向量自激门限自回归（VSETAR）序列的遍历性

本文主要考虑二维自激门限自回归模型：Ｘ（ｔ）＝Ｉ［Ｘ（ｔ－１）∈Ｒｉ］ＡｉＸ（ｔ－１）＋ε（ｔ），其中Ａｉ（ｉ＝１，２，３，４）为２×２系数矩阵，｛ε（ｔ）｝为二维ｉ．ｉ．ｄ序列。我们得到｛Ｘ（ｔ）｝为遍历的四个充分条件。     

周期相关时间序列与周期自回归模型

介绍了周期相关时间序列和周期自回归模型,并研究了周期自回归时间序列的稳定性及周期性,得到了它为周期相关时间序列的一个充要条件,推广了文献[1]的结论.     

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.     

条件异方差双门限自回归模型的门限和延时的小波估计

本文讨论了条件异方差双门限自回归模型的门限和延时的识别问题,通过经验小波系数,给出了门限个数和门限以及延时的估计,在较弱的条例下,证明了所给的估计是相合的。     

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.     

误差为线性时间序列下的回归模型

本文获得线性时间序列加权和的渐近正态性,推广和改进了Tran等人在[1]中得到的结果．还得出了另一种通常采用的g(x)的近邻型估计的渐近正态性．     

门限自回归模型条件异方差的Kolmogorov-Smirnov检验

门限自回归模型被广泛地用于许多领域，当建立或使用这类模型时，一个重要问题是需要知道是否存在条件异方差。在本文中，我们对这个问题提出一个非参数检验，检验的大样本理论被给出，我们还通过数值模拟研究了检验方法的有限样本性质。结果表示检验有好的功效。经验百分位点还被给出。     

门限自回归模型参数的局部正交设计寻优法

在采用点值图确定门限区间个数的基础上,对门限自回归模型中门限值、滞后步长、各门限区间模型阶数,利用正交设计方法寻优,计算工作量锐减,却可得到精度较高的预报模型.     

基于ADL模型的贵州人口时间序列分析

众所周知,经济对人口总量有显著性影响。本文分析了人口总量关于出生率、死亡率和GDP的Granger成因,最后用自回归分布滞后模型研究贵州省人口模型,得到精度约为8‰的贵州人口的自回归分布滞后模型。     

时间序列中向量自回归模型的拟合优度检验

本文提出并研究了一些诊断检验工具,用于一般参数型的时间序列向量自回归模型的拟合优度检验．该检验在零假设下渐近服从卡方分布,并能侦察到以参数速度收敛到零假设模型的备择模型．检验涉及到权函数,因此可以灵活地选择权函数以提高检验功效,尤其是在可能的偏离方向已知情形．如果备择不是方向型的,而只知道其属于某一个模型类中,此时可构造一个渐近分布自由的极大极小（maximin）检验．对于饱和备择,基于得分型思想给出了构造万能（omnibus）检验的可行性构想．本文对提出的检验从理论上进行了功效研究．另外,为提高检验在小样本情形的功效,本文把非参数Monte Carlo检验方法推广到相依数据情形．最后,通过模拟研究和实际数据分析进一步表明检验的有用性．     

一类季节性整值复合自回归模型-SINCAR

本提出一类季节性整值复合自回归模型-SINCAR，通过升维的方法能将-SINCAR变为多维平稳序列，且给出收益序列的极值，凹凸性条件，对周期为3的AINCAR模型中的参数进行了估计。     

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.     

门限自回归模型参数最小二乘估计的强收敛速度

本文在给定门限自回归模型阶数、门限和延迟参数的情况下，证明了一般门限自回归模型参数和残差方差的最小二乘估计的强收敛速度为Ｏ（（ｌｏｇｌ９ｏｇｎ／ｎ）１／２），并证明了残差方差的最小二乘估计具有渐近正态性．     

时间序列中自相关与偏相关函数分析

相关函数表现出时间序列中任意两个值之间的相关性是如何随着时间间隔而改变的.自相关函数刻画了时间序列相邻变量之间的相关性,偏相关函数则是排除了其它中间变量的影响,真实地反映两个变量之间的相关性,并且二者紧密相连.同时两个相关图所反映的信息在时间序列分析各个方面发挥着关键作用.     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

一类不分明时间序列的回归预测

研究了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

自回归模型建立的必要条件及其应用

给出了对时间序列资料选择建立7种自回归模型的必要条件,并结合实际例子进行了分析和阐述.     

语言数据的自回归模型及其在上证综指预测中的应用

专家对金融证券市场的感知和判断是一相对重要的信息资源,应在系统建模中结合实际数据加以适当吸收和利用.本文给出基于随机模糊结合方法的一类移动平均自回归模型,并将其用于上证综指月度数据的趋势预测中.由于专家的感知或判断通常以语言形式表达,而语言通常具有模糊性特征.基于模糊随机变量对此类语言数据定义其均值、方差、协方差以及误...     

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量问的相依关系.     

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.