自协方差非平稳时间序列的时变参数自回归模型

对一簇时间序列明确定义了自协方差非平稳时间序列.对于自协方差非平稳时间序列,提出了用于自协方差非平稳时间序列的3种时变参数自回归（TVPAR）模型：满阶TVPAR模型、非时变阶次TVPAR模型和时变阶次TVPAR模型.并进行了有关的最小赤池信息量准则（AIC）估计.     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

广义线性模型的统计分析

本文用广义线性模型概念概括了目前最常用的回归、随机回归、自回归、广义自回归和门限自回归等模型,并且包括了它们的各种混合模型。广义线性模型具有非常广泛的应用背景。从七十年代宋期到现在,在这几年时间里,对于广义线性模型的最小二乘拟合方法的相容性理论研究,取得了重要的进展。从而为这类模型的广泛应用提供了可靠的理论基础。本文将概述这些进展中的主要内容。     

带有额外参数连接函数的广义线性模型

本文对广义线性模型中的连接函数引入新的形状参数,提出带有额外参数连接函数的一类广义线性模型;讨论了参数的极大似然估计,并给出了迭代公式;推广了关于广义Logistic 回归模型的额外参数估计的一个结果,并提出了广义对数线性模型.     

时变t-copula蒙特卡罗模拟的亚洲股指组合风险研究

应用时变条件t-copula函数描述沪市与亚洲主要股票市场指数收益序列之间的时变相依结构.时变条件t-copula模型的难点在于如何设定时变相依参数的演化方程,建立了用于描述包含时变自由度在内的所有时变相依模型参数的演化方程.进而采用蒙特卡洛仿真方法计算了各种指数组合的VaR,分析了沪综指与亚洲主要股指组合风险的演化趋势,并对结果进行后验测试,结果表明,时变条件t-copula函数仿真估计VaR可以覆盖最大损失风险.     

基于混合模型的原油价格混沌预测方法

针对原油现货价格的非线性和时变性特征,提出一种小波变换结合Elman神经网络和广义自回归条件异方差(GARCH)模型的混沌预测方法。首先利用小波变换将原油现货价格序列分解和重构成概貌序列和细节序列。其次对概貌序列和原油期货价格序列进行相空间重构,建立Elman神经网络的混沌时间序列模型预测概貌序列的未来值;同时以细节序列为历史数据,构建GARCH模型预测细节序列的未来值;最后将概貌序列和细节序列的未来值求和作为最终的预测值。实验证明该方法能够提供更准确的预测结果。     

一阶自回归模型参数变点的假设检验

本文讨论一阶自回归模型自回归参数$\phi$的变点问题. 对于一阶自回归模型, 在模型的白噪声序列的方差$\sigma^2$已知和未知的条件下, 利用最大似然方法, 我们分别讨论了模型自回归参数$\phi$的Abrupt Change-Point 和Gradual Change-Point的检测问题.     

半参数门限广义非对称随机波动模型研究

为了能够同时刻画和描述金融资产收益序列的偏态、厚尾以及序列的门限效应、非对称杠杆效应等特性,提出把门限广义非对称随机波动模型与非参数Dirichlet过程混合模型有机结合,构建了半参数门限广义非对称随机波动模型,并对模型进行了贝叶斯分析.实证研究中,利用上海黄金价格收益率序列数据进行建模分析,结果表明:半参数门限广义非对称随机波动模型能够有效地刻画上海黄金价格收益率序列波动率的动态特征.     

基于门限自回归模型下物价指数时间序列分析

对于非线性、非稳定的时间序列, 门限自回归模型具有较好的预测效果. 本文根据四川省1952--2005年商品零售物价指数的资料, 运用门限自回归分析方法对四川省近五十年来的商品零售物价指数进行了时间序列分析, 得到的模型拟合效果较好, 并适合于短期预测, 从而为政府管理物价提供了较精确的数量依据.