稳健残差控制图的构建及在金融时序中的应用

对于呈现自相关和波动族聚性并存的受控过程,通常采用残差控制图对其进行监控。但异常点的存在会对自相关或波动族聚性模型的拟合产生重要影响,使得基于该模型的残差并非独立同分布导致常规残差控制图监控失效。为解决这类问题,本文提出稳健残差控制图。即建立稳健的ARMA模型解决自相关问题从而得到无自相关的残差序列,用稳健的GARCH模型来构建控制图的上下限。模拟和实证研究表明,本文提出的稳健残差控制图具有很好的抗异常点能力并能更好的对金融时间序列的异常现象进行监控。     

基于极值理论的EXPAR时序模型异常点诊断

本文基于极值理论给出诊断EXPAR模型异常点检验统计量的渐近分布,并依此渐近分布来选取检验的临界值。这种方法选取的临界值可保证控制在一定显著性水平下,而且可以计算渐近p值,比仿真选取的临界值更科学合理。     

一种改进的异常值检测算法与稳健估计

对模型精度与稳健性的要求使得异常值检测与稳健估计在模型构建中变得日益重要.本文首先利用基于边际相关系数构造的高维影响度量指标(HIM)与基于距离相关系数构造的高维数据异常值判别方法(HDC)分别对数据中的异常值进行初步检测,将数据集中的点分为正常点与异常点两类,然后在初始正常点集的基础上利用稳健的参数估计方法和残差空间...     

函数型数据异常检测在光谱数据中的应用

光谱分析技术是分析化学中常用的方法之一,也广泛应用于中药分析等领域. 本文用函数型数据分析的方法分析光谱数据,研究针对光谱数据的异常检测方法, 挑选出异常(离群)的样本.基于现有方法, 我们提出``欧加深度检测方法'. 数值模拟结果显示,欧加深度检测方法能较好地挑选出异常情况的样本.本文将欧加深度检测方法和三种已有方法应用于分析73剂中药六混液光谱数据,结果显示, 欧加深度方法能够检测出全部6剂不合格样本, 有较好的应用前景.     

基于稳健回归的经济增长数据可靠性评估

为了顺应改革开放以来经济规模和结构的不断调整,我国的统计体系发生了较大的变化.部分经济指标在不同层面的汇总结果存在差异,导致一些学者和组织对我国公布的经济增长数据质量提出质疑.因此,对我国经济增长数据的可靠性进行检测,成为学界持续关注的热点话题.在过去的研究中,很多学者使用了传统的回归方法,但这些方法容易受到异常值的影响,造成结果的可靠性较低.本文提出一种基于MRCD估计和MM估计的稳健回归方法,使用2019年中国大陆31个省级行政区域的GDP增长率和14个经济增长相关指标的增长率数据对中国的经济数据质量进行了评估.研究结果表明,该模型不仅提高了对异常值的识别能力,还降低了异常值对回归估计值的影响,因而同时提高了结果的可靠性和实际应用能力.实证结果表明,我国的经济增长数据是有质量保证的.     

ARMAX时间序列模型异常点及异常点斑片的估计和检测

将通常的Gibbs抽样和自适应的Gibbs抽样算法用于带有外生变量的自回归移动平均时间序列(ARMAX)模型的Bayes分析,首先采用一些方法消除ARMAX模型中输入(外生变量)序列的影响,然后在前人工作的基础上给出了一种类似的挖掘相应时间序列中的异常点及异常点斑片的方法.说明了自适应的Gibbs抽样算法也能够有效地检测ARMAX模型中孤立的附加型异常点及异常点斑片.实际的和模拟的结果也显示这些方法可以明显减少掩盖和淹没现象的发生,这是对已有工作的推广和扩充.     

基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.     

基于Gibbs抽样的贝叶斯稳健ARMA模型研究

针对ARMA模型建模过程中模型识别和参数估计易受观测值异常点影响问题,构建了同时考虑加性异常点和更新性异常点的ARMA模型．运用基于Gibbs抽样的Markov Chain Monte Carlo贝叶斯方法,估计稳健ARMA模型参数,同步确定观测值中异常点的位置,辨别异常点类型．并利用我国人口自然增长数据进行仿真分析,研究结果表明：贝叶斯方法能够有效地识别ARMA序列的异常点．     

信噪比的分解及其在稳健设计中的应用

本文讨论了信噪比的分解及其在稳健设计中的应用, 引用PerMIA的概念给出了田口的信噪比和社会平均二次损失联系bd 最后将97年中国大学生数学建模的赛题作为算例, 其参数设计的优化过程更为简洁.     

应用RJMCMC方法识别线性模型异常点

传统线性模型异常点识别方法容易发生误判:正常点被归为异常点或者异常点被归为正常点.为解决此类问题,提出了应用逆跳马尔科夫蒙特卡洛方法识别异常点的思想,同时将其应用于实际数据加以检验,识别效果明显好于传统方法.     

产出时间序列的遍历性

主要研究产出时间序列的遍历性质,得出了市场经济条件下产出时间序列是马氏过程的结论,并讨论了它的遍历态;证明了市场经济发展的周期状形态.     

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.     

金融区间序列分析及其预测的初步评价

金融市场中的实际观测数据,除随机性外往往还带有模糊性,这样的观测数据通常以观测区间的形式给出,例如,当我们谈及某日的上证指数时,其观测值总是在最低点与最高点之间波动。观测值的这种不确定性来自于多重隶属现象,而非随机现象,我们称这种不确定性为模糊性。不确定性问题通常含有两种意义上的分类:一类是随机不确定性,人们依靠概率统计方法进行处理;另一类是非随机性的不确定性,即为模糊性问题,通常利用模糊集合理论来进行研究。本文将在模糊数学理论基础上,利用回归分析方法,构建模糊金融时间序列模型,并利用FLP(模糊线性规划)方法来估计模型的未知参数。为了合理评价拟合效果,我们将根据测量模糊集合间的择近原则,给出利用样本平均贴近度来评价模型拟合效果的一个准则。实证研究将讨论金融模糊时间观测序列的建模、参数估计,并对模型的实际拟合效果和预测效果做初步评价。     

基于随机时间序列法的新疆麻疹发病率预测

用2004～2010年新疆麻疹月发病率数据分析建立了ARIMA(0,2,1)(0,1,1)~(12)时间序列模型,该模型能够较好的预测短期内新疆麻疹的流行情况,对麻疹的流行情况进行预警,提前做好预防控制的准备.     

时间序列系统建模预测的一种新方法

利用微分方程数值解法对时间序列系统建模作了新的探讨 ,给出了单调型和起伏型时间序列的建模预测方法 .本文给出的方法适用范围广泛 ,尤其对间隔较小的时间序列能获得满意的精度 ,文中最后给以建模实例 .     

有时序的多属性席位分配模型及其应用

将经典席位分配模型推广到有时序多属性席位分配模型,给出了有时序多属性席位分配模型一个简单有效的算法.最后应用实例说明有时序多属性席位分配模型应用更加广泛和合理.     

The Application of Kernel Smoothing to Time Series Data

There are already a lot of models to fit a set of stationary time series, such as AR, MA, and ARMA models. For the non-stationary data, an ARIMA or seasonal ARIMA models can be used to fit the given data. Moreover, there are also many statistical softwares that can be used to build a stationary or non-stationary time series model for a given set of time series data, such as SAS, SPLUS, etc. However, some statistical softwares wouldn＇t work well for small samples with or without missing data, especially for small time series data with seasonal trend. A nonparametric smoothing technique to build a forecasting model for a given small seasonal time series data is carried out in this paper. And then, both the method provided in this paper and that in SAS package are applied to the modeling of international airline passengers data respectively, the comparisons between the two methods are done afterwards. The results of the comparison show us the method provided in this paper has superiority over SAS＇s method.     

时间序列自回归预测方法新探

证明了"利用反双曲正弦函数变换能提高数据列的光滑程度",获得了时间序列自回归预测的新方法,实例分析表明:新方法更具有优越性.