基于图方法的自回归和双线性时间序列模型系数的检验

自回归和双线性时间序列模型被表示为时间序列链图模型.在此基础上, 证明了自回归和双线性模型的系数为其他时间序列分量给定的条件下的条件相关系数.然后提出基于图的检验方法来检验自回归和双线性模型系数的显著性, 模拟结果表明此方法在水平和功效方面表现很好.     

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.     

稀疏VAR在股票收益率研究的应用

向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。     

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.     

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.     

基于马氏链拟合的一种非负变权组合预测算法及其应用

通过马氏链拟合的方法求取一种新的非负时变权组合预测算法公式.主要工作是:一、对组合预测问题以最小误差为准则给出了马氏链的状态和状态概率初步估计;二、用马氏链拟合状态概率分布时变规律,通过约束多元自回归模型导出了一步转移概率阵的LS解;三、给出一种非负时变权组合预测公式并举一应用实例.     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

供应链零售商预测技术研究—基于牛鞭效应的视角

一阶自回归(AR(1))序列模拟需求过程是传统文献采用的经典模型,然而上述文献关于需求过程参数(如需求自回归系数)对牛鞭效应的影响分析缺乏实践意义,为了更符合企业的实际决策过程,本文建立了需求依赖于价格、而以AR(1)序列模拟价格过程的需求函数模型,分析了最小均方差、移动平均和指数平滑预测下的牛鞭效应,确定了零售商的预测技术选择条件。研究表明:(1)产品市场规模不影响零售商预测技术的选择;(2)当产品价格敏感系数较小或价格自回归系数较小时,零售商应选择最小均方差预测技术;(3)当产品价格敏感系数和价格自回归系数均较大时,零售商应选择移动平均预测技术。     

半参数平滑转换分位数自回归模型及应用

已有针对平滑转换自回归模型(STAR)的研究多是将转换函数设定为Logistic函数或指数函数形式,并在均值回归框架下获得模型的估计、检验及预测结果.文章基于重心权有理插值和分位数回归方法,构建一类新的半参数平滑转换分位数自回归模型,其主要特点表现在:第一,基于重心权有理插值方法构造的平滑转换函数,形式更加灵活自由,有效减少了模型误设的风险.第二,在分位数回归框架下,利用遗传算法获得新模型在不同分位点处的平滑转换自回归系数估计,比单纯的均值回归得到的信息更为丰富.数值模拟结果显示,新模型的平滑转换自回归系数估计在无偏性、有效性和一致性方面均具有较好表现.最后,将新模型应用于上证综指日收益率的动态趋势及预测研究,细致揭示了收益率序列在不同阶段、不同分位点处的非线性和异质性变化特征.     

基于ARIMA与神经网络集成的GDP时间序列预测研究

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。     

我国城镇居民消费与收入关系的空间自回归模型研究

本文利用我国31个省市2005年的城镇居民消费和收入统计数据,对我国城镇居民的消费与收入关系进行了空间自回归模型研究。研究结果表明,我国城镇居民的消费存在显著的空间相关性.在此基础上,对所建立的空间自回归模型进行了比较、选择和评价.     

国际石油价格与我国石化生产的协整关系:基于TAR模型的研究

国际石油价格作为石油化工产业主要原材料成本的重要组成部分,将对石化产业生产产生重大影响,研究发现我国主要石化产品总产量与国际油价之间存在显著的协整关系。利用门限自回归方法(TAR),实证研究发现两者存在非线性两机制门限协整。当国际油价低于门限值54.35美元时,我国石油化工生产基本不受国际石油价格变化影响。而当国际石油价格高于54.35美元时,其对我国石油化工产业影响凸显并成为抑制其发展的重要因素。     

基于Spearman ρ的时变Copula模型的模拟及应用

本文从Spearmanρ入手,利用Spearmanρ在非线性单调变换的情况下保持不变的特点,以及与条件期望预测机制存在的非线性的关系,提出建立时变Copula的模型的新方法;通过建立时变FGM-Copula模型的实例分析表明,这种构建Copula模型的方法较好捕捉了相依机制的时变性,预测了随机变量的趋势,具有一定的优越性。     

基于改进的BP网络对CET-4累计通过率时间序列的预测

时间序列并非总呈自相关性.与[4]不同,对本文中的CET-4累计通过率时间序列建立线性及二阶自回归模型,仿真计算失效.改进的BP网络,适用所有的一维时间序列.本文采用二步预测法,与其它采用BP网络对时间序列预测不同的是,本文不仅预测下一年的时间序列值,还将整个预测模型仿真出来,画出三维图形,从而为教务政策的制订提供直观易看、合理、客观的依据.     

可变抽样区间的多变量自相关过程VAR控制图

基于批量-均值法的思想,向量自回归(VAR)控制图对多变量自相关过程的较小偏移可以进行有效控制。为了提高多变量自相关过程监控效率,本文研究可变抽样区间的VAR控制图。首先,对多变量自相关过程的VAR控制图进行可变抽样区间设计;然后,用蒙特卡洛模拟方法计算其平均报警时间;最后,以平均报警时间为评价准则,对所设计的可变抽样区间VAR控制图与固定抽样区间的VAR控制图进行比较研究。研究结果表明:所设计的可变抽样区间多变量自相关过程VAR控制图较固定抽样区间的多变量自相关过程VAR控制图能更好的监控过程的变化。     

On consistency of recursive least squares identification algorithms for controlled auto-regression models

The recursive least squares (RLS) algorithms is a popular parameter estimation one. Its consistency has received much attention in the identification literature. This paper analyzes convergence of the RLS algorithms for controlled auto-regression models (CAR models), and gives the convergence theorems of the parameter estimation by the RLS algorithms, and derives the conditions that the parameter estimates consistently converge to the true parameters under noise time-varying variance and unbounded condition number. This relaxes the assumptions that the noise variance is constant and that high-order moments are existent. Finally, the proposed algorithms are tested with two example systems, including an experimental water-level system.     

Bayesian dynamic financial networks with time-varying predictors

We propose a targeted and robust modeling of dependence in multivariate time series via dynamic networks, with time-varying predictors included to improve interpretation and prediction. The model is applied to financial markets, estimating effects of verbal and material cooperations.     

中国股票市场有效性的复合评价

本文以2000年1月4日至2011年4月1日的上证综指(000001)和深圳综指(399106)的日收盘价和日收益率为研究对象,根据随机游走假设,采用对数动态自回归模型、游程检验和单位根检验,对上海股票交易所和深圳股票交易所的市场有效性分别进行检验,结果表明沪深两市都基本达到弱式有效。由于上述检验无法证明两股市之间是否存在影响,价格水平是否互相包含,因此有必要验证沪深两市是否为联合有效。本文采用Johansen协整检验和Granger因果关系检验,结果表明上证综指的日收益率对深圳综指的日收益率有一定的预测作用,但沪深两市的价格不存在长期均衡关系,因此可判断沪深股市基本达到联合的弱式有效。     

Antenna calibration technique based on channel prediction in time-varying TDD-MIMO system

The traditional antenna calibration for time division duplex multiple input multiple output (TDD-MIMO) systems assume that free-space channel keeps constant during calibration, which is unreasonable under the high-speed rail and other time-varying channel scenarios for time variability can cause calibration error. This paper analyzes the performance of traditional antenna calibration methods, and then proposes an antenna calibration method based on Wiener channel prediction for time-varying TDD-MIMO system. Through theoretical derivation, we get the capacity formula of the TDD-MIMO system using traditional antenna calibration and antenna calibration based on channel prediction. The theoretical analysis and simulation results both indicate that the performance degradation of antenna calibration can be caused by time-varying channel and the prediction algorithm proposed in the paper can well compensate for the performance loss and significantly improve the antenna calibration performance for time-varying TDD-MIMO system.     

小波变换在期货价格序贯相关分析中的应用

针对金融时间序列普遍具有非平稳、自相关等特点,通常建立ARIMA模型进行识别.但模型的构建中,常受到一些随机扰动的影响,使模型拟合的误差增大.文章试将小波分析良好的局部性与ARIMA模型的简捷实用相结合,采用基于小波分析的累积式自回归滑动平均方法(WARIMA)拟合模型中的序贯相关,实证分析得出,WARIMA模型显著降低了拟合误差.