排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
基于趋势平滑和GARCH的证券市场预测 总被引：1，自引：0，他引：1
首先将证券市场运动用局部多项式趋势模型进行平滑，然后分别用AR模型和GARCH模型考虑序列之间自相关性和波动的变化性。参数和条件最大似然估计应用了状态空间模型的卡尔曼滤子递推和GARCH模型的条件方差递推，模型阶数的选取应用了Akaike的最小化信息矩阵方法。计算实例表明了这种组合方法预测能力的优越性。 相似文献
2.
许多时间序列 ,例如资本数据等经济类时间序列 ,是由众多错综复杂因素共同作用的结果 ,存在着种种线性和非线性作用机制 ,频谱分析及其种种变形不应该是这些时间序列周期分析的合适工具 ,R/S分析因为不象频谱分析那样有正弦或余弦的假设 ,因而具有明显的优势 .通过对上证指数的 R/S分析 ,发现上证指数具有长程正相关和大约 5个月一个周期的特点 . 相似文献
1