您的位置： 专家智库 > >

丁辉

作品数：8 被引量：17H指数：2
供职机构：华东师范大学更多>>
发文基金：全国统计科学研究计划项目安徽省高校省级自然科学研究项目上海市卫生系统百名跨世纪优秀学科带头人培养计划更多>>
相关领域：理学经济管理历史地理更多>>

合作作者

文献类型

  • 5篇期刊文章
  • 3篇学位论文

领域

  • 5篇理学
  • 2篇经济管理
  • 1篇历史地理

主题

  • 3篇函数型数据
  • 3篇贝叶斯
  • 3篇贝叶斯估计
  • 3篇GIBBS抽...
  • 2篇时间序列
  • 2篇金融
  • 2篇参数估计
  • 1篇剖面
  • 1篇主成分
  • 1篇主成分分析
  • 1篇最小二乘估计
  • 1篇误差校正模型
  • 1篇线性回归模型
  • 1篇南宋
  • 1篇金融时间
  • 1篇金融时间序列
  • 1篇后验分布
  • 1篇海盗
  • 1篇海盗问题
  • 1篇海防

机构

  • 5篇华东师范大学
  • 4篇滁州学院
  • 1篇广西科技大学
  • 1篇暨南大学

作者

  • 8篇丁辉
  • 3篇王咪咪
  • 1篇张涛
  • 1篇许文超
  • 1篇张日权
  • 1篇王国长

传媒

  • 2篇滁州学院学报
  • 1篇应用概率统计
  • 1篇长春大学学报
  • 1篇新乡学院学报

年份

  • 2篇2018
  • 1篇2016
  • 2篇2014
  • 2篇2011
  • 1篇2008
共 8 条 记 录，以下是 1-8
全选 清除 导出
排序方式：
协整体制转换模型的参数估计
2014年
研究了协整体制转换模型的贝叶斯估计,利用贝叶斯定理和Gibbs抽样技术,实现了该模型的贝叶斯估计。结果表明:该方法可以精确地估计模型参数。
丁辉王咪咪
关键词：贝叶斯估计后验分布GIBBS抽样
南宋福建路的海盗与海防
南宋王朝由于背海建国，沿海地区治安形势的不断恶化和海防形势的紧张，无不影响到南宋政权的安危。由于政治、地理、经济、技术等多方面的原因导致了福建路在宋朝，尤其是南宋时期海外贸易兴盛发展。这为福建路带来了大量的经济利益的同时...
丁辉
关键词：海盗问题
文献传递
基于协整马尔科夫转换模型金融时间序列的研究
向量误差校正模型(VECM)是协整关系的一种重要表现形式,它克服了伪回归问题,有效地描述了高维经济变量序列之间的长期(静态)和短期(动态)特征,但是VECM是建立在时间序列向量的每个分量都具有单位根性质的假定之下,然而金...
丁辉
关键词：GIBBS抽样贝叶斯估计MCMC方法
文献传递
函数型回归模型的若干研究
随着科技的进步和数据收集手段的提高,越来越多的以曲线形式存在的函数型数据能被观测和记录到。函数型数据目前已经成为一类较为重要和流行的数据类型。它在生物学、化学、医药学、气象学、经济学等等自然学科领域内有着广泛的应用。函数...
丁辉
关键词：函数型数据
文献传递
误差修正机制转换模型的贝叶斯估计被引量：1
2014年
用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。
丁辉王咪咪
关键词：贝叶斯估计GIBBS抽样
函数型非参数回归模型及其在金融中的应用
2016年
函数型数据分析是分析高频数据的重要工具。在实际中函数型协变量和响应变量之间的线性假设通常不成立。本文提出了函数型非参数部分自回归模型来刻画函数型协变量和响应变量之间的非线性关系,本文接着使用非参数核估计方法给出了该模型的估计,并通过统计模拟验证了该估计方法的优良性,最后我们给出了上证指数的一个实例来说明我们模型的良好预测能力。
王咪咪丁辉
关键词：函数型数据高频数据非参数回归模型核估计
时间序列ARFIMA模型的参数估计被引量：1
2011年
ARFIMA模型是时间序列分析领域中应用最为广泛的一类模型。本文采取两阶段方法估计ARFIMA(p,d,q)模型的参数。第一阶段采取R/S分析法估计出该模型的分形差分参数d,进而将ARFIMA模型转化为ARMA模型,第二阶段针对于ARMA模型利用基于Gibbs抽样的Markov Chain Monte Carlo贝叶斯方法估计模型的其他参数。最后对我们采取的两阶段方法进行模拟仿真,实验表明:我们采取的方法可以精确的估计ARFIMA模型的参数。
丁辉
关键词：ARFIMA模型贝叶斯分析
函数型数据回归分析综述被引量：11
2018年
随着计算机储存能力和在线观测技术的提高,当今数据越来越多的以曲线和图像的形式存在.曲线和图像数据两个最显著的特征是高维和相邻数据间高度相关.这些特征使得传统的多元统计分析方法不再适合,而函数型数据在处理曲线和图像数据中具有无可比拟的优势.近年来各种各样的函数型数据分析方法得以发展,其中包括数据的对齐、主成分分析、回归、分类、聚类等.本文主要介绍函数型数据回归分析研究的起源、发展及最新进展.具体地,本文首先介绍函数型数据的概念;其次介绍函数型主成分分析方法;再次着重介绍函数型回归模型的估计、变量选择和检验方法;最后将简要探讨函数型数据未来的可能发展方向.
丁辉许文超朱汉兵王国长张涛张日权
全选 清除 导出
共1页<1>
聚类工具0