楼主: 能者818
105 4

[量化金融] Dragulescu Yakovenko收入模型的一种变体 [推广有奖]

  • 0关注
  • 6粉丝

会员

学术权威

78%

还不是VIP/贵宾

-

威望
10
论坛币
10 个
通用积分
35.3298
学术水平
0 点
热心指数
1 点
信用等级
0 点
经验
24771 点
帖子
4140
精华
0
在线时间
0 小时
注册时间
2022-2-24
最后登录
2022-4-15

相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
英文标题:
《A variation of the Dragulescu-Yakovenko income model》
---
作者:
Jos\\\'e Mar\\\'ia Sarabia, Faustino Prieto, Vanesa Jord\\\'a
---
最新提交年份:
2014
---
英文摘要:
  In the context of the Dragulescu-Yakovenko (2000) model, we show that empirical income distribution with truncated datasets, cannot be properly modeled by the one-parameter exponential distribution. However, a truncated version characterized by an exponential distribution with two parameters gives an accurate fit.
---
中文摘要:
在Dragulescu Yakovenko(2000)模型的背景下,我们证明了数据集被截断的经验收入分布不能用单参数指数分布来正确建模。然而,以两个参数的指数分布为特征的截断版本给出了精确的拟合。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Statistics        统计学
二级分类:Applications        应用程序
分类描述:Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学,教育学,流行病学,工程学,环境科学,医学,物理科学,质量控制,社会科学
--

---
PDF下载:
--> A_variation_of_the_Dragulescu-Yakovenko_income_model.pdf (431.86 KB)
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:Yakov les ESC scu distribution

沙发
能者818 在职认证  发表于 2022-5-10 09:51:57 |只看作者 |坛友微信交流群
Dragulescu Yakovenko收入模型的一个变体,JoséMaríA Sarabia,Faustino Prieto,Vanesa Jordá。坎塔布里亚大学经济系,西班牙桑坦德大道s/n,39005号。在Dragulescu-Yakovenko(2000)模型的背景下,我们表明,数据集被截断的经验收入分布不能用单参数指数分布进行适当建模。然而,以两个参数的指数分布为特征的未加密版本给出了精确的拟合。关键词:个人收入分配;指数分布,自举。1导言根据Dragulescu和Yakovenko(2000),平衡统计力学的基本定律是Boltzmann-Gibbs定律,该定律表明能量的概率分布与类型相同 ()exp,pzczt其中T是温度,C是标准化常数。利用这个结果,并假设一个封闭的经济系统,这些作者证明,对于处于稳定状态的国家,收入遵循指数分布。本文表明,当我们有截断数据时,只有一个参数的经典指数分布(Cho,2014;Dragulescu和Yakovenko,2001a,b)不能很好地模拟经验个人收入分布。例如,这种情况出现在只包括纳税人的数据集上。我们发现,双参数指数分布可以是合适的模型,而不是单参数模型(见附录A)。通讯作者。电话:+34 942 201635;传真:+34942201603。电子邮件地址:sarabiaj@unican.es(J.M。

使用道具

藤椅
mingdashike22 在职认证  发表于 2022-5-10 09:52:01 |只看作者 |坛友微信交流群
2数据和方法我们考虑了两个数据集:第一个数据集对应于美国2012年的个人收入,第二个数据集是一个截断的数据集,其中仅包括英国2011-12年期间纳税人的个人收入。附录B中的表B1和B2分别显示了所考虑的数据集,这些数据集来自美国人口普查局(2014a,B)和英国税务与海关总署(2014)。我们用非线性最小二乘法对这些数据集拟合了单参数指数模型。我们还通过基于bootstrap重采样的Kolmogorov–Smirnov测试方法测试了该模型的拟合优度(更多详细信息,请参见附录a)。最后,我们通过将观测数据与模型的理论累积分布函数(cdf)进行比较,以图形方式对其进行了验证。3结果和讨论对于截断样本,一个参数指数分布可以被排除为与经验个人收入数据的拟合。表1给出了获得的结果:美国和U.K数据集的参数估计、经验KS统计和自举p值。可以看出,在美国数据集的情况下,单参数模型不能被拒绝 0.9802 0.05便士, 但英国的数据集拒绝了它 0.0000 0.05便士. 图1以图形方式显示了单参数指数模型对美国数据集的适用性,以及在英国的情况下,它的拟合度较差。相比之下,对于所考虑的两个数据集,不能排除双参数指数分布与经验双收入数据的拟合。表2显示了双参数模型的结果:美国和英国数据集的参数估计、经验KS统计和自举p值。

使用道具

板凳
能者818 在职认证  发表于 2022-5-10 09:52:04 |只看作者 |坛友微信交流群
可以看出,两种模型中的p值都非常接近1,在两种情况下都支持双参数模型。图2以图形方式证实了两个数据集的双参数指数模型的充分性。解释是,虽然scaleparameterσ让我们能够对不同大小的国家进行建模,但位置参数θ让我们能够解决数据截断的问题——英国数据集只包括纳税人。4结论在本文中,我们确认了美国(2012年)和英国(2011-12年)个人收入分配的指数行为,但考虑了双参数模型,而不是Cho(2014年)考虑的单参数模型;德拉古列斯库和雅科文科(2001a,b)。表1:美国(2012年)和英国(2011-12年)数据集单参数指数模型的参数估计、经验KS统计和自举p值。值为0。05p表明指数模型可以以0.05的显著性水平被拒绝。数据集^KSp值支持单参数指数模型。S.(2012)38065.80.04631150.9802OKU。K.(2011-12)30678.00.21298670.00000表2:美国(2012年)和英国(2011-12年)数据集的两个参数指数模型的参数估计、经验KS统计和自举p值。值为0。05p表明指数模型可以以0.05的显著性水平被拒绝。数据集^^KSp值支持双参数指数模型。S.(2012)36059.81854.970.04007170.9887OKU。K.(2011-12)17506.58260.560.04018150.8311OKFig。1.绘制单参数指数分布(实线)的累积分布函数(cdf)和观测数据。左图:美国(2012)。右图:英国(2011-12)。图2。

使用道具

报纸
mingdashike22 在职认证  发表于 2022-5-10 09:52:07 |只看作者 |坛友微信交流群
二参数指数分布(实线)的累积分布函数(cdf)和观测数据的曲线图。左图:美国(2012)。右图:英国(2011-12)。致谢:作者感谢经济与竞争部(ECO2010-15455项目)、教育部(FPU AP-2010-4907)和坎塔布里亚大学(Proyectos Puente2014)对这项工作的部分支持。附录A:方法  指数分布(萨拉比亚,2008年)。根据cdf,经典的单参数指数分布定义如下: ()Pr()1 exp,0,0F x      根据累积分布函数,双参数指数分布定义如下:  ()Pr()1 exp,0,0。F x x x x           如果θ是截断收入参数,则相应的模型为, XX.

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加JingGuanBbs
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-11-5 22:55