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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、山東大學(xué)碩士學(xué)位論文Poisson混雜模型的極大似然估計(jì)姓名:李敏申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:魏剛20090522VI第O章AbstractAbstractInthecontextofeconomicglobalization,thedegreeofbankingindstry7SopeningisalsograduallyincreasingWhenourBankingparticipatesintheinter
2、nationaIfinanceactivities,howtoguardagainstthefinancialriskalreadyhasbeentheimportantissueitfacingInalloftherisksthecommercialbankfacing,thecreditrisksthroughouttheentireoperatingprocess,whichhighlightstheimportanceofcre
3、ditriskmanagementInthisarticle,weintroducedthetwotraditionaImethodsofcreditriskmeasurementbrieflyaswellasfourmodernrisksmanagementmodels—CreditMetrics,KMVCPVandtheCreditRiskmodelThenwehavecomparedtheiradvantagesanddisadv
4、an—tagesThedeterminationofprobabilityofdefaultiSthecorecontentof”NewBaselCapitalAccord“InthearticleweintroducedthreecommonlyusedmethodsofcalculationofdefaultprobabilityAndthen,wefocusonLogisticModelwhichisthemostcommonly
5、usedinpracticeThefollowingiSPoissonmixedmodelmodelingofthedefaultintensitydirectlywhichistheinnovationofthearticleInthispaper,wehaveshowedthereasonablenessoftheproposalofthePoissonmixedmodel,thenestimatetheparametersusin
6、gthemaximumlikelihoodestimationmethodsIntheprocess,wehaveusedtherecursionformulaofnormaldistribution7SkmomentAsaresultofthecomplexityofthelikelihoodfunction,withtheanalysismethodestimateparameterisnotfeasibleFthereforeff
7、orestimatingtheparameterslweproposetousenumericalmethodstosolvethemaximumlikelihoodfunctionThenH—mericalmethodusedinthearticleiSthesteepestdescentmethodSupposethereisonlyonemacroeconomicindicatoraffectthedefaultintensity
8、thenmodelingbasedonthesupposeandtakeitasanexampleToestimateparametersofthePoisonmixedmodelusingthenumericalmethods孫eestimationoftheparam—etersandthenormaldistributionhaveagoodfitness,whichshowthatourmodeliSreasonableAndi
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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)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(jì).pdf
- 近似因子模型的懲罰極大似然估計(jì).pdf
- 瑞利分布的Bayes估計(jì)與極大似然估計(jì).pdf
- 分組數(shù)據(jù)下競(jìng)爭(zhēng)風(fēng)險(xiǎn)混合模型的極大似然估計(jì).pdf
- 2016考研數(shù)學(xué)復(fù)習(xí)之極大似然估計(jì)
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計(jì)研究.pdf
- 有關(guān)極大似然估計(jì)若干問題的研究.pdf
- 極大似然估計(jì)在生活中的應(yīng)用
- 廣義線性模型中極大擬似然估計(jì)的極限理論研究.pdf
- hammerstein模型的極大似然辨識(shí)方法的研究
- 極大似然和MUSIC算法用于DOA估計(jì)的DSP實(shí)現(xiàn).pdf
- 空間計(jì)量經(jīng)濟(jì)模型的統(tǒng)計(jì)推斷——基于極大似然函數(shù)的估計(jì)方程法.pdf
- 連接位極大似然Minwise估計(jì)子的研究及應(yīng)用.pdf
- 廣義線性模型的變量選擇和極大擬似然估計(jì)的強(qiáng)收斂速度.pdf
- 廣義線性模型極大似然估計(jì)的相合性及漸近正態(tài)性.pdf
- 隨機(jī)互惠系統(tǒng)持久性及其參數(shù)的極大似然估計(jì).pdf
- 基于復(fù)雜刪失數(shù)據(jù)下極大似然估計(jì)的算法研究.pdf
- 35747.排序集抽樣下有先驗(yàn)信息的極大似然估計(jì)
- 盲源分離的極大似然估計(jì)算法研究與應(yīng)用.pdf
- 二維正態(tài)總體共同均值的極大似然估計(jì).pdf
評(píng)論
0/150
提交評(píng)論