导读:本文包含了协方差数据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:协方差,数据,矩阵,模型,方法,广义,阈值。
协方差数据论文文献综述
倪宣明,钱龙,赵慧敏,黄嵩[1]（2019）在《高频数据下高维协方差阵的RCM算法估计与应用》一文中研究指出基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.(本文来源于《系统工程理论与实践》期刊2019年08期）
摆玉龙,孟若玉,马真东,柴乾隆[2]（2019）在《变分数据同化方法中背景误差协方差矩阵的统计特性研究》一文中研究指出变分数据同化方法中,背景误差协方差矩阵(简称B矩阵)作为反映模型不同状态变量间关系的重要数学量,对保证解的唯一性和分析值的平滑性具有重要意义.文中简述了B矩阵的结构特征和相关性质.针对难以获得真实B矩阵的情况,采用National meteorological center(简称NMC)方法对B矩阵进行了近似构造,以Lorenz63模型和叁维变分同化算法进行了同化试验,验证了NMC方法的有效性,讨论了B矩阵的数学特性和分布特征.(本文来源于《西北师范大学学报(自然科学版)》期刊2019年01期）
樊亚莉,徐孝琳[3]（2018）在《纵向数据均值和协方差矩阵的有效稳健估计（英文）》一文中研究指出本文提出一种针对纵向数据回归模型下的均值和协方差矩阵同时进行的有效稳健估计.基于对协方差矩阵的Cholesky分解和对模型的改写,我们提出一个加权最小二乘估计,其中权重是通过广义经验似然方法估计出来的.所提估计的有效性得益于经验似然方法的优势,稳健性则是通过限制残差平方和的上界来达到.模拟研究表明,和已有的针对纵向数据的稳健估计相比,所提估计具有更高的效率和可比的稳健性.最后,我们把所提估计方法用来分析一组实际数据.(本文来源于《应用概率统计》期刊2018年06期）
赵鑫[4]（2018）在《高维金融数据协方差的估计》一文中研究指出协方差矩阵在资产组合分析等诸多金融领域有很广泛的应用,但是由于样本协方差估计的局限性以及随着海量高维数据发展随之而来的维数灾难,引起了对协方差矩阵估计的进一步研究。本文首先介绍了样本协方差矩阵的局限性,根据金融数据分析的特点,介绍了两大类对协方差矩阵的估计方法:阈值估计方法(包括通用阈值方法、自适应阈值方法、POET方法等)和收缩估计方法。并对它们进行了比较与分析。虽然两者都是对协方差加入金融数据的结构特性,但是阈值方法是对矩阵元素进行稀疏化,而收缩估计方法是对协方差整体加入结构特点。两者对样本协方差的估计都有所改进。对于金融时间序列数据的分析,不同时间上的观测数值影响不同权重不同。所以本文提出了指数平滑样本协方差估计。不仅可以改进样本协方差的估计,还可以同已有的阈值估计和收缩估计相结合,改进阈值估计和收缩估计。根据100只股票的真实数据可以实例验证:对于金融时间序列数据的分析,指数平滑样本协方差方法有良好的估计效果,同时利用指数平滑样本协方差改进的阈值法估计和收缩法估计也比其原来模型的估计效果更好。在该实例估计结果中,选取合适的平滑因子和窗宽,指数平滑样本协方差改进的阈值法估计和收缩法估计比原模型的估计效果提升6%到12%不等。(本文来源于《电子科技大学》期刊2018-03-26）
刘丽萍[5]（2018）在《基于高频数据的大维金融协方差阵的估计与应用》一文中研究指出较低频数据而言,高频数据包含了更丰富的数据信息,一般而言基于高频数据估计得到的协方差阵也更加的有效。但是噪声的影响使得高频协方差阵的估计并不理想,尤其当资产的维度较高时,高维高频协方差阵的估计就变得更为困难。文章在基于高频数据的协方差阵估计中引入主成分和门限方法,提出了新的协方差阵估计方法,来解决维数灾难和噪声的影响。通过模拟和实证研究发现:新的估计方法明显提高了协方差阵的估计效率,并且应用时使投资者获得了更高的收益。(本文来源于《统计与决策》期刊2018年05期）
刘丽萍[6]（2018）在《高维厚尾金融数据协方差阵的统计估计及应用》一文中研究指出近年来,关于高维协方差阵估计的研究大多是在正态分布的假定下进行的,少有研究考虑金融数据的厚尾特征对协方差阵估计的影响。在提出新方法估计厚尾金融海量数据协方差阵的基础上,先引入乔列斯基分解法,将复杂的协方差阵估计问题转化为一系列的回归模型;再在回归模型的估计过程中引入RA-Lasso方法,使其在解决维数诅咒的同时,还考虑由于数据的厚尾特征而引起的估计偏差问题;通过模拟和实证研究发现,新的方法明显提高了协方差阵的估计效率,并且使投资者获得了更高的收益。(本文来源于《统计与信息论坛》期刊2018年02期）
刘丽萍[7]（2017）在《基于混合频率数据的大维协方差阵的估计及其应用》一文中研究指出大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响使得协方差阵的估计较为困难.在文章的研究中,将高频数据和低频数据相结合,提出了基于混合频率数据的协方差阵的估计和预测模型——MFD模型,MFD模型在解决了维数诅咒的同时还考虑了过去市场信息对协方差阵的影响,动态地估计和预测了未来的协方差阵.通过实证研究发现:较基于低频数据和高频数据的协方差阵估计和预测模型而言,MFD模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时,投资者获得了更高的投资收益和经济福利.(本文来源于《系统科学与数学》期刊2017年06期）
刘建涛,任岁玲,姜永兴,章伟裕,徐鹏[8]（2017）在《基于数据协方差矩阵重构的MIMO声纳DOA估计》一文中研究指出实际多输入多输出(MIMO)声纳系统由于环境或人为因素,可能出现部分阵元失效,从而导致阵列自由度减少、方位估计精度下降。本文提出了一种数据协方差矩阵重构方法,该方法基于差分阵列性质,利用正常工作阵元的协方差矩阵元素来恢复失效阵元的矩阵元素,获得满秩的数据协方差矩阵,从而恢复到全阵元MIMO声纳的阵列自由度。与已有方法相比,降低了计算复杂度。仿真及海试实验数据处理结果表明,本文所提的数据协方差矩阵重构方法能够恢复因部分阵元失效而丢失的阵列自由度,应用于方位估计中,所能分辨的最大目标数与全阵元相同。(本文来源于《应用声学》期刊2017年02期）
宋丽莎[9]（2017）在《纵向数据变系数单指标模型的半参数均值—协方差分析》一文中研究指出纵向数据广泛应用于农业、工业、生物医学、流行病学、社会经济学等领域,对其建模已成为国内外统计学者研究的热点.纵向数据的一个重要特征就是对于给定个体的重复观测间存在序列相关,如果忽略这一相关,回归函数的估计可能是无效的,因此估计协方差结构也是纵向数据分析必不可少的一部分.变系数单指标模型在参数和非参数模型间提供了一个很好地平衡,在克服非参数模型“维数灾难”问题的同时,还保留了参数模型简约性和直观解释性的优点,因此本文考虑纵向数据变系数单指标模型的半参数均值-协方差分析.本文首先阐述了纵向数据的各类统计模型及其研究现状,以及纵向数据协方差结构的研究现状.其次,引入了纵向数据变系数单指标模型,并给出了其估计的方法和步骤.具体来说,先基于方差-相关分解,对协方差结构建立了半参数的模型,分别用广义估计方程方法和伪似然方法来估计方差函数和相关结构参数;然后基于估计的协方差结构,采用轮廓迭代方法估计均值函数中的单指标参数和未知函数.最后,在一些假设条件下,建立了相关结构参数、方差函数、单指标参数和未知函数的估计的大样本性质,并分别给出了其证明.我们还通过模拟和实证分析验证了所提出估计方法的有效性.(本文来源于《南京师范大学》期刊2017-03-01）
殷炼乾[10]（2016）在《高频价格数据信息对资产组合动态风险测度的影响研究——基于实现协方差矩阵模型的分析》一文中研究指出组合风险的估计和预测一直都是风险管理中非常重要的一个方面。本文使用了利用高频数据信息的实现协方差矩阵、DCC-MVGARCH多元波动率模型、Risk Metrics模型和多元正交GARCH模型对沪深两市的指数资产组合风险在险价值的预测失败率进行了对比,并利用动态分位数检验方法对各模型的组合风险测度稳健性进行了对比研究。研究结果证明,基于高频数据的实现协方差矩阵模型能够显着提高组合风险测度的预测精度,且严格符合Va R置信区间所要求的失败率,能够很好地在提高资金使用效率与管理资产组合风险敞口间取得平衡。(本文来源于《金融发展研究》期刊2016年07期）
协方差数据论文开题报告
（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：
变分数据同化方法中,背景误差协方差矩阵(简称B矩阵)作为反映模型不同状态变量间关系的重要数学量,对保证解的唯一性和分析值的平滑性具有重要意义.文中简述了B矩阵的结构特征和相关性质.针对难以获得真实B矩阵的情况,采用National meteorological center(简称NMC)方法对B矩阵进行了近似构造,以Lorenz63模型和叁维变分同化算法进行了同化试验,验证了NMC方法的有效性,讨论了B矩阵的数学特性和分布特征.
（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。
协方差数据论文参考文献
[1].倪宣明,钱龙,赵慧敏,黄嵩.高频数据下高维协方差阵的RCM算法估计与应用[J].系统工程理论与实践.2019
[2].摆玉龙,孟若玉,马真东,柴乾隆.变分数据同化方法中背景误差协方差矩阵的统计特性研究[J].西北师范大学学报(自然科学版).2019
[3].樊亚莉,徐孝琳.纵向数据均值和协方差矩阵的有效稳健估计（英文）[J].应用概率统计.2018
[4].赵鑫.高维金融数据协方差的估计[D].电子科技大学.2018
[5].刘丽萍.基于高频数据的大维金融协方差阵的估计与应用[J].统计与决策.2018
[6].刘丽萍.高维厚尾金融数据协方差阵的统计估计及应用[J].统计与信息论坛.2018
[7].刘丽萍.基于混合频率数据的大维协方差阵的估计及其应用[J].系统科学与数学.2017
[8].刘建涛,任岁玲,姜永兴,章伟裕,徐鹏.基于数据协方差矩阵重构的MIMO声纳DOA估计[J].应用声学.2017
[9].宋丽莎.纵向数据变系数单指标模型的半参数均值—协方差分析[D].南京师范大学.2017
[10].殷炼乾.高频价格数据信息对资产组合动态风险测度的影响研究——基于实现协方差矩阵模型的分析[J].金融发展研究.2016
论文知识图
