图模型方法及ARMA模型检验

应用图模型方法来研究时间序列中的因果关系,并以ARMA(1,1)时间序列为例作了说明.将ARMA模型表示成混合图,证明了ARMA模型的系数就是在移去了时间序列中其他成员的线性效应后的偏相关系数.这样就可运用通常的图模型推断算法来做参数估计和预测.与传统的对ARMA模型的检验法相比较,该方法既直观又易于计算.     

ARMA算法在GDP预测中的应用

从时间序列的基本概念出发,应用时间序列模型ARMA,对北京市人均GDP建立ARMA模型.应用ARMA模型对2009年GDP值进行预测,其预测值与实际值拟和较好;在此基础上,预测了2010年至2014年北京市人均GDP值.     

考虑流动性风险的ARMA模型在股票收益率中的应用研究

把度量流动性风险的指标结合到ARMA模型中,对3个综合性指标:Amivest流动比率、马丁指数(Martin Index)、休-赫贝尔流动性比率进行比较分析.以三一重工股票收益率数据为实证样本,研究表明,考虑流动性风险的ARMA模型比一般的ARMA模型优越,而带马氏指数的ARMA模型在所分析的模型当中拟合结果最好.     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.     

基于ARMA模型的河川年径流量预测

利用ARMA模型对河川径流量预测进行了研究.ARMA模型主要利用数据间的相关性来建立模型,根据数据分析建立ARMA(3,1)模型最优,但预测效果并不好.为了达到好的预测效果,把两个ARMA模型组合运用建立新的模型,得到较好的预测效果.     

基于时间序列分析的地表沉降数据分析处理

基于平稳时间序列的特性,研究了应用ARMA(m,n)模型对矿区地表沉降数据进行分析处理和预报的方法步骤,并用一组实测沉降数据实例说明.结果表明,应用ARMA(m,n)模型分析处理地表沉降数据十分有效、可靠.     

时间序列ARMA模型的贝叶斯分析

ARMA模型是时间序列分析中应用比较广泛的一种模型。本文采取贝叶斯估计法估计ARMA模型的各个未知参数,进而利用估计的参数对ARMA模型进行预测,最后对我们采取的贝叶斯估计法进行模拟仿真。     

基于时不变ARMA模型的线性多自由度结构参数识别

简单介绍了时不变ARMA模型的数学描述，并阐述了结构参数与ARMA模型参数之间的对应关系：通过实例分析说明了ARMA模型用于工程结构识别的可行性；最后用一维ARX模型和ARVX模型对同一结构进行识别，从而得出多维模型在结构识别领域有更广阔的应用前景。     

ARMA模型参数的拟线性估计方法

提出了一种ARMA模型的线性估计方法,这种方法通过两次AR模型的估计来实现ARMA模型的估计.     

向量ARMA模型的一种建模方法

本文提出了一种首先将向量ARMA模型转化为标量ARMA模型,然后再根据长自回归计算残差的建模策略建立向量ARMA模型的方法。文中根据切削试验的观测信号建立了动态切削过程的二维向量ARMA模型,同时还讨论了与之适应的模型适用性的检验问题。     

多重分形在日韩汇率市场中的应用

汇率是国际贸易中非常重要的调节杠杆,是反映一国经济稳定程度的指标.在经济全球化的今天,汇率的波动直接影响着一系列金融市场的重大问题,探讨汇率的波动性及相关性对生产生活实际有重要作用.在对多重分形理论及多重分形方法改进和完善的基础上,对国际汇率进行了实证研究,主要内容如下:1)利用多重分形消除趋势交叉波动分析(Multifractal Detrended Cross-Correlation Analysis,简称MF-DCCA)方法对汇率的互相关性进行定量描述,求出多重分形广义的Hurst指数h(q),我们发现h(q)随q的变化而变化,也就是说汇率的相关性是非线性的,呈现多重分形的特性;2)基于滑动窗的方法分别计算单个序列和两个序列之间的普通Hurst指数随时间变化对应值,观察普通Hurst指数随着时间的演化特点,发现JPY/USD与KRW/USD时间序列各自的Hurst指数在0.5附近游走,而JPY/USD-KRW/USD的Hurst指数更多时候大于0.5,这说明两条汇率时间序列的波动具有很强的相关性.     

基于协整理论的人民币/美元汇率组合预测模型

在人民币/美元汇率预测中,单一模型往往难以全面反映汇率的变化规律,为更有效地利用各个模型的优点,将不同的单一模型进行组合可以产生更好的预测精度.对ARMA模型、GARCH(1,1)模型、无偏灰色马尔科夫模型利用协整关系建立线性组合模型.实证表明:组合模型较被组合的各单模型的预测精度高.     

基于时变多元Copula-VaR的商业银行汇率风险度量

构建了一个时变多元Copula模型,并运用Monte Carlo模拟技术计算VaR,以期更准确地度量人民币兑美元、欧元、日元和港元4种汇率可能给商业银行带来的风险.然后将其度量效果与静态多元Copula-VaR的度量效果进行比较分析.实证结果表明:人民币兑各主要货币汇率之间的相关结构以时变方式变动,基于时变多元Copula-VaR的商业银行汇率风险的度量效果更好.     

汇率收益率短记忆性与长记忆性特征的研究

采用Q检验,经典R/S分析法以及ARFIMA模型对人民币和欧元汇率收益率序列的记忆程度进行研究,结果表明人民币汇率收益率虽然不存在显著的短记忆性,但长记忆特征比较显著,而欧元汇率收益率虽然存在短记忆特征,但不存在显著地长记忆性,说明了欧元外汇市场的成熟和人民币外汇市场的低效,因此,对两种汇率收益率序列的拟合预测需建立不同的数学模型.     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

货币配置对国际资产配置的意义

国际资产配置中包括资产收益和汇率收益两部分。汇率收益的期望和方差对总资产的配置有着重要的影响。对美、日、欧、澳、中5种货币历史数据的实证分析显示,利用马科维茨资产组合理论对国际资产组合进行货币配置能够带来显著的超额收益。     

三元悖论对我国汇率制度改革的指导研究

现行的人民币汇率是有管理的浮动汇率制,实际为盯住美元。然而中美两国间生产要素无法自由流动,单一盯住美元不利于准确评价汇率政策的效果,也不符合人民币逐渐走向自由兑换的要求。文章分析我国汇率制度现存的问题以及改革的阻力,结合蒙代尔"三元悖论"探讨人民币汇率制度向着浮动汇率发展的改革政策。     

基于R/S检验、ARFIMA模型和小波方差的人民币汇率长记忆性检验

分别应用R/S检验、ARFIMA模型和小波方差对人民币兑美元名义汇率收益率序列的长记忆性进行检验.根据R/S统计量计算出Hurst指数为0.573 745 1,采用ARFIMA(2,d,1)模型对人民币汇率收益率序列进行拟合的效果比较好,其分数差分参数为0.145 7,利用Haar小波对人民币汇率波动绝对值收益率序列进行最大重复离散小波变换,得出其长记忆性参数为0.393 1.3种方法的研究结果均表明人民币兑美元名义汇率收益率序列存在长记忆性.     

人民币/美元汇率收益率的统计特性和非线性特征研究

采用非参数检验(Jarque-Beta检验和Kolmogorov-Smirnov检验)以及Q-Q概率图对人民币/美元汇率收益率进行正态性检验,随后利用替代数据法对人民币/美元汇率收益率进行相关性和非线性特征检验.研究结果表明:人民币/美元汇率收益率不服从布朗运动,存在"尖峰厚尾"的现象,并且呈现内在的确定性非线性特征,这说明这些汇率的非线性特性是来自于产生它们的复杂经济系统内部因素,而不是源于其经济系统外部变量.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。