数据流的非平稳性度量——纪念李国平院士吴新谋教授诞辰100周年

该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为$0$和$1$之间的实数,平稳性较好的数据流的非平稳性度量较小. 作者将数据流的非平稳性度量应用到模型选择问题中,提出残差序列非平稳性度量最小化的模型选择标准. 作者用数值试验检验了该文提出的数据流非平稳性度量的近似算法, 并检验了其作为模型选择标准的能力.数值试验的结果表明, 非平稳性度量是衡量数据流非平稳程度的一个合理指标, 可以很好地区分趋势平稳数据和差分平稳数据, 区分独立同分布序列、白噪声序列和鞅差序列.     

基于非平稳性度量的数字印章信息匹配

该文运用数据流非平稳性度量,采用随机加密匹配方法设计数字印章.数字印章涵盖时间信息、设备信息、与盖章载体相关联的内容信息以及自定义信息,并用强噪声掩盖得到长为1024的信息序列(信息加强噪声序列).利用非平稳性度量方法不受扰动噪声分布影响这一特性,实现对噪声隐藏下的数字印章和数字印章信息的保密匹配.该数字印章匹配精度高...     

非平稳过程的小波因果度量

该文对带有随机趋势的非平稳过程给出了一种新的因果度量定义.作者将证明新定义与Hosoya给出的因果度量定义等价, 但由于避免了以往文献中常见的对非平稳过程协整性的要求, 该定义有利于简化因果关系的假设检验.文中还对Wald检验和似然比检验进行了讨论.数值模拟和实证分析表明, 这两种检验方法都是有效的.     

基于非平稳性度量的彩票数据实证分析

非平稳性度量是衡量时间序列平稳程度的方法.利用非平稳度量,给出了C检验,并结合非平稳性度量值,对我国体彩"排列五"、"七星彩"及美国亚利桑那州的博彩"Pick3"的历史数据进行分析,发现博彩各数位上整数"0~9"出现都拥有稳定的概率,但并不是以等概率1/10出现,其分布与i.i.d均匀分布稍有差异,其中"七星彩"均匀性最好,"Pick3"的均匀性次之,"排列五"均匀性稍差.     

基于EMD及非平稳性度量的趋势噪声分解方法

该文结合非平稳性度量,研究利用经验模态分解算法进行趋势噪声分解,提出基于非平稳性度量的准则来判定舍弃的本性模态函数的数目.通过数值模拟证明了该准则克服了连续均方误差准则的缺陷,在不同噪声强度和复杂趋势下,都能够达到很好的去噪效果.     

线性度量误差模型的序列相关检验

回归模型的序列相关检验是经济和金融数据分析中的一项重要的工作.基于最小二乘残差,作者提出了一个检验统计量以检验线性度量误差模型的误差序列是否存在序列相关性.在零假设下,得到了检验统计量的渐近分布.数值模拟结果表明,这里提出的检验统计量具有良好的有限样本性质.     

带有随机设计的非参数回归模型的异方差小波检验

该文讨论了带有随机设计的非参数回归模型的异方差小波检验. 首先给出了回归模型的条件方差函数的经验小波系数, 然后证明了它们是渐近独立和正态的. 基于 Fan (1996) 的方法, 构造了异方差检验统计量.最后通过数值模拟,作者检验了该文所提出的方法的有效性.模拟结果表明该文所提出的检验方法在水平和功效方面表现良好.     

路面平整度的时间序列模型

介绍非标准道路的路面平整度的时间序列模型,研究道路实测数据的时间序列模型.通过对实际路段的数据采集,进行道路平整度实例分析和道路平整模型的平稳性检验、模型的识别和估计,确定了模型参数,检验模型的适用性.实例表明了模型的置性度和合理性.     

路面平整度的时间序列模型

介绍非标准道路的路面平整度的时间序列模型,研究道路实测数据的时间序列模型.通过对实际路段的数据采集,进行道路平整度实例分析和道路平整模型的平稳性检验、模型的识别和估计,确定了模型参数,检验模型的适用性.实例表明了模型的置性度和合理性.     

高斯和非高斯平稳时间序列记忆参数的经验似然检验

本文将经验似然方法运用于高斯的和非高斯的平稳时间序列的长记忆性检验.我们从常用的长记忆模型(ARFIMA)出发,建立了记忆参数的经验似然比检验统计量.从理论上证明了所给的经验似然比渐近服从卡方分布,通过数值模拟和实例分析验证了所给的检验方法对于平稳的ARFIMA模型的长记忆参数检验的有效性.     

基于非线性时间序列模型的股票分析与预测

时间序列模型在股票价格的分析与预测中有着极其重要的应用.本文针对沪深300日收益率建立了ARIMA-GARCH拟合模型.首先对数据进行对数处理、平稳性检验、自相关检验、偏自相关检验和ARCH效应检验,然后消除条件异方差性,最后通过实证分析得到了模型的有效性与准确性.     

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.     

非光滑稀疏约束优化问题的最优性条件及算法

针对目标函数非光滑的稀疏约束优化问题,给出基本可行性和λ-平稳性两个必要最优性条件,利用所给出的必要最优性条件构造出稀疏次梯度投影算法.在理论上分析了算法的收敛性,证明了由该算法所产生序列的任意聚点都是λ-平稳点.最后,通过两个数值实例验证了算法的收敛性、有效性和优化能力.     

半参数随机效应模型的异方差检验

在许多实际问题中,检验观察数据是否出现异方差性是一个相当感兴趣的问题.该文研究了半参数随机效应模型的异方差检验问题.基于Lin(1997)的方法,得到了检验方差成分都为零的Score检验统计量.通过随机模拟和实际数值例子,论证了方法的有效性.利用现有的统计软件,容易实现该文所提出的检验方法.     

Armijo线性搜索下Hager-Zhang共轭梯度法的全局收敛性

Hager和Zhang^[4]提出了一种新的非线性共轭梯度法(简称 HZ 方法), 并证明了该方法在 Wolfe搜索和 Goldstein 搜索下求解强凸问题的全局收敛性.但是HZ方法在标准Armijo 搜索下求解非凸问题是否全局收敛尚不清楚.该文提出了一种保守的HZ共轭梯度法,并且证明了这种方法在 Armijo 线性搜索下求解非凸优化问题的全局收敛性.此外,作者给出了一些 数值结果以检验该方法的有效性.     

基于条件分布函数的高维回归模型的变量选择方法

高维回归分析的变量选择问题是目前统计学研究的一个热点和难点问题.提出了一个基于条件分布函数的相关性度量准则,并在此基础上提出三种变量选择方法.与现有的方法相比,提出的方法不依赖于统计模型,可以适用于线性模型和非参数可加模型.数值模拟结果表明,即使协变量之间存在一定的相关性,方法也有较为满意的表现.     

一种求解分类问题的新算法

本文提出了基于支持向量回归机(SVR)的一种新分类算法.它和标准的支持向量机(SVM)不同:标准的支持向量机(SVM)采用固定的模度量间隔且最优化问题与参数有关.本文中我们可以用任意模度量间隔,得到的最优化问题是无参数的线性规划问题,避免了参数选择.数值试验表明了该算法的有效性.     

结构突变时间序列的贝叶斯单位根检验

在贝叶斯框架下检验含有多个均值与趋势双突变点的时间序列的平稳性。引入标号随机变量表示观测值所处的位置,运用贝叶斯因子模型选择的方法判断结构变点数目,对待检参数的先验设定为混合分布,采用可信区间检验序列是否存在单位根,并用蒙特卡罗模拟验证该方法的有效性,且以中国居民消费价格指数为对象进行实证研究,进一步印证了贝叶斯单位根检验在结构突变时间序列单位根检验中的优越性。研究发现:判断序列是否存在单位根时,不能忽视结构突变问题,否则会产生误判;先验设定对单位根检验影响较大,混合先验优于单一先验;中国居民价格消费指数序列在不考虑结构突变时是不平稳的,若考虑结构突变则该序列平稳;贝叶斯单位根检验克服了经典方法在有限样本单位根检验时存在有偏的问题,提高了单位根检验的功效。     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.