朱复康
- 作品数：12 被引量：16H指数：2
- 供职机构：吉林大学数学学院更多>>
- 发文基金：国家自然科学基金吉林省自然科学基金更多>>
- 相关领域：理学文化科学自动化与计算机技术更多>>
- 一个整值ARCH(p)模型的经验似然推断被引量：8
- 2008年
- 研究整值ARCH(p)模型的经验似然推断.利用经验似然方法,给出了模型参数的最大经验似然估计,并证明了估计量的相合性和渐近正态性.
- 朱复康王德辉李凤翔李涵
- 关键词：经验似然
- Softplus beta负二项整数值GARCH模型
- 2023年
- INGARCH模型常基于泊松和负二项等分布来构造.Beta负二项(BNB)分布是一种灵活的分布,相关BNB-INGARCH模型最近被提出,该模型的条件均值是线性的,参数限制为非负的,不能建模负相关.本文首先提出对数线性BNB-INGARCH模型解决上述问题,但此模型不再具有线性均值的简单形式和类似ARMA的相关结构,采用softplus函数进一步构造了softplus BNB-INGARCH(p,q)模型作为主要研究对象.当p=q=1时证明了模型的平稳遍历性,给出了二阶矩存在的条件,并通过数值模拟验证该模型可以被线性近似,给出模型极大似然估计的相合性和渐近正态性,最后经过实际数据分析说明了模型的优良性.
- 戚乐乐朱复康
- 关键词：极大似然估计
- NEAR(p)模型的参数估计被引量：1
- 2006年
- 分别用条件最小二乘、加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数.并讨论了这些估计量的渐近性质.通过数值模拟发现,当参数真值较小时,最大拟似然方法的估计效果较好;当参数真值较大时,加权条件最小二乘方法的估计效果较好.
- 朱复康王德辉曹伟
- 对称熵损失下成功概率p的E-Bayes估计
- 2013年
- 研究对称熵损失下成功概率p的Bayes估计和E-Bayes估计,证明了前者的存在性及唯一性.模拟结果表明E-Bayes估计优于极大似然估计和Bayes估计.并将E-Bayes方法应用在证券投资预测之中,预测效果较好.
- 李聪朱复康赖民
- 关键词：对称熵损失函数BAYES估计
- INGARCH(1,1)模型参数的矩估计和Bayes估计被引量：5
- 2009年
- 利用矩方法和Bayes方法研究INGARCH(1,1)模型的参数估计问题,证明了矩估计量的强相合性和渐近正态性.模拟结果表明,两种估计量都得到了较好的结果.
- 朱复康李琦
- 关键词：BAYES推断
- 本科概率论与数理统计课程中一题多解教学方法探讨被引量：2
- 2021年
- 在解答本科概率论与数理统计课程中一些题目过程中,由于思路和方法的差异经常会出现一题多解。本文探讨了一题多解教学方法在典型例题中的应用,以此培养学生的发散思维和创新思维,提高学生分析和解决问题的能力。
- 朱复康程建华
- 关键词：一题多解概率论与数理统计发散思维
- 一个简化的新Laplace AR(1)模型参数估计及其渐近性质被引量：1
- 2009年
- 研究了一个简化的新的Laplace AR(1)模型参数的条件最小二乘估计和最大拟似然估计,并讨论了它们的强相合性和渐近正态性.通过数值模拟和实际例子,说明了最大拟似然估计及模型的优越性.
- 朱复康王德辉
- 关键词：LAPLACEAR(1)模型强相合性渐近正态性
- 零修正Skellam整数值GARCH模型
- 2024年
- Skellam分布是一种定义在Z上的离散分布.最近,基于Skellam分布和修正Skellam分布的INGARCH模型相继被提出.本文在零修正Skellam(ZMS)分布的基础上,提出了ZMSINGARCH模型.该模型基于一个额外的参数对整数0进行了细致的处理,并且对零膨胀或零收缩比例有着合理的解释,可以更好地拟合数据和捕获非零均值时间序列中的波动性.当模型的阶数p=1且q=1时给出了模型的定义和统计性质,通过数值模拟发现条件极大似然估计优于条件最小二乘估计.基于对数似然比统计量,检验了修正后的模型,通过分析来自不同股票交易市场的两个实例说明了该模型具有良好的性质.
- 马悦朱复康
- 大规模三模网络自回归模型
- 2024年
- 在双模网络自回归(NAR)模型的基础上给出了三模NAR模型.该模型考虑了大规模社交网络中三种类型的节点,且边只允许出现在不同类型的节点之间.首先介绍了模型的定义以及模型的可逆性与参数可识别性,考虑了拟极大似然和条件最小二乘估计方法及相应估计量的大样本性质.其次,在多种设定下进行了数值模拟,对估计方法的准确性与计算效率进行了对比,最后分析了一个实际例子.
- 卫奕冰朱复康
- 关键词：大样本性质
- 重复观测的Poisson-Lindley INAR(1)模型
- 2025年
- 对过离散的重复观测时间序列数据,考虑一种具有Poisson-Lindley边际分布的INAR(1)(PLINAR(1))过程的独立重复观测模型.先通过条件最小二乘估计、Yule-W alker估计、拟似然估计和条件极大似然估计方法估计模型的参数,讨论估计量的渐近性质,并给出模型的预测,再通过数值模拟比较不同估计方法的性能以及重复观测带来的影响,最后对一组重复观测的每周太阳黑子群数量的数据进行拟合,拟合结果验证了模型的有效性.
- 刘瑞朱复康李琦
