2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩112頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、高維數(shù)據(jù)在經(jīng)濟(jì)、金融、統(tǒng)計、生物基因工程等領(lǐng)域出現(xiàn)的頻率越來越高,刻畫高維數(shù)據(jù)潛在的模型結(jié)構(gòu)是分析高維數(shù)據(jù)的基礎(chǔ).統(tǒng)計學(xué)中,回歸是刻畫數(shù)據(jù)模型結(jié)構(gòu)一種常用的模型,常用的有最小二乘回歸和分位數(shù)回歸等.隨著統(tǒng)計技術(shù)和計算能力的發(fā)展,在處理多維數(shù)據(jù)甚至高維數(shù)據(jù)時,回歸模型的變量選擇問題已經(jīng)由傳統(tǒng)的最優(yōu)子集回歸方法和逐步回歸方法發(fā)展到正則化框架.Tibshirani在回歸模型中引入了L1懲罰函數(shù),即著名的Lasso來對自變量進(jìn)行選擇,開創(chuàng)了正則

2、化框架的先河,隨后得到迅速發(fā)展和演化,F(xiàn)an&Li提出了SCAD懲罰函數(shù)來克服Lasso選擇模型過大以及估計偏差較大等問題,并提出“Oracle“性質(zhì)來作為變量選擇的評價準(zhǔn)則.自此,正則化框架成為處理回歸問題變量選擇的熱門手段.本文將正則化框架引入Expectile回歸(Newey&Powell1987提出)中,做了以下兩個方面的研究:
  多維情況下,研究了帶有SCAD懲罰函數(shù)的Expectile回歸在變量選擇和回歸參數(shù)估計等方

3、面的表現(xiàn),并證明該方法具有“Oracle”性質(zhì);
  高維情況下,研究了在回歸誤差具有有限階矩的情況下,帶有懲罰SCAD項(xiàng)的Expectile回歸在變量選擇上的表現(xiàn),證明了理論“Oracle”解是相應(yīng)非凸優(yōu)化問題的一個局部解.同時,我們采取CCCP算法來求解這一非凸優(yōu)化問題,并證明了由CCCP算法得到的解在經(jīng)過有限步迭代之后會依概率收斂到“Oracle”解,從而將由算法給出的局部最優(yōu)解和理論“Oracle”解統(tǒng)一聯(lián)系起來.另外,當(dāng)

4、高維數(shù)據(jù)存在異方差時,采用正則化的Expeetile回歸能夠識別出導(dǎo)致異方差現(xiàn)象的協(xié)變量,而這一性質(zhì)傳統(tǒng)的最小二乘方法并不具有.
  本文的另一個工作是在數(shù)據(jù)驅(qū)動的非參數(shù)框架下對Mean-CVaR最優(yōu)資產(chǎn)組合問題的研究,特別地,當(dāng)投資允許賣空時,通過引入投資策略L1限制條件將變量選擇和最優(yōu)資產(chǎn)組合問題結(jié)合起來.本文從理論角度分析了以CVaR為風(fēng)險度量的最優(yōu)資產(chǎn)組合的漸近性質(zhì),從最優(yōu)解和有效前沿邊界的相合性等方面證明了該非參數(shù)框架下

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論