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．     

基于删失数据的ARMA模型参数估计与实证分析

利用生存分析中的K-M估计得到了删失数据下ARMA模型的参数估计,通过与完全数据下的参数估计进行对比,充分说明了该估计的效果.利用删失数据下ARMA模型的EM算法,对2013年5月2日到2014年5月8日的247个美元兑人民币的基准汇率数据进行建模分析和预测,并与实际数据进行对照,误差较小,说明估计和EM预测方法的可行性.     

ARMA模型的参数估计

<正> 一、前言 近年来,人们对ARMA模型的参数估计讨论甚多,其原因之一是因为它与谱分析的发展有着很密切的联系.它是继最大熵谱之后,讨论最多的谱分析技巧. ARMA模型的参数估计分两大类.一类是精确估计;另一类是近似估计.前者假定模型是正态的,它是在以极大似然估计为最佳估计的基础上发展起来的种种估计方法,后     

时间序列与时空序列的建模

本文介绍了作者和他的博士研究生于近五年内,在时间序列与时空序列的统计建模方面所完成的研究工作。文章包含两个部分:第一部分将给出平稳与非平稳的ARMA模型(包括平稳ARMA,ARUMA与一般ARMA模型)的阶与参数估计的新结果,我们假设模型的噪声项满足鞅差条件,这比要求它们是i.i.d要弱,而且合理。第二部分给出了二维ARMA模型的谱鉴别,对于一类特殊的二维AR模型(即所谓的象限马氏模型,它们恰好就是熟知的一维马氏AR模型在二维情形的相配模型。)给出了它的阶与参数的强相合估计与重对数收敛速度。     

基于EM算法的混合自回归滑动平均模型的参数估计

研究了一类用于时间序列建模的混合自回归滑动平均模型.该模型是由m个ARMA分量经过混合得到的,给出了混合自回归滑动平均模型参数估计的期望极大化(EM)算法,从而得到了混合系数和分量模型的参数,通过仿真说明了其有效性.     

左删失数据下ARMA(p,q)模型的估计

在观测数据左删失情形下由K—M估计方法得到,严平稳遍历序列{Xt}的均值和自协方差函数的估计,从而获得ARMA（p,q）模型的参数估计,且所给估计量是强相合估计．     

时间序列问题的建模方法和过程

时间序列分析是研究经济学和统计学的一种重要方法,通过分析实际的时间数据序列进行建立数学模型,用来预测序列的未来的发展情况。本文介绍了时间序列的发展概况和基本概念,论述了ARMA模型的自协方差函数、自相关系数、偏自相关函数的特征和Box-Jenkins建模。Box-Jenkins建模方法一般包括模型识别、参数估计、模型适用性检验和预测等步骤,该模型主要运用于单变量、同方差场合的线性模型。通过对模型的进一步研究,明确了模型的定阶与参数估计等问题。     

基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.     

地震动瞬时谱估计的UnscentedKalman滤波方法

用时变ARMA模型描述地震动时程,提出了采用Unscented Kalman滤波技术实现地震动瞬时谱估计的思路．算例分析表明,Unscented Kalman滤波方法较Kalman滤波方法适用范围广,具有较高的时间和频率分辨率,能够更好地跟踪地震动的局部特性,适合处理非线性模型或有突变特性的模型的辨识问题．不同阶数ARMA模型的估计结果还表明,以往被忽略的ARMA模型的理论频率分辨力对地震动瞬时谱估计精度有重要影响,应作为一个参考指标在ARMA模型的判阶中加以考虑．     

离散时间随机系统参数估计的强一致性

对噪声具有实际重要性的一类线性随机控制系统,本文对由随机梯度算法给出的参数估计得到了一个使它为强一致的充分必要条件.同时对 ARMA 噪声情形,证明这个条件比熟知的持续激励条件为弱.     

低碳经济背景下中国铅精炼企业产销存量预测的ARMA模型构建及其应用研究

分析了ARMA模型构建中的数学方法,构建了低碳经济背景下中国铅精炼企业产销存量预测的ARMA模型,检验结果显示,ARMA(4,0)模型是对低碳经济背景下中国铅精炼企业产销存量进行短期预测的较优模型,同时最后采用该模型对中国铅精炼企业未来5年的产销存量进行了预测,并就预测结果提出了促进我国精炼铅市场低碳可持续发展的三种政策建议。     

一类两指标过程—EARMA过程

本文将两指标 ARMA 过程加以推广,提出了一类新的两指标弱平稳过程——EARMA 过程,给出了它的平稳性条件和可逆性条件;讨论了它的若干性质;并讨论了它的参数估计,其中主要是自相关估计的强相合速度。     

兼顾效率和成本的ARMA控制图多目标优化设计

ARMA控制图是一种有效的自相关过程质量监控方法,为了能够同时对ARMA控制图监控方案的效率和成本进行优化,本文分别研究了ARMA控制图的平均运行长度和质量成本的计算方法,并由此建立了ARMA控制图的多目标优化设计模型。采用NSGA-Ш智能优化算法,通过一个具体的算例对该模型的计算方法进行了说明,针对不同程度的过程偏移给出了多目标优化设计的非劣解解集。然后通过灵敏度分析的方法研究了模型中的主要设计参数对监控方案的效率和成本的影响程度。最后,通过与其它几种ARMA控制图优化设计方案的比较分析,说明了本文提出的设计方法的优势。     

基于ARMA模型的中国农产品价格的分析与预警

采用ARMA模型,对中国农产品生产价格指数(1979-2010)时间序列进行了建模分析.结果表明,ARMA(5,1)模型是平稳的且是可逆的.对2011-2013的中国农产品生产价格指数GPIFP进行了短期预测.预测结果分别是112,102和108.采用ARMA模型进行农产品生产价格指数的分析与预测,能较好地反映其动态变化,对促进我国农产品价格市场和谐发展具有重要的参考价值.     

关于回归模型的参数估计效率

本文讨论回归模型的参数估计效率。本文说明了现有线性回归模型的参数估计效率的下界与真实的参数估计效率在很多情况下相差较大,而且这种下界对于实测数据处理很难得到精确值。本文给出了估算参数估计效率的仿真方法。理论分析表明,该方法给出的参数估计效率的估计较现有的下界估计更合理;仿真和实算结果表明,对于一大类线性和非线性回归模型,该方法给出的回归模型的参数估计效率的估计更接近模型参数估计效率的真值。     

二叉树模型的参数估计

二叉树模型是期权定价中被广泛使用的模型之一, 其参数估计对于期权定价具有重要影响. 本文给出了一种二叉树模型参数估计方法, 该方法克服了二叉树模型经典参数估计方法的缺陷, 特别地, 消除了主观概率设定对参数估计的影响.     

基于人工蜂群算法的非线性系统模型参数估计

将人工蜂群算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较.仿真试验结果表明:人工蜂群算法对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法的参数估计精度,为非线性系统模型参数估计提供了一种有效的途径.     

基于ARMA模型的股价分析与预测的实证研究

利用ARMA模型对招商银行(600036)的股票日开盘价(2010/10/13-2011/4/8)数据进行分析,并预测出未来3天(2011/4/11-2011/4/13)的股票开盘价数据.与实际数据相对照,模型预测误差小,说明ARMA模型非常适合于短期预测.     

基于蒙特卡洛-马尔科夫链(MCMC)的ARMA模型选择

AIC与SIC等准则函数方法是ARMA模型选择过程中经常使用的方法。但是,当模型的阶数很高时,无法计算并比较每一个备选模型的准则函数值。本文提出了一个基于蒙特卡洛-马尔科夫链方法的随机模型生成方法,以产生准则函数值最小的备选模型。实际应用表明本文的方法在处理拥有大量备选模型的ARMA模型选择问题时有很好的效果。     

基于Box-Jenkins方法的青南高原降水量时间序列分析建模与预测

应用基于Box-Jenkins方法的时间序列分析技术,对青南高原的四个典型地区1961-2005年降水量序列进行ARMA建模分析:验证了四地区年降水量序列的时间序列特性,研究并选择了这些序列的最佳ARMA模型,本文也通过模型对未来降水量进行了预测.模型实证分析的结果表明:在青藏高原降水量时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.