本书突破经济金融统计建模中常引发质疑的正态分布假定窠臼，创造性地提出非中心偏χ2分布、广义非中心偏χ2分布、非中心偏F分布等偏态分布理论。进一步，构建偏正态单向分类随机效应模型、偏正态两向分类随机效应模型、偏正态非平衡面板数据模型、偏正态混合效应模型等偏正态统计模型，并建立一系列新的有效的统计推断理论与方法。最后，将上述偏正态建模理论与机器学习方法相结合，构建我国数字金融风险最优预警模型，以提高数字金融领域统计推断的精度，改善实际数据分析的效果，为当前数字金融风险预警及防范治理实践提供更有力的数据支撑。
更多科学出版社服务，请扫码获取。
1999.09~2003.07，温州师范学院，数学与应用数学，学士
2003.09~2008.07，北京工业大学，概率论与数理统计（硕博连读），博士2008.07~2010.09，杭州电子科技大学，讲师
2010.09~2015.12，杭州电子科技大学，副教授
2011.12~2012.12，New Mexico State University (美国)，访问副教授
2016.01~至今，杭州电子科技大学，教授
2016.06~2023.05，杭州电子科技大学，教授、博导、副院长
2017.08~2017.09，Western Oregon University (美国)，访问教授
2023.05~至今，杭州电子科技大学，教授、博导、社长杭州市哲学社科优秀成果二等奖、浙江省国际经济贸易研究优秀成果三等奖等多个奖项。担任浙江省首批一流专业建设点“统计学”负责人，一级学科硕士学位授权点“统计学”负责人、校一流学科（A类）“统计学”负责人、International Journal of Applied & Experimental Mathematics期刊编委、中国统计教育学会理事、中国数量经济学会理事、南方工业统计研究会理事等。曾担任国家重点研发计划项目会评专家、国家社会科学基金及成果鉴定函评专家、教育部学位与研究生教育专家库评审专家、教育部CJXZ函评专家、北京市等6个省市自然科学基金函评专家。
目录
第1章 绪论 1
1.1 研究背景 1
1.2 研究现状 2
1.3 研究方法与思路 5
1.4 研究特色与价值 6
1.5 研究内容与框架 8
第2章 偏正态总体位置参数 10
2.1 条件检验统计量 10
2.2 参数估计 13
2.3 Bootstrap检验 16
2.4 蒙特卡罗数值模拟 22
第3章 偏正态单向分类随机效应模型 27
3.1 模型性质 27
3.2 参数估计 31
3.3 固定效应的推断 32
3.4 单个方差分量的推断 34
3.5 方差分量之和的推断 35
3.6 方差分量之比的推断 37
3.7 蒙特卡罗数值模拟 38
第4章 偏正态非平衡单向分类随机效应模型 49
4.1 模型性质 49
4.2 固定效应的推断 54
4.3 单个方差分量的推断 55
4.4 方差分量之和的推断 58
4.5 方差分量之比的推断 60
4.6 蒙特卡罗数值模拟 61
第5章 偏正态非平衡异方差单向分类随机效应模型 71
5.1 模型性质 71
5.2 固定效应的推断 75
5.3 单个方差分量的推断 77
5.4 方差分量之和的推断 81
5.5 方差分量之比的推断 84
5.6 蒙特卡罗数值模拟 87
第6章 偏正态两向分类随机效应模型 103
6.1 模型性质 103
6.2 固定效应的推断 106
6.3 单个方差分量的推断 107
6.4 方差分量之和的推断 109
6.5 方差分量之比的推断 110
6.6 蒙特卡罗数值模拟 112
第7章 偏正态非平衡面板数据单因素随机效应模型 122
7.1 模型性质 122
7.2 回归系数的推断 126
7.3 单个方差分量的推断 127
7.4 方差分量之和的推断 132
7.5 方差分量之比的推断 135
7.6 蒙特卡罗数值模拟 137
第8章 偏正态混合效应模型 146
8.1 模型性质 146
8.2 回归系数的推断 149
8.3 单个方差分量的推断 151
8.4 方差分量之和的推断 153
8.5 方差分量之比的推断 155
8.6 蒙特卡罗数值模拟 157
第9章 数字金融风险指数测度与分析 164
9.1 基本概念与指标体系 164
9.2 数字金融风险指数赋权方法 166
9.3 数字金融风险指数的测度与分析 168
9.4 数字金融风险区域异质性测度与分析 174
第10章 中国区域数字金融风险影响与预警分析 179
10.1 中国区域数字金融风险影响因素分析 179
10.2 中国区域数字金融风险预警分析 188
10.3 结论与建议 197
参考文献 200
书单推荐
