×
陈瑞彬;陈颖;Härdle，Wolfgang K。

TVICA–时变独立成分分析及其在财务数据中的应用。 （英语） Zbl 1506.62039号

计算。统计数据分析。 74, 95-109 (2014).
摘要：提出了一种新的独立分量分析方法TVICA。与传统ICA相比，TVICA方法允许混合矩阵具有时间依赖性。估计是在局部均匀性下进行的，假设在任何特定的时间点，存在一个区间，在该区间内混合矩阵可以很好地近似为常数。使用顺序对数似然比测试程序来自动识别这种局部区间。数值分析表明，TVICA在均匀情况下具有良好的性能，并且在可能发生结构变化的非平稳情况下确实提高了精度。在应用于风险管理的实际数据分析中，与包括ICA、PCA和基于DCC的模型在内的几种备选方案相比，TVICA证实了其优越的性能。

引用于三文件

理学硕士：

62-08 统计问题的计算方法
62H25个 因子分析和主成分；对应分析
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62P05号 统计学在精算科学和金融数学中的应用

关键词：

自适应方法;局部同质性;投资组合风险分析;顺序测试

软件：

CuBICA公司;TVICA公司;吉尔吉斯;量化风险管理;固定点算法
PDF格式BibTeX公司 XML格式引用
\textit{R.-B.Chen}等人，计算。统计数据分析。74、95-109（2014年；Zbl 1506.62039）
全文： 内政部

参考文献：

[1] 背面，A。；Weigend，A.，《独立成分分析在股票收益结构提取中的首次应用》，国际神经系统杂志。，8, 473-484, (1997)
[2] Baillie，R.T。；Morana，C.，《条件方差中的长记忆和结构突变建模：自适应FIGARCH方法》，J.Econom。发电机。控制，331577-1592，（2009）·Zbl 1170.91483号
[3] Barndorff-Nielsen，O.，正态逆高斯分布和随机波动率建模，Scand。J.Stat.，24，1-13，（1997）·Zbl 0934.62109号
[4] Blaschke，T。；Wiskott，L.，Cubica：通过同时进行三阶和四阶累积量对角化进行独立分量分析，IEEE Trans。信号处理。，52, 1250-1256, (2004) ·Zbl 1370.94003号
[5] Cardoso，J.F.，独立成分分析的高阶对比，神经计算。，11, 157-192, (1999)
[6] Chan，F.，2013年。从噪声数据中识别有效汇率动态。摘自：第20届国际建模与仿真会议，第1326-1332页。
[7] 陈，Y。；Härdle，W。；Spokoiny，V.，《GH分布和独立成分的GHICA风险分析》，J.Empir。财务，17255-269，（2010）
[8] Comon，P.，独立成分分析，一个新概念？，信号处理。，36, 287-314, (1994) ·兹比尔0791.62004
[9] Comon，P.，《多通道盲反褶积对比》，IEEE信号处理。莱特。，3, 209-211, (1996)
[10] Cont，R.，《资产收益的经验属性：程式化事实和统计问题》，《数量》。金融，1223-236，（2001）·Zbl 1408.62174号
[11] Engle，R.，《动态条件相关——一类简单的多元GARCH模型》，J.Bus。经济。统计人员。，20, 3, 339-350, (2002)
[12] 汉密尔顿，J.D。；Susmel，R.，自回归条件异方差性和制度变化，计量经济学杂志，64，307-333，（1994）·Zbl 0825.62950号
[13] Härdle，W。；Simar，L.，《应用多元统计分析》（2012年），施普林格-弗拉格-柏林，海德堡，纽约·兹比尔1266.62032
[14] Hyvärinen，A。；Karhunen，J。；Oja，E.，独立成分分析，（2001），John Wiley&Sons，Inc
[15] Hyvärinen，A。；Oja，E.，独立成分分析的快速定点算法，神经计算。，9, 1483-1492, (1997)
[16] Hyvärinen，A。；Oja，E.，《独立成分分析：算法和应用》，神经网络。，13, 411-430, (1999)
[17] Jolliffe，I.T.，主成分分析，（2002），柏林施普林格-弗拉格出版社，海德堡，纽约·Zbl 1011.62064号
[18] 琼斯，M。；Sibson，R.，什么是投影追踪？，J.R.Stat.Soc.A，150，1-36，（1987）·Zbl 0632.62059号
[19] Jutten，C。；Hérault，J.，盲源分离，第一部分：基于神经模拟体系结构的自适应算法，信号处理。，24, 1-10, (1991) ·Zbl 0729.73650号
[20] Kooutchou，P.，Maillet，B.，2007年。基于ICA的高频VaR用于风险管理。摘自：ESANN’2007年欧洲人工神经网络研讨会，比利时布鲁日。
[21] Lanne，M.，已实现波动率的混合乘法误差模型，J.Financ。经济学。，4, 594-616, (2006)
[22] Lee，S。；沈，H。；特隆，Y。；刘易斯，M。；Huang，X.，涉及自相关源的独立成分分析及其在功能磁共振成像中的应用，J.Amer。统计师。协会，1061009-1024，（2011）·Zbl 1229.62123号
[23] Matteson，D.S。；Tsay，R.S.，多元时间序列的动态正交分量，J.Amer。统计师。协会，1061450-1463，（2011）·Zbl 1323.62086号
[24] 麦克尼尔，A。；弗雷，R。；Embrachts，P.，《定量风险管理：概念、技术和工具》，（2005），普林斯顿大学出版社·兹比尔1089.91037
[25] Mercurio，D。；斯波科尼，V.，《时间非均匀波动率模型的统计推断》，《统计年鉴》。，12, 577-602, (2004) ·Zbl 1091.62103号
[26] （Rachev，S.T.，《金融中重尾分布手册》，（2003），Elsevier/North-Holland）
[27] Scharth，M。；Medeiros，M.C.，道琼斯股票波动中的非对称效应和长期记忆，国际期刊预测。，25, 304-327, (2009)
[28] 所以，M.K.P。；Lam，K。；Li，W.K.，带马尔可夫切换的随机波动率模型，J.Bus。经济。统计人员。，16, 244-253, (1998)
[29] 斯波科尼，V。；Dickhaus，T.，《现代参数统计基础》（2014），施普林格-海德堡出版社，即将出版
[30] 谢义光（Tse，Y.K.）。；Tsui，A.K.C.，具有时变相关性的多元广义自回归条件异方差模型，J.Bus。经济。统计人员。，20, 351-362, (2002)
[31] 吴，E。；余，P。；Li，W.，使用独立成分分析广义自回归条件异方差（ICA-GARCH）模型进行风险值估计，国际神经系统杂志。，16, 371-382, (2006)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。