半参数过度离散广义线性模型的变量选择和模型平均

log-线性模型的半参数聚集过分散多项式拟合优度

Semiparametric clustered overdispersed multinomial goodness-of-fit of log-linear models

传统上，狄利克雷-多项分布被认为是整群抽样方案生成列联表的关键模型。然而，还有其他可能的分布适合这些列联表。本文介绍了新的检验统计量能够测试对数线性建模假设，没有分布规格，当集群的个人可能是均匀相关的。Alonso-Revenga et al.（2016）提出的群内相关系数估计量适用于不同的聚类大小，在拟合优度检验统计量的构建中起着至关重要的作用。

具有不可忽略无应答的高维分位数回归的半参数模型平均

Semiparametric model averaging for high-dimensional quantile regression with nonignorable nonresponse

针对不可忽略缺失下的高维分位数回归，提出半参数模型平均方法，通过缺失机制估计与候选模型加权实现渐近最优。

Model Averaging based Semiparametric Modelling for Conditional Quantile Prediction

In real data analysis, the underlying model is usually unknown, modelling strategy plays a key role in the success of data analysis. Stimulated by the idea of model averaging, we propose a novel semiparametric modelling strategy for conditional quantile prediction, without assuming the underlying model is any specific parametric or semiparametric model. Thanks the optimality of the selected weights by cross-validation, the proposed modelling strategy results in a more accurate prediction than that based on some commonly used semiparametric models, such as the varying coefficient models and add…

通过贝叶斯模型平均的半参数GARCH

Semiparametric GARCH via Bayesian model averaging

由于金融市场的动态结构会发生剧烈变化，因此能够提供一致准确的波动估计的模型不得对价格如何随时间变化做出强有力的假设。大多数波动率模型采用特定的参数函数形式，将观察到的价格变化与波动率预测（新闻影响函数）联系起来。我们提出了一类新的函数系数半参数波动率模型，其中新闻影响函数允许是任何光滑函数，并研究其估计波动率的能力相比，众所周知的参数建议，在模拟研究和实证研究与真实的金融数据。我们估计的新闻影响函数使用贝叶斯模型平均的方法，通过精心开发的马尔可夫链蒙特卡罗（MCMC）采样算法实现。使用模拟，我们表明，我们灵活的半参数模型是能够学习的形状的新闻影响函数从观察到的数据。当应用到实际的金融时间序列，我们的新模型表明，新闻影响函数的形状显着不同的不同的资产类型，但相同类型的资产是相似的。

基于Mallows型模型平均的通用最优参数转移学习

Generalized optimal parameter-transfer learning through Mallows-type model averaging

本文提出一种在参数设定下结合源数据和目标数据的转移学习框架，通过Mallows型准则优化模型权重，解决异质数据集的整合难题，并在模拟和房价应用中验证了方法的有效性。

聚焦信息准则用于半参数线性危险回归

Focused Information Criteria for Semiparametric Linear Hazard Regression

本文提出聚焦信息准则用于半参数线性危险回归模型的选择，以提高生存概率估计的准确性。