国家自然科学基金项目“贝叶斯柔性密度方法及其在高维金融数据中的应用（11501587 ）”成果展示。

{持续更新}

项目背景

贝叶斯高维密度柔性建模是贝叶斯方法论的热点和难点课题。然而目前多元密度建模方法的研究成果往往限定在对单一的或者连续或者离散型变量下密度特征的静态研究中,而且实际可操作性停留在响应变量维度小于十的低维情况,尚不能实现有效全面地描述复 杂高维数据中关联性尤其是尾部关联性。基于申请者前期研究成果,本课题拟首先从混合有连续边际和离散边际的二维Copula密度的贝叶斯柔性建模出发,以密度估计理论为支撑,利用并改进MCMC抽样技术、结合贝叶斯变量选择理论、深入研究混合离散和连续边际的Copula协变量相依的动态相依性和尾部相依性。其次利用贝叶斯条件独立性、以及基于预测的贝叶斯模型比较理论,将二维Copula柔性密度理论扩展到混合连续边际和离散边际的高维贝叶斯柔性密度的高效构建和估计中。本课题理论成果将为混合有文本信息的高维金融数据建模等复杂数据应用领域提供有效的解决工具。

本课题通过对基于高维金融数据的贝叶斯柔性密度建模,对贝叶斯方法在高维柔性密度估计的模型假设、模型估计、模型验证、模型预测等理论和计算进行研究。从二维离散和连续边际的 Copula的柔性密度模型出发,研究高维 Copula 模型柔性边际相关性以及尾部相依性,并将该成果拓展到混合离散和连续边际的高维 Copula 柔性密度估计,将该方法应用到互联网金融环境下文本信息对股票和金融市场的实时影响分析中。该课题计划达到本领域国际领先水平。

项目成果

Li, F., and Kang, Y.(2018). Improving forecasting performance using covariate-dependent copula models, International Journal of Forecasting, 34(3), pp. 456-476.

Li, F., Kalesan, B., Zuo, Y.  et. al (2018) Cohort Profile: The MULTI sTUdy Diabetes rEsearch (MULTITUDE) Consortium, BMJ Open, 8(5), pp. e020640.

Li, F., He, Z., (2019) Credit risk clustering in a business group: which matters more, systematic or idiosyncratic risk? Cogent Economics & Finance, pp 1632528