期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
产品族架构设计与供应链延迟决策的主从交互优化 被引量：1
1
作者 吴军 张雷 《计算机集成制造系统》 EI CSCD 北大核心 2024年第10期3719-3729,共11页
鉴于延迟策略的研究较少关注到产品族架构设计与整条供应链延迟决策之间存在的内在交互影响,提出对产品族架构设计与供应链延迟决策的一种主从交互优化方法。通过构建在其之间的主从交互决策机制,建立了一个以产品族架构设计为主、供应... 鉴于延迟策略的研究较少关注到产品族架构设计与整条供应链延迟决策之间存在的内在交互影响,提出对产品族架构设计与供应链延迟决策的一种主从交互优化方法。通过构建在其之间的主从交互决策机制,建立了一个以产品族架构设计为主、供应链延迟决策为从的非线性双层规划模型。模型上层是开发商设计产品族架构和决策其中的延迟产品模块类型,从而最大化单位成本的顾客效用;下层的决策主体包括多个供应商、多个制造商、多个延迟承包商及多个分销商,它们分别通过优化产品族的延迟制造过程来最小化各自的运营成本。针对模型求解的复杂性,设计了一种嵌套遗传算法进行求解。以智能冰箱产品族延迟生产案例验证所提优化模型和求解算法的可行性,并通过对多项式分对数选择规则中的参数θ进行灵敏度分析实验得出了一些管理启示。 展开更多
关键词 产品族架构 供应链延迟 主从交互优化 非线性双层规划模型 嵌套遗传算法
在线阅读 下载PDF
非线性GARCH族的模型平均估计方法 被引量：4
2
作者 姚青松 赵国庆 刘庆丰 《统计研究》 CSSCI 北大核心 2018年第5期119-128,共10页
本文研究了非线性GARCH族的模型平均估计方法,在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则,在一定正则条件下,证明了上述模型平均估计量具有渐近最... 本文研究了非线性GARCH族的模型平均估计方法,在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则,在一定正则条件下,证明了上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均估计方法相比较,本文的模型平均估计方法具有更高的精度。 展开更多
关键词 模型平均 非线性GARCH族 渐近最优性 已实现波动率
在线阅读 下载PDF
用Johnson分布族来计算非线性VaR 被引量：4
3
作者 田新时 刘汉中 《运筹与管理》 CSCD 2002年第4期34-40,共7页
目前 ,最普遍的风险管理方法是 :VaR(ValueatRisk含义是风险中的价值 )风险测量技术 ,而该技术在测量包含有非线性头寸的资产组合回报时 ,因为资产回报分布已不是正态分布 ,因而在求组合回报在一定置信水平下的分位数时 ,遇到了前所末... 目前 ,最普遍的风险管理方法是 :VaR(ValueatRisk含义是风险中的价值 )风险测量技术 ,而该技术在测量包含有非线性头寸的资产组合回报时 ,因为资产回报分布已不是正态分布 ,因而在求组合回报在一定置信水平下的分位数时 ,遇到了前所末有的挑战。在这种情况下 ,局部Monte Carlo模拟法被认为是一种较准确的VaR测量方法 ,但由于其计算的时间长、计算量大、且无法解决伪随机数的集聚性问题等本身缺陷 ,在实际中也不常用 ,针对这一情况 ,RiskMetrics技术小组于 1996年就提出以Johnson分布来将回报转换为标准正态分布 ,但参数估计除对数正态外不存在解析形式 ,且需要解一个非线性方程组。而本文采用分位点估计法来估计参数 ,不但不必要解非线性方程组 ,计算量上大大减少 ,而且JamesF .Slifker等人已经证明分位点估计比矩估计拟合得更好 ,所以本文把它用于VaR计算 ,并与局部Monte Carlo模拟法进行了比较。 展开更多
关键词 非线性VaR Johnson分布族 Delta-Gamma模型 分位点估计
在线阅读 下载PDF
指数族广义非线性随机系数模型的变离差检验 被引量：2
4
作者 林金官 韦博成 《数学物理学报（A辑）》 CSCD 北大核心 2003年第5期535-544,共10页
指数族广义非线性随机系数模型是 Smith & Heitjan[1 0 ]和 Wei etal[1 1 ]所研究模型的推广 .该文分别在模型离差 (dispersion)的权不变和变异时 ,讨论了指数族广义非线性随机系数模型的变离差的检验问题 ,得到了 score检验统计量 ... 指数族广义非线性随机系数模型是 Smith & Heitjan[1 0 ]和 Wei etal[1 1 ]所研究模型的推广 .该文分别在模型离差 (dispersion)的权不变和变异时 ,讨论了指数族广义非线性随机系数模型的变离差的检验问题 ,得到了 score检验统计量 .并利用欧洲野兔数据 ,分别对正态分布模型、Γ分布模型和逆高斯分布模型说明检验方法的有效性 . 展开更多
关键词 指数族分布 非线性模型 随机系数 变离差 Score函数 SCORE检验
在线阅读 下载PDF
指数族非线性模型置信域的曲率表示 被引量：1
5
作者 韦博成 万方焕 《东南大学学报（自然科学版）》 EI CAS CSCD 1996年第3期57-62,共6页
利用微分几何方法，建立了指数族非线性模型下参数的置信域与统计模型曲率之间的一般联系，获得了参数和子集参数置信域的３种曲率表示式，发展和推广了许多相关的结果．
关键词 置信域 曲率 指数族 非线性模型 非线性回归
在线阅读 下载PDF
带有线性约束的指数族非线性回归模型 被引量：1
6
作者 赵慧秀 周秀轻 《南京师大学报（自然科学版）》 CAS CSCD 北大核心 2010年第1期1-5,共5页
给出了带有线性约束的指数族非线性回归模型的最大似然估计量的随机展开,所得到的随机展开式由相互独立的正态变量以及曲率立体阵表示,使用简洁方便.
关键词 指数族非线性回归模型 曲率 随机展开 立体阵
在线阅读 下载PDF
指数族非线性模型最大似然估计的相合性和渐近正态性(英文)
7
作者 夏天 孔繁超 《应用概率统计》 CSCD 北大核心 2008年第6期593-603,共11页
本文我们提出了一些正则条件,这些条件减弱了Zhu and Wei(1997)文中的条件.基于所提的正则条件,我们证明了指数族非线性模型参数最大似然估计的相合性和渐近正态性.我们的结果可被认为是Zhu and Wei(1997)工作的进一步改进.
关键词 指数族非线性模型 相合性 渐近正态性 最大似然估计
在线阅读 下载PDF
指数族非线性模型MLE的渐近性质
8
作者 朱仲义 《东南大学学报（自然科学版）》 EI CAS CSCD 1995年第6期36-42,共7页
指数族非线性模型包括许多常见的模型，诸如线性与非线性回归模型、广义线性模型等。Ｆａｈｒｍｅｉｒ和Ｋａｕｆｍａｎｎ等研究了广义线性模型ＭＬＥ的渐近性质，本文在类似于他们的正则条件下，证明了指数族非线性模型ＭＬＥ的存在性... 指数族非线性模型包括许多常见的模型，诸如线性与非线性回归模型、广义线性模型等。Ｆａｈｒｍｅｉｒ和Ｋａｕｆｍａｎｎ等研究了广义线性模型ＭＬＥ的渐近性质，本文在类似于他们的正则条件下，证明了指数族非线性模型ＭＬＥ的存在性、弱相合性、强相合性及渐近正态性，从而进一步推广和发展了他们的结果。 展开更多
关键词 极大似然估计 渐近正态性 指数族 非线性模型
在线阅读 下载PDF
指数族非线性混合效应模型基于Q函数的数据删除度量(英文)
9
作者 冯予 《应用概率统计》 CSCD 北大核心 2006年第4期365-371,共7页
对指数族非线性混合效应模型,本文基于Q函数(朱宏图,2001)方法,给出几种度量数据删除影响的统计量．其主要思想是将随机效应视为缺失数据,并利用EM算法来处理完全数据对数似然函数的条件期望．一个实际例子说明我们方法是有效的．
关键词 数据删除度量 指数族非线性随机效应模型 EM算法 Q函数
在线阅读 下载PDF
指数族非线性模型ML估计的渐近性质
10
作者 朱宏图 《东南大学学报（自然科学版）》 EI CAS CSCD 1996年第3期68-73,共6页
在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性．同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件．最后，在相对简单的正则条件下，证明了随机回归变... 在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性．同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件．最后，在相对简单的正则条件下，证明了随机回归变量条件下ＭＬ估计的相合性和渐近正态性． 展开更多
关键词 指数族 非线性模型 非线性回归 ML估计 渐近性质
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部