

已閱讀1頁,還剩43頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在經(jīng)濟、金融和其他科學領域,研究者經(jīng)常要面臨大數(shù)據(jù)集,因子模型由于能夠有效地從大數(shù)據(jù)集中提煉信息而被廣泛關注.研究因子模型的首要問題即為模型中參數(shù)的估計問題.本文研究近似因子模型的懲罰極大似然估計并證明了估計量的相合性.
本文對模型做的關鍵假設是:特殊因子協(xié)方差陣是稀疏陣.在這樣的假設下可引進懲罰函數(shù)用以懲罰特殊因子協(xié)方差陣中的元素.懲罰函數(shù)采用加權l(xiāng)1的形式.文中給出三種選擇權重的方法,每種方法確定的懲罰函數(shù)分別稱為Lass
2、o罰函數(shù)、Adaptive-lasso罰函數(shù)和SCAD罰函數(shù).懲罰極大似然法通過最小化負的高斯擬似然函數(shù)與懲罰函數(shù)之和得到因子載荷、公共因子和特殊因子協(xié)方差陣.與主成分方法依次得到公共因子、因子載荷及特殊因子協(xié)方差陣不同,懲罰極大似然法同時得到因子載荷和特殊因子協(xié)方差陣的估計.在數(shù)值模擬部分將該方法分別與傳統(tǒng)主成分方法、加權主成分方法和極大似然方法做了詳細對比.模擬結果表明,懲罰極大似然法的表現(xiàn)優(yōu)于其他方法.
本文的結構安排如
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- Logistic模型的極大似然估計.pdf
- Poisson混雜模型的極大似然估計.pdf
- 瑞利分布的Bayes估計與極大似然估計.pdf
- 分組數(shù)據(jù)下競爭風險混合模型的極大似然估計.pdf
- 2016考研數(shù)學復習之極大似然估計
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計研究.pdf
- 有關極大似然估計若干問題的研究.pdf
- 極大似然估計在生活中的應用
- 廣義線性模型中極大擬似然估計的極限理論研究.pdf
- hammerstein模型的極大似然辨識方法的研究
- 極大似然和MUSIC算法用于DOA估計的DSP實現(xiàn).pdf
- 零膨脹負二項半?yún)?shù)混合效應模型的懲罰似然估計.pdf
- 3627.幾種數(shù)據(jù)類型下兩參數(shù)logistic分布參數(shù)的近似極大似然估計
- 空間計量經(jīng)濟模型的統(tǒng)計推斷——基于極大似然函數(shù)的估計方程法.pdf
- 連接位極大似然Minwise估計子的研究及應用.pdf
- 廣義線性模型極大似然估計的相合性及漸近正態(tài)性.pdf
- 廣義線性模型的變量選擇和極大擬似然估計的強收斂速度.pdf
- 隨機互惠系統(tǒng)持久性及其參數(shù)的極大似然估計.pdf
- 基于復雜刪失數(shù)據(jù)下極大似然估計的算法研究.pdf
- 35747.排序集抽樣下有先驗信息的極大似然估計
評論
0/150
提交評論