近年來,模型平均方法的應(yīng)用越來越廣泛,是當(dāng)代經(jīng)濟(jì)、生物、醫(yī)學(xué)和統(tǒng)計(jì)學(xué)界研究的熱點(diǎn)話題。好的權(quán)重可以使得預(yù)測或者估計(jì)的風(fēng)險最小,以達(dá)到研究工作的目的。但一組不好的權(quán)重確可以導(dǎo)致估計(jì)或者預(yù)測出現(xiàn)很大的偏差,有時會給實(shí)際問題帶來非常大的損失。所以,如何選取組合權(quán)重是實(shí)際研究工作中最重要也是最困難的問題。最早對這一問題做出重要貢獻(xiàn)之一的是Hansen（2007,Econometrica）這篇文章,他通過極小化Mallows準(zhǔn)則來得到最優(yōu)權(quán)重,開啟了早期的最小二乘模型平均方法。Hansen的論文的主要貢獻(xiàn)是證明了Mallows準(zhǔn)則漸近等價于平方誤差,因此使Mallows準(zhǔn)則最小化的模型平均估計(jì)量也使得大樣本中的平方誤差最小。本文通過最小化一個新的準(zhǔn)則來得到權(quán)重向量,介紹了一種新的模型平均方法并且證明了此估計(jì)在離散權(quán)重集合和非嵌套模型結(jié)構(gòu)中的漸近最優(yōu)性。在一些估計(jì)和預(yù)測問題中,有時候使用對稱損失是非常不合適的。鑒于現(xiàn)有的模型平均方法都是建立在對稱損失的基礎(chǔ)之上,本文引入了在非對稱損失準(zhǔn)則上選取隨機(jī)權(quán)重的方法,模擬和實(shí)際應(yīng)用結(jié)果均顯示了在這一準(zhǔn)則下所得到估計(jì)的優(yōu)越性。這些貢獻(xiàn)顯著拓寬了現(xiàn)有的關(guān)于模型... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【部分圖文】：

=1時，與不同的相對應(yīng)的不同的LINEX損失值

2,其中 表示第 次產(chǎn)生隨機(jī)數(shù)， = 2000意味著模擬重復(fù)2000次。模擬結(jié)果如圖2.2所示。從圖中我們可以看出大多數(shù)情況下，LMA和MMA表現(xiàn)得比S-AIC和S-BIC好。其中S-BIC表現(xiàn)得最差，風(fēng)險明顯比其他方法高很多。10

S-BIC、S-AIC、MMA和JMA模型平均風(fēng)險的比較


本文編號：3417055