简介:在设定不同H真实值的情况下,通过DHM算法模拟出一系列FGN序列,对经典R/S分析方法估计H指数的有效性进行研究,并对中国股市收益序列的H指数进行测定。研究结果表明:当H真实值介于0-0.6和0.8-1之间时,分别高估和低估H指数;仅当H真实值介于0.6-0.8之间时,经典R/S分析方法才能做出稍好的估计,其估计有效性尽管不受回归方式、局部趋势性剔除处理的影响,但是受到标度长度的选取、短期相关性处理、序列长度、序列包含的白噪声成分强弱等各种因素的显著影响,中国股市收益序列的H指数可能介于0.6-0.8之间,从而具有明显的长记忆性。
简介:如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。