报告文献综述及选题提纲参考文献，主要关键词:汽车保险,机器学习,变量重要性,随机森林
广义自回归模型论文文献综述
张碧怡,肖宇谷,曾宇哲[1]（2019）在《车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型》一文中研究指出车险业务中影响车险损失的风险因子很多,如从人因子、从车因子、从属地因子和保单属性因子等,保险公司通常利用这些风险因子对个体风险进行分类,一方面作为车险定价的依据,另一方面也为部门沟通、业务选择和市场细分提供支持。因此,识别风险因子的重要性对提升整个车险业务质量有非常重要的意义。近年来机器学习算法在车险损失预测中的应用越来越多,但目前的研究主要考虑了损失预测的精度,对风险因子的重要性测度缺少系统深入的研究。为此,本文对8个车险数据集,利用两种集成学习方法(随机森林和XGBoost),比较了它们与广义线性回归模型在索赔频率风险因子重要性测度上的一致性。研究结果表明,这两种集成学习方法不仅能提高预测精度,还能提供较一致的风险因子重要性测度。(本文来源于《保险研究》期刊2019年10期）
李泽光,孙楚[2]（2019）在《广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究》一文中研究指出国家政策的推出对于股市的波动造成何种影响,是在研究我国股市波动性时需要关注的一个重要问题。本文结合我国股票市场的实际发展,选取"融资融券"业务这一重要政策,并提取政策提出前后股票市场中的有关数据,对数据进行GARCH类模型拟合,结合所得模型分析该政策提出前后股市的波动性变化。(本文来源于《市场周刊》期刊2019年10期）
孙舒曼[3]（2019）在《广义时空变系数自回归模型的参数估计及应用研究》一文中研究指出随着大数据时代的来临,数据量成倍骤增,为更加便捷的管理和使用这些数据,常常将它们分类保存.若按时间或空间划分,可将收集的数据划分为空间数据和时间数据,统称时空数据.通过对时空数据的研究和分析,能够更好的度量不同时空位置对某一定点的影响程度,此外,时空数据还具有时空相关性和时空异质性等特点.近年来,非参数模型方法日益完善,变系数模型受到了更多学者的关注,为解决时空数据问题,时空变系数回归模型孕育而生,然而该时空模型多用于解决连续时空数据问题,对离散时空数据问题研究甚少.本文针对时空离散数据问题,提出新的时空变系数模型,并应用到时空艾滋病数据的研究之中.首先,本文构建了广义时空变系数回归模型和广义时空变系数自回归模型.然后,通过局部线性GWR估计和迭代加权最小二乘估计的方法对广义时空变系数回归模型中的参数进行求解,并由模拟实验得到系数函数模拟曲面,通过对比,发现广义时空变系数回归模型比广义空间变系数回归模型更适合处理时空离散数据问题.接着,使用GWR估计、N-R迭代和Fisher标分法的方法对广义时空变系数自回归模型中的参数进行求解,同样经过模拟实验得到系数函数模拟曲面,对比发现:在相同的参数估计方法下,广义时空变系数自回归模型比广义时空变系数回归模型更适合处理时空离散数据问题.本文使用广义时空变系数回归模型分析中国31个省份、直辖市和自治区在2011-2016年滋病发病率的时空变化情况,并讨论客运量、人均GDP、人口密度和每千人医疗机构床位数这四个宏观因素对艾滋病发病率的影响以及该影响的时空变化特性.同时,使用广义时空变系数自回归模型分析在2011-2016年非洲南部10个大陆国家的艾滋病时空变化情况,以及人均GDP和人口密度对艾滋病发病率影响的时空变化特性.研究发现:1)艾滋病高度发病区存在明显的变化趋势和时空聚集性;2)不同区域不同时间,各个宏观因素对艾滋病发病率影响的强度不同;3)艾滋病发病率的时空分布特征与宏观因素的变化特征密切相关.(本文来源于《新疆大学》期刊2019-06-30）
陈颖,陈大鹏[4]（2019）在《大型火电机组主蒸汽流量的广义回归模型》一文中研究指出首先利用逐步回归法有效地减少模型变量,优化模型结构,再在分层抽样后,利用广义回归神经网络建立主蒸汽流量的预测模型。实例计算表明,该模型能够很好地解决多元非线性函数的逼近问题,并且模型运算速度快、模型精度高,可有效地用于主蒸汽流量的软测量工作。(本文来源于《重庆电力高等专科学校学报》期刊2019年03期）
黄文婷[5]（2019）在《Meta回归模型中基于广义Cochran's Q-statistic的局部影响分析》一文中研究指出Meta分析是对多个有着同一目的且彼此之间互相独立的研究结果进行综合评价与定量分析的一种系统的方法。国内外的众多学者对Meta分析进行了大量的研究,Meta分析现已被广泛地应用于各种各样的领域,例如医学、生态学、经济学、社会科学等。根据已有的文献可知,在Meta回归分析中,关于异质性的估计方法有很多种,并且学者们也对这些方法进行了一定的应用。其中,关于Meta分析中异常值和影响点的识别问题,也有相应的学者对其进行了讨论。Viechtbauer和Cheung(2010)将线性回归分析中的诊断方法应用到了Meta分析模型,识别了Meta分析模型中的异常值和影响点。石磊等(2017)对Meta回归分析模型进行了影响诊断,研究了Meta随机效应模型在数据删除和局部影响分析框架下影响点的诊断理论,但是,文章虽然给出了基于似然的局部影响分析,但对Meta回归模型中的其它常用统计量,比如广义Cochran’s Q-statistic还未涉及到。因此,如何基于广义Cochran’s Q-statistic及其它非似然统计量进行局部影响分析仍然是一个需要探讨的问题。本文基于广义影响函数和广义Cook统计量的局部影响分析的理论框架下,考虑了Meta回归模型中的广义Cochran’s Q-statistic和Paule and Mandel(PM)两种估计方法,分别导出了关于异质性方差估计的诊断统计量,再通过个体加权扰动方案和因变量加权扰动方案等方式进行局部影响分析,并通过实例证明了上述方法的有效性。通过实例分析,本文发现用非似然统计量进行局部影响分析时和基于似然的局部影响分析所得到的结果一致。且不同的统计量识别出来的影响点或异常值是不同的;对于同一统计量而言,不同的扰动方式识别出来的影响点或异常值也是不同的。(本文来源于《云南财经大学》期刊2019-06-16）
孙帆[6]（2019）在《对数广义逆威布尔分布回归模型的统计诊断》一文中研究指出广义逆威布尔分布(GIW)是在逆威布尔分布基础上扩展得到的一种叁参数寿命分布,由于它在描述产品寿命时的适用性和灵活性,广义逆威布尔分布被广泛应用于生物、医药和工程等领域.众所周知,例如寿命常受到众多因素影响,为了建立寿命数据与这些协变量之间的相关关系,构建回归模型建立统计关系并通过回归分析方法检测分析.由于寿命数据与协变量之间往往呈现对数线性关系,本文第二章在广义逆威布尔分布基础上将其对数化并建立了对数广义逆威布尔分布(LGIW)回归模型,并对该模型进行参数估计.传统的基于牛顿-高斯迭代的极大似然估计因过度依赖初始值(初始值的选择影响收敛程度甚至收敛性),故对牛顿-高斯迭代进行修正,得到迭代稳定性更佳的极大似然估计,并通过数值模拟探究了参数估计的模拟效果.模拟表明,迭代修正的极大似然估计效果是显着的,且随着样本容量的增大,迭代次数随之越少,参数估计值更加接近真实值.数据删除模型作为统计诊断方法中使用最广同时也最为重要的模型之一,已被广泛的应用到各类回归模型的统计诊断中.本文第叁章基于LGIW回归模型建立该模型的数据删除模型,并得到该数据删除模型的参数估计及其一步近似,此外基于数据删除模型得到相应的诊断统计量及其一步近似(Cook距离、似然距离和WK统计量),最后数值模拟和实例分析通过这些诊断统计量直观的检测出强影响点或异常点,并且能够准确的检测出人为异常点,证明了该模型及其诊断统计量的有效性.本文第四章研究了LGIW回归模型的回归系数的假设检验,分别对回归模型的回归系数采用存在性检验和基于参数化的齐性检验的方法,得到了相应的Score检验统计量,其次通过数值模拟和实例分析说明了本章方法和Score检验统计量的有效性.(本文来源于《安庆师范大学》期刊2019-06-01）
孙帆,戴林送[7]（2019）在《对数广义逆威布尔回归模型的参数估计》一文中研究指出分析了对数广义逆威布尔回归模型,修正了高斯-牛顿迭代法,利用修正的高斯-牛顿法研究了对数广义逆威布尔分布模型的极大似然估计,得出了广义逆威布尔分布模型的参数估计。通过Monte Carlo数值模拟研究了该估计在不同样本条件下的参数估计结果。数值模拟结果显示:该模型的修正迭代极大似然估计效果是显着的,在不同样本条件下具有良好的表现和一定的规律性。(本文来源于《新乡学院学报》期刊2019年03期）
马俊美,卓金武,张建,陈渌[8]（2019）在《广义自回归条件异方差模型加速模拟定价理论》一文中研究指出研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.(本文来源于《同济大学学报(自然科学版)》期刊2019年03期）
白鹤松,曲振涛[9]（2018）在《引入半参数的广义自回归条件异方差模型下的产业收益率预测》一文中研究指出文章对GARCH模型进行拓展,通过半参数化处理以提高模型的预测精度。使用OLS检验和SPA检验两种方法对半参数化后的广义自回归条件异方差模型的预测能力进行验证。半参数化GARCH模型具有形式简洁、易于操作及预测精度高等优点。以冰雪文化产业园的收益率为研究对象,采用半参数化GARCH模型进行实证检验,结果表明我国冰雪文化产业园的收益率总体偏低,冰雪文化产业的发展还处于发展阶段,预计到2032年我国冰雪文化产业园的收益率可达86.27%,是今后需要重点扶持的产业之一。(本文来源于《统计与决策》期刊2018年08期）
吴昕宇[10]（2018）在《带有多元条件自回归的广义混合线性模型在空间统计数据上的应用》一文中研究指出论文研究了疾病数据的空间分布模型,在研究这一问题常用的条件自回归模型的基础上,将其与广义线性回归模型相结合,并由过去只研究单种疾病,发展到研究两种以上疾病在空间中的分布关系。Jin等人在2005年介绍了一种更加灵活的广义多元条件自回归模型,并运用贝叶斯的方法进行参数估计。在本文中,我们在Jin等人的研究基础上,使用分层贝叶斯的计算方法对模型进行迭代,从而计算出各个参数。在第1节与第2节,论文介绍了空间自相关性理论,因为证明数据是空间相关的是我们研究空间统计的前提,介绍了多变量条件自回归(MCAR)模型,并将其与线性模型结合,扩展至广义空间线性混合模型。在第叁节进行模型的模拟工作,对多元条件自回归模型与广义线性模型的混合模型进行模拟检测,证明模型是合理且可用于实例分析。在实例分析部分,论文利用了《中国肿瘤登记地区2008年恶性肿瘤发病和死亡分析》所提供的数据,通过Moran’s I指数证明了肿瘤发病与死亡数据都具有有空间相关性的,根据Local Moran’s I值、Z得分确定了每个区域的空间聚集类型,即高高,低低,高低,低高,并对一些特定地区进行分析。论文选用了代表性比较强胃癌和食道癌进行分析,利用Openbugs软件在迭代5万次之后使所有主要参数均尾部均达到平稳,由结果可以得出,这两种疾病都具有较强的空间相关度,并且两种疾病在空间上有微弱的正向关系,即胃癌在空间上对肝脏癌存在一个正向的促进效应。(本文来源于《大连理工大学》期刊2018-03-25）
广义自回归模型论文开题报告
（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：
国家政策的推出对于股市的波动造成何种影响,是在研究我国股市波动性时需要关注的一个重要问题。本文结合我国股票市场的实际发展,选取"融资融券"业务这一重要政策,并提取政策提出前后股票市场中的有关数据,对数据进行GARCH类模型拟合,结合所得模型分析该政策提出前后股市的波动性变化。
（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。
广义自回归模型论文参考文献
[1].张碧怡,肖宇谷,曾宇哲.车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型[J].保险研究.2019
[2].李泽光,孙楚.广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究[J].市场周刊.2019
[3].孙舒曼.广义时空变系数自回归模型的参数估计及应用研究[D].新疆大学.2019
[4].陈颖,陈大鹏.大型火电机组主蒸汽流量的广义回归模型[J].重庆电力高等专科学校学报.2019
[5].黄文婷.Meta回归模型中基于广义Cochran'sQ-statistic的局部影响分析[D].云南财经大学.2019
[6].孙帆.对数广义逆威布尔分布回归模型的统计诊断[D].安庆师范大学.2019
[7].孙帆,戴林送.对数广义逆威布尔回归模型的参数估计[J].新乡学院学报.2019
[8].马俊美,卓金武,张建,陈渌.广义自回归条件异方差模型加速模拟定价理论[J].同济大学学报(自然科学版).2019
[9].白鹤松,曲振涛.引入半参数的广义自回归条件异方差模型下的产业收益率预测[J].统计与决策.2018
[10].吴昕宇.带有多元条件自回归的广义混合线性模型在空间统计数据上的应用[D].大连理工大学.2018