厚尾相依序列均值变点的截尾估计及其收敛性

本文研究厚尾相依随机变量序列的均值变点估计。在均值已知的情况下,提出变点的截尾估计方法,以消除厚尾随机变量序列中较多“奇异”点对估计结果的影响；在方差无穷的情形下推广了Hájek-Rényi型不等式,并由此得到变点估计的相合性和收敛速度。模拟结果表明方法的可行性。     

非线性时间序列建模的均值异方差混合转移分布模型

进一步研究了了由Berchtold提出的均值异方差混合转移分布(expectation heteroscedastic mixture transition distribution model,EHMTD)模型.讨论并得到了EHMTD模型的平稳性条什和分布函数的尾部特征.运用ECM(expectation conditional maximization)算法估计模型的参数.条件分布的多样性使得该类模型能够对非对称、多峰、厚尾等非Gauss特征进行描述.模拟及实例分析的结果表明EHMTD模型是一类易于建模,并且有着广泛应用前景的非线性时间序列模型.     

股票数据均值的多变点检验

讨论了股票数据均值的多变点检验问题，在原假设下给出了统计量的极限分布及渐进临界值的解析表达式，并且在递归检验的过程中同时得到了变点时刻与变点个数估计，最后用实例分析说明了方法的有效性。